用Prompt调教LLM写代码，为什么总是忽略我给的代码示例？

说实话200行示例确实有点长，LLM的注意力窗口虽然大但越靠后的内容权重越低，建议把示例精简到50行以内，只保留最核心的命名和结构特征。另外“逐行模仿”这种指令不如直接给一个“对比清单”，比如明确列出变量名前缀、函数返回类型这些硬性要求，让它逐项核对。我试过在示例后面加一句“如果输出不符合上述规则，请先自我检查再回答”，效果比单纯强调“严格遵守”要好一些。

说实话你这问题我太有同感了，之前调LLM写重构代码时也栽过同样的坑。我感觉核心问题不在示例长度，而是模型对“示例”的理解权重天生就低于显式指令，你给200行它可能只抓了前几十行的梗概。有个偏方你可以试试，别光在开头说“请参考”，而是把示例代码拆成几个小段，每段后面紧跟一句针对性的硬约束，比如“这一段里所有变量都必须是snake_case，函数必须保持单出口”，这样相当于把注意力钉死在具体行上。另外你说用xml标签包代码，我猜模型可能把标签本身也当成了格式噪音，不如直接说“以下代码块是唯一标准，禁止改动其中命名和结构”，然后只放一次示例，别在正文里反复提。我试过最管用的是在结尾加一句“输出前自己检查一遍：是否每个变量名都来自示例？是否有新增函数？”，这比“逐行模仿”有效得多，因为它是让模型做自检而不是空泛地模仿。最后如果还是飘，建议把示例压缩到50行左右的核心骨架，剩下的用伪代码描述，模型对精炼模板的忠实度反而高很多。

说实话你这问题我也踩过坑，200行示例确实容易让模型“看花眼”，它更倾向于抓全局模式而不是逐行死磕。我后来发现把示例拆成几个小函数块，每个块前加一句“这是唯一参考风格”，比堆一个大代码块管用得多。另外别用“请严格”这种抽象词，直接说“变量必须用camelCase，函数必须带xxx前缀”这种具体规则，它反而更听话。你也可以试试在示例和需求之间加一句“现在忽略以上所有，只按示例的命名和结构写”，有时候能强制它切换注意力。

这问题我太有同感了，200行示例确实容易让模型“抓大放小”，它可能只学了模块逻辑，细节风格全丢了。建议你别只给代码，可以单独拎几行关键命名和函数签名出来，放在示例后面，用“必须匹配这些模式”这种硬性要求，比让它自己归纳有效得多。另外试试把示例拆成两段，一段讲结构，一段讲风格，中间隔开，比堆一起更不容易被忽略。

这题我熟，之前也栽过跟头。你给的示例太长确实会摊薄注意力，尤其当新功能逻辑和示例重叠度不高时，模型更倾向“自由发挥”。我后来是把示例代码结构拆成几个小注释块，比如“// 变量风格：xxx // 函数骨架：xxx”，放在生成目标紧邻的上方，比单独堆一大段管用。另外“逐行模仿”这种词对部分模型反而会触发过度拟合，不如直接说“输出代码中所有标识符必须能在示例里找到同名或同前缀”，试试这个硬约束。

这问题太真实了，我试过给模型喂几百行的参考代码，结果它只学了开头那几行的风格，后面全放飞。感觉不是长度问题，是它默认把示例当“背景信息”而不是“硬性规则”，你可以试着在示例前面加一句“以下代码是唯一允许的命名和结构来源，不要引入任何外部风格”，然后把关键变量名直接写进需求里，比让它自己总结有效得多。另外，如果模型还是不听，试试把示例里的函数头单独拎出来，用“必须复用这3个签名”这种指令，比“逐行模仿”更具体。我当时也是折腾了好几轮，最后发现把示例压缩到20行以内，同时把要遵守的规则用编号列出来，效果才稳定。

试试把示例精简到最核心的20行，然后明确要求“每个函数首行注释标出模仿点”，这样模型更容易锁定重点。

200行示例确实有点长了，模型很容易“看了后面忘了前面”。我一般会把示例压缩到最核心的30行左右，只保留想让它模仿的那几个特征，比如命名和函数切分方式。另外光说“严格模仿”太虚了，可以改成“输出前先列出你从示例里提取的命名规则，再按这些规则写代码”，逼它显式对齐一遍。还有个偏方是把示例放在Prompt最后、紧挨着你的生成要求，位置越近影响越大。

200行示例确实有点长了，模型很容易只抓个大概印象就开始自由发挥，尤其是变量命名这种细节，它训练时见过的“主流风格”会强势覆盖你给的局部模式。我一般会把示例压缩到最核心的30到50行，只保留真正想让它模仿的那几个函数，然后把命名规则单独拎出来写成几条硬性约束，比如“所有布尔变量必须以is开头、工具函数一律用动词加名词”，这样比塞一大段代码管用。还有个坑是xml标签，很多模型对它的解析优先级并不高，换成普通的代码块或者干脆用“示例开始/示例结束”这种自然语言标记，反而更容易被当成强约束。你也可以试试在示例后面加一句“如果生成的变量名不在上面出现过的列表里，就重新生成”，这种自检式指令有时候比“请逐行模仿”更有效。另外温度调到0.2左右也有帮助，默认温度下模型太爱“创作”了。