Управление контестом LLM и сложные задачи

Столкнулся с тяжелой задачей, где нейронка дико тупила. Естественно в таких случаях нужно декомпозировать сложную задачу на простые. Тут проблема была в том, что слишком много контекста приходилось нейронке самой "добывать" из кода проекта. Поэтому применил способ по умному управлению контекстом.

Прошелся по частям проекта, из которых нужен контекст для решения задачи. Каждый кусочек суммаризировал в отдельном чате и добавлял этот результат в memory-bank mcp.

Потом создал новый чат и просто попросил ознакомиться с информацией по задаче, и дал четкое указание, что надо сделать. Да, потратил время, но зато получил выгруженный пласт контекста, который можно переиспользовать для дальнешего решения этой большой задачи, которую сейчас делаю. И при этом проблемы с тем, что нейронка плохо ориентируется в задаче и предлагает много бреда, пропали.

Думаю записать видео, где буду на реальном примере показывать то, как можно с помощью этого способа и memory-bank mcp управлять контекстом на реальных проектах.

Подробнее об ИИ инструментах, которые позволили попасть в топ 5% лучших сотрудников Яндекса, рассказываю тут: