Context ile Çalışma
Cursor’da context ile nasıl çalışılır
Öncelikle, context window nedir? Ve Cursor ile etkili bir şekilde kodlama yapmakla nasıl bir ilişkisi var?
Biraz daha geniş açıdan bakacak olursak, büyük dil modeli (LLM), devasa veri setlerinden öğrendiği kalıpları kullanarak metin tahmin etmek ve üretmek için eğitilmiş bir yapay zeka modelidir. Girdinizi anlayarak ve daha önce gördüklerine dayanarak kod veya metin önerileri sunarak Cursor gibi araçları güçlendirir.
Token’lar bu modellerin girdileri ve çıktılarıdır. Bunlar, genellikle bir kelimenin parçası olan ve LLM’nin tek tek işlediği metin parçalarıdır. Modeller tüm cümleleri bir seferde okumaz; önceki token’lara dayanarak bir sonraki token’ı tahmin ederler.
Bir metnin nasıl token’lara ayrıldığını görmek için bu gibi bir tokenizer kullanabilirsiniz.
Bağlam nedir?
Cursor’da bir kod önerisi oluştururken, “bağlam” modele sağlanan bilgileri (“giriş token’ları” şeklinde) ifade eder ve model bu bilgileri sonraki bilgileri tahmin etmek için (“çıkış token’ları” şeklinde) kullanır. İki tür bağlam vardır:- Niyet bağlamı, kullanıcının modelden ne elde etmek istediğini tanımlar. Örneğin, bir sistem istemi genellikle kullanıcının modelin nasıl davranmasını istediğine dair üst düzey talimatlar olarak hizmet eder. Cursor’da yapılan “prompting”in çoğu niyet bağlamıdır. “O butonu maviden yeşile çevir” belirtilen niyetin bir örneğidir; kuralcıdır.
- Durum bağlamı mevcut dünyanın durumunu açıklar. Cursor’a hata mesajları, konsol günlükleri, görüntüler ve kod parçaları sağlamak durumla ilgili bağlam örnekleridir. Açıklayıcıdır, kuralcı değildir.
Cursor’da bağlam sağlama
Bir modele ne kadar ilgili bağlam sağlayabilirseniz, o kadar faydalı olacaktır. Cursor’da yetersiz bağlam sağlanırsa, model ilgili bilgi olmadan sorunu çözmeye çalışacaktır. Bu genellikle şu sonuçlara yol açar:- Modelin (bir kalıp olmadığında) kalıp eşleştirme yapmaya çalıştığı halüsinasyonlar, beklenmedik sonuçlara neden olur. Bu,
claude-3.5-sonnetgibi modeller için yeterli bağlam verilmediğinde sıkça yaşanabilir. - Agent’ın kod tabanını arayarak, dosyaları okuyarak ve araçları çağırarak kendisi bağlam toplamaya çalışması. Güçlü bir düşünme modeli (
claude-3.7-sonnetgibi) bu stratejiyle oldukça ileri gidebilir ve doğru başlangıç bağlamını sağlamak yörüngeyi belirleyecektir.
@-sembolü
Açık bağlam sağlamanın en kolay yolu @-sembolüdür. Bunlar, dahil etmek istediğiniz dosya, klasör, web sitesi veya diğer bağlam parçasını özellikle bildiğiniz durumlarda harikadır. Ne kadar spesifik olabilirseniz, o kadar iyidir. Bağlamla daha cerrahi nasıl çalışılacağının bir dökümü:| Sembol | Örnek | Kullanım durumu | Dezavantaj |
|---|---|---|---|
@code | @LRUCachedFunction | Hangi fonksiyon, sabit veya sembolün ürettiğiniz çıktıyla ilgili olduğunu biliyorsunuz | Kod tabanı hakkında çok fazla bilgi gerektirir |
@file | cache.ts | Hangi dosyanın okunması veya düzenlenmesi gerektiğini biliyorsunuz, ancak dosyada tam olarak nerede olduğunu bilmiyorsunuz | Dosya boyutuna bağlı olarak eldeki görev için çok fazla alakasız bağlam içerebilir |
@folder | utils/ | Bir klasördeki her şey veya dosyaların çoğunluğu alakalıdır | Eldeki görev için çok fazla alakasız bağlam içerebilir |
Kurallar
Kuralları, sizin veya ekibinizin diğer üyelerinin erişmesini istediğiniz uzun vadeli hafıza olarak düşünmelisiniz. İş akışları, biçimlendirme ve diğer konvansiyonlar dahil olmak üzere alana özgü bağlamı yakalamak, kural yazma için harika bir başlangıç noktasıdır. Kurallar ayrıca/Generate Cursor Rules kullanılarak mevcut konuşmalardan da oluşturulabilir. Çok fazla yönlendirme içeren uzun bir karşılıklı konuşma yaptıysanız, muhtemelen daha sonra yeniden kullanmak isteyebileceğiniz bazı yararlı direktifler veya genel kurallar vardır.
MCP
Model Context Protocol, Cursor’a eylemler gerçekleştirme ve harici bağlam çekme yetenekleri verebileceğiniz bir genişletilebilirlik katmanıdır. Geliştirme kurulumunuza bağlı olarak, farklı türde sunuculardan yararlanmak isteyebilirsiniz, ancak özellikle yararlı olduğunu gördüğümüz iki kategori şunlardır:- İç dokümantasyon: örneğin, Notion, Confluence, Google Docs
- Proje yönetimi: örneğin, Linear, Jira
Kendi kendine bağlam toplama
Birçok kullanıcının benimsediği güçlü bir desen, Agent’ın daha fazla bağlam toplamak için çalıştırabileceği kısa ömürlü araçlar yazmasına izin vermektir. Bu, özellikle kodu çalıştırılmadan önce gözden geçirdiğiniz insan-döngü-içi iş akışlarında etkilidir. Örneğin, kodunuza hata ayıklama ifadeleri eklemek, çalıştırmak ve modelin çıktıyı incelemesine izin vermek, ona statik olarak çıkaramayacağı dinamik bağlama erişim sağlar. Python’da bunu Agent’ı şu şekilde yönlendirerek yapabilirsiniz:- Kodun ilgili bölümlerine print(“debugging: …”) ifadeleri ekleyin
- Terminal kullanarak kodu veya testleri çalıştırın
Çıkarımlar
- Bağlam, etkili AI kodlamasının temelidir ve niyet (ne istediğiniz) ile durum (ne var) bileşenlerinden oluşur. Her ikisini de sağlamak Cursor’un doğru tahminler yapmasına yardımcı olur.
- Otomatik bağlam toplama işlemine yalnızca güvenmek yerine, Cursor’u hassas bir şekilde yönlendirmek için @-sembolleri (@code, @file, @folder) ile cerrahi bağlam kullanın.
- Takım genelinde yeniden kullanım için tekrarlanabilir bilgiyi kurallarda yakalayın ve harici sistemleri bağlamak için Model Context Protocol ile Cursor’un yeteneklerini genişletin.
- Yetersiz bağlam halüsinasyonlara veya verimsizliğe yol açarken, çok fazla alakasız bağlam sinyali seyreltir. Optimal sonuçlar için doğru dengeyi kurun.