思維鏈設計 3：透過 AI 分塊與索引整個程式碼

前言

嘿，大家好！你有沒有過這樣的經驗：當你試圖閱讀一本巨著，比如《紅樓夢》或者《魔戒》系列，結果讀到一半就迷失在無盡的文字海洋中？這時候，章節目錄和摘要就成了你的指南針，幫助你在故事的迷宮中找到方向。

同樣的道理，當我們的 AI 需要處理大量程式碼時，它也會感到「迷路」。今天，我們要教會 AI 如何利用「分塊」和「索引」來像人類一樣更有效地理解和記憶程式碼。讓我們一起當 AI 的嚮導，帶領它穿越程式碼的叢林！

為什麼 AI 會「健忘」？

AI 的「金魚記憶」——上下文窗口限制

大型語言模型（LLM）就像一條金魚，牠的記憶只能維持短暫的時間。具體來說，LLM 有一個固定的上下文窗口，通常只能處理幾千個 tokens（字詞或符號）。當我們給它超過這個範圍的內容時，前面的資訊就像被沖走的沙子，消失在它的記憶中。

程式碼越長，AI 越「迷路」

當我們讓 AI 閱讀一個超長的程式碼檔案時，它就像在看一張超過自己視野範圍的地圖，無法同時關注所有細節，導致理解力下降。

解決方案：分塊與索引——給 AI 裝上 GPS

分段：不要一次塞一大坨

我們可以將大型程式碼按照功能、模組或邏輯段落進行分段。
AI 就跟人類一樣，一次看一堆文字也會感到困惑
透過分段、分塊能很好地提高 AI 的理解力

索引：建立地圖與路標

有點像是一本書的大綱
為每個程式碼塊建立一個索引或摘要，讓 AI 知道每個部分的位置和內容。這相當於給 AI 一張地圖，讓它知道在哪裡可以找到需要的資訊。

實作步驟

步驟一：將程式碼進行分塊

假設我們有一個大型的電商網站程式碼，我們可以按以下方式進行分塊：

• 使用者介面（UI）模組
• 後端 API 模組
• 資料庫操作模組
• 支付系統模組

步驟二：為每個塊生成摘要

接下來，我們需要為每個程式碼塊生成一個簡潔的摘要，描述其功能、輸入和輸出。

範例 Prompt：

請閱讀以下的程式碼塊，為它生成一個包含以下內容的摘要：
- 功能描述
- 主要函式或類別
- 輸入與輸出

程式碼塊：
[插入程式碼]

步驟三：建立索引與結構

將所有的摘要組合起來，建立一個清晰的索引，讓 AI 能快速定位。

範例索引：

1. 使用者介面（UI）模組
   • 功能：負責呈現前端頁面，處理使用者互動。
   • 主要函式：renderHomePage(), handleUserClick()
2. 後端 API 模組
   • 功能：提供資料給前端，處理業務邏輯。
   • 主要函式：getProductList(), processOrder()

步驟四：利用分塊與索引進行深入分析

有了清晰的索引，我們可以讓 AI 完成更複雜的任務，例如：

• 找出程式碼中的潛在問題或漏洞
• 優化特定模組的性能
• 生成單元測試

具體的 Prompt：

根據以下的程式碼索引，請找出資料庫操作模組中的潛在 SQL 注入漏洞，並提供修復建議。

索引：
[插入索引內容]

提示工程：設計高效的 Prompt

明確的目標

確保你的 Prompt 明確指出需要 AI 完成的任務，避免模糊不清。

提供足夠的上下文

在 Prompt 中提供必要的索引和程式碼摘要，讓 AI 有足夠的資訊進行推理。

使用格式化輸出

利用 OpenAI 的格式化輸出功能，確保 AI 的回應符合預期的結構，方便後續處理。

總結

透過將程式碼分塊與建立索引，我們為 AI 裝上了「導航系統」，讓它能夠更有效地處理大型程式碼。結合 OpenAI 的最新格式化輸出功能，我們可以獲得結構化且可靠的回應，為後續的開發和分析打下堅實的基礎。

在下一篇文章中，我們將探討如何設計一個 AI 指揮官，統籌調度每一個步驟，讓我們的 AI 系統如同一支高效的團隊，協同作戰！

感謝你的閱讀！如果你對本文有任何疑問或建議，歡迎在下方留言討論。別忘了追蹤我的 Threads 和加入 Discord 社群