‏اسکیل «غارنشین» دستیار AI رو کم‌حرف می‌کنه؛ ولی توکن کم نمی‌شه

دستیارهای کدنویسی AI زیاد حرف می‌زنن؛ توضیح می‌دن چی عوض کردن، چرا، کدوم فایل‌ها رو دست زدن و چه فرض‌هایی گذاشتن. گاهی این مفیده، گاهی فقط کلی کلمه دور یه تغییر کوچیکه. نویسنده‌ی Spatie به یه اسکیل به‌نام Caveman (غارنشین) برخورد که ایده‌اش ساده‌ست: دستیار رو وادار کن با جمله‌های کوتاه و غارنشینی حرف بزنه. تو تئوری این باید توکن صرفه‌جویی کنه، چون دستیار وقت کمتری صرف توضیح می‌کنه. یه چیزی شبیه این:

به‌جای یه پاراگراف کامل درباره‌ی برنامه‌ی پیاده‌سازی و ریسک‌ها.

نویسنده می‌خواست ببینه آیا چنین اسکیلی واقعاً ایجنتش رو ارزون‌تر یا کارآمدتر می‌کنه. جواب: آره توکن کم شد، اما نه اون‌قدر که انتظار داشت.

دلیلش ساده‌ست: وقتی از یه دستیار کدنویسی استفاده می‌کنی، بیشتر توکن‌ها همیشه توی توضیح خرج نمی‌شن. بخش بزرگی‌شون توی خوندن فایل‌ها، فهم زمینه، تولید کد، اعمال تغییرات و بررسی نتایج صرف می‌شه. پس حتی اگه دستیار به‌جای جمله‌ی «مشکل رو پیدا کردم و کلاس درخواست رو به‌روز کردم تا payload درست به API پاس داده بشه» فقط بگه «Me fix bug.»، باز هم خودِ کد باید نوشته بشه، فایل‌ها خونده بشن و پاسخ شامل diff و اسم توابع و namespace باشه.

نکته‌ی فرعی جالب نویسنده اینه که این روزها بیشتر سراغ Codex (مدل GPT 5.5) رفته و فکر می‌کنه از نظر بازدهی نسبت به هزینه، ROI بهتری با خروجی مشابه یا بهتر داره.

نکات کلیدی:

• اسکیل Caveman دستیار رو وادار به جمله‌های کوتاه غارنشینی می‌کنه تا توکن کم بشه
• توکن کم شد، اما نه به‌اندازه‌ای که انتظار می‌رفت
• بیشتر توکن‌ها توی خوندن فایل، فهم زمینه و تولید کد خرج می‌شن، نه توی توضیح
• صرفه‌جویی واقعی توی ارتباطِ دستیار محدوده، چون خودِ کار کدنویسی پابرجاست