Dans l'ensemble des entrées et sorties de tokens en codage AI, il existe une règle générale : plus la part de code est faible, meilleure est la qualité du code. Une quantité peut entraîner une qualité, mais cette quantité doit être accumulée, et ce n'est pas la quantité de code qui doit être accumulée. Cependant, le problème de nombreux modèles actuellement est qu'ils ont peut-être trop de poids sur le code pendant la phase d'entraînement, et ils ont tendance à se concentrer uniquement sur le code lorsqu'ils produisent. Si nous ne les interrompons pas par des agents construits à partir de mots d'invite ou d'autres environnements externes, ils continueront à écrire de plus en plus de code. Ce n'est pas parce qu'ils écrivent beaucoup de code qu'ils ont nécessairement tort. Mais le ratio doit être réduit, et il est nécessaire d'avoir une grande quantité d'autres descriptions textuelles pour clarifier tous les détails encore et encore, en réfléchissant à plusieurs reprises, en déterminant à plusieurs reprises parmi différentes options, en naviguant sans cesse entre le global et le micro, en examinant le problème sous différents angles. Il faut absolument trouver des moyens de poser des questions, d'écrire des documents, de lire des fichiers, de les faire revoir, ou de chercher des références en ligne, toutes ces méthodes sont matures et efficaces. En résumé, il faut utiliser d'autres éléments pour réduire le poids du code. Ce n'est pas une relation de cause à effet stricte, mais dans la plupart des processus, c'est hautement corrélé. Plus on fournit d'éléments en dehors du code, plus la proportion de code est faible, et donc souvent, le code est mieux écrit. C'est aussi simple que ça.