La sessione è stata segnalata perché è stata rilevata un’attività anomala.
Per continuare, conferma di essere una persona.
Collega codice, documentazione, screenshot e ticket, così l'IA comprende il repo prima di rispondere.
L'idea di base
Gli sviluppatori conoscono già il problema: l'IA sa scrivere una funzione isolata decente, ma poi sbaglia quando la risposta dipende dall'architettura del progetto, dalle convenzioni, dai file esistenti, dalla scelta dei pacchetti o da decisioni passate.
Un Progetto MultipleChat ti permette di importare file del repo da GitHub, caricare documentazione, aggiungere screenshot o log di errore e creare istruzioni di progetto che descrivono lo stack. L'IA può così recuperare i chunk pertinenti prima di rispondere, invece di tirare a indovinare da un prompt vago.
Spesso i Progetti IA non funzionano perché si carica troppo poco. Se un esperto umano avrebbe bisogno del materiale di partenza, ne ha bisogno anche il progetto.
File del repository GitHub, moduli importanti e file di configurazione
File README, note di architettura e documentazione delle API
Log di errore, stack trace e output dei test falliti
Screenshot di bug dell'interfaccia, requisiti di prodotto o note di Figma
Schemi di database, file SQL, esempi JSON e documentazione delle integrazioni
Istruzioni del progetto
Gli stessi file possono produrre risposte molto diverse a seconda delle istruzioni. Definisci le aspettative una volta sola, così ogni modello sa come gestire fonti, incertezza e formato.
Rispetta l'architettura esistente e le convenzioni di denominazione.
Non inventare file o API. Chiedi quando manca il contesto del repository.
Preferisci patch piccole e spiega i compromessi prima di refactoring importanti.
In caso di dubbio, indica quale file sorgente o configurazione va controllato.
Distingui tra soluzione rapida, soluzione robusta e refactoring a lungo termine.
Non sono descrizioni teoriche di funzionalità. Sono i primi flussi di lavoro pratici che uno sviluppatore dovrebbe provare dopo aver creato un progetto.
Flusso di lavoro 1
Parti da README, moduli principali, file di pacchetto, configurazione e documenti di architettura. Se colleghi GitHub, mantieni i file del repo importati limitati al progetto.
Prompt da provare
Flusso di lavoro 2
Carica il log di errore insieme ai file pertinenti. Il progetto può cercare nel codice e nei log insieme, il che è molto più efficace che incollare solo lo stack trace.
Prompt da provare
Flusso di lavoro 3
Quando entri in un repo o riprendi un lavoro vecchio, chiedi una mappa della codebase, poi approfondisci moduli specifici.
Prompt da provare
Flusso di lavoro 4
Usa AI Comparison o AI Collaboration all'interno del progetto per ottenere strategie di implementazione diverse, basate sulla stessa codebase.
Prompt da provare
Flusso di lavoro 5
Carica note di prodotto, screenshot e documentazione, poi chiedi ticket, passaggi di implementazione file per file e casi limite.
Prompt da provare
La soluzione è semplice: mantieni i progetti mirati, carica il vero materiale di partenza e chiedi risultati basati sulle fonti.
1.Non caricare un solo file se il bug dipende da import o configurazione.
2.Non lasciare che l'IA riscriva un modulo senza prima spiegare lo schema esistente.
3.Non mescolare più repo non correlati in un solo progetto.
4.Non ignorare i test. Chiedi all'IA cosa eseguire dopo ogni modifica.
5.Non dare per scontato che il codice generato corrisponda alla tua versione del framework.
Sì. I Progetti possono importare file di repository da GitHub, memorizzare metadati come repo, percorso e branch, e indicizzare il contenuto per il recupero all'interno del progetto.
Funzionano meglio quando importi i file che contano: README, file di pacchetto e di configurazione, moduli principali, schemi, documentazione e file legati al compito. Il recupero trova poi i chunk pertinenti quando fai una domanda.
Sì. I file immagine supportati possono ricevere descrizioni ricercabili, il che aiuta a mantenere screenshot e riferimenti visivi collegati al progetto.
Usa il confronto. Un modello può essere migliore nell'architettura, un altro nello stile delle patch, un altro ancora nella critica. I Progetti danno a ogni modello lo stesso contesto di codice, così il confronto è equo.
Inizia nel modo giusto
Carica il materiale, stabilisci le regole, poi lascia che MultipleChat recuperi il contesto pertinente per ChatGPT, Claude, Gemini, Grok o AI Collaboration.
