सारांश
- कोड संरचना (strategy·factory pattern, file separation,
.cursorrulesव्यवस्थित करना) को एक लाइन के प्रॉम्प्ट से refactor करने के बाद, वही feature-addition प्रॉम्प्ट चलाने पर AI token usage में बड़ी कमी आई—ऐसी एक प्रयोग रिपोर्ट (Zero-context, N=5)। प्रयोग में इस्तेमाल किए गए प्रॉम्प्ट और source सार्वजनिक हैं, इसलिए इसे दोहराया जा सकता है।
मुख्य डेटा
-
Claude-4 Sonnet: औसत 390,159 → 242,265 tokens (−37.91%)
-
GPT-5: औसत 315,839 → 233,634 tokens (−26.03%)
-
मानक: Cursor द्वारा दिखाए गए Total Tokens। मॉडलों के बीच absolute values की तुलना सार्थक नहीं है (मॉडल-वार aggregation में अंतर)।
सेटिंग्स (संक्षेप)
-
IDE Cursor 1.6.6, मॉडल GPT-5 / Claude-4 Sonnet
-
सभी प्रॉम्प्ट Zero-context, हर राउंड में editor पूरी तरह restart
-
सफलता का मानदंड: single prompt से requirements implement होने पर उसे success माना गया
यह क्यों महत्वपूर्ण है
-
“अच्छी code structure” सिर्फ इंसानों के लिए पढ़ने में आसान नहीं होती, बल्कि AI के token, cost और time पर भी असर डालती है—इसका मात्रात्मक प्रमाण
-
प्रॉम्प्ट और repository सार्वजनिक होने से reproducibility सुनिश्चित होती है (व्यावहारिक उपयोग और आगे के experiments में तुरंत लागू किया जा सकता है)
व्यक्तिगत राय
- Cursor उपयोगकर्ता के रूप में, यह cost savings के लिए एक अहम methodology देने वाला शानदार प्रस्ताव लगता है।
- जैसा कि मुख्य लेख में भी है, sample size पर्याप्त न होना थोड़ी कमी लगती है।
अभी कोई टिप्पणी नहीं है.