一位开发者遇到了一个问题，他们用于将 GitHub 仓库消化成 markdown 以供 AI 模型使用的工具，由于 token 预算不足而失败。该工具旨在处理指定数量的文件，每个文件都有字符限制，但未能考虑到仓库目录结构的总体大小或文件内容长度的变化。这导致选择了不相关的文件，例如其他项目的依赖列表或 README 的多个语言版本，而不是核心项目代码。开发者强调了测量实际仓库大小和实施总字符上限的重要性，而不是仅仅依赖文件数量，以确保有效的数据消化供 AI 使用。 AI
影响 凸显了为 AI 分析准备代码仓库的挑战，并提出了数据选择和 token 预算方面的改进建议。
排序理由 该条目描述了一个处理代码仓库以供 AI 使用的工具的技术问题和解决方案，而不是一项新发布或重大的行业事件。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
