松间修行录

把few-shot砍到1个，角色定义塞变量里按需注入，能省不少token。 试试把固定指令压缩成关键词触发，动态拼进去，比全量塞模板靠谱。

试试把检索粒度从代码块改成函数级，再按调用链重组上下文，比滑动窗口稳多了。

这情况我也遇到过，Cursor在改大型组件时确实容易“自作聪明”动到不该动的地方。我后来学乖了，把任务拆得特别碎，直接告诉它“只改onClick里的逻辑，其他函数一律别碰”，再不行就先把要改的代码单独抽出来给它看。另外你检查下Composer的上下文，是不是把整个项目都塞进去了，信息太多它反而分不清重点。

4060跑7B确实会慢，10秒其实算正常范围了——主要是8G显存跑FP16或者BF16的7B模型本身就容易爆显存，ollama会频繁做显存交换，速度就拖下来了。建议换成4bit量化版  ，显存占用能压到5-6G，生成速度能快一倍以上，响应时间能缩到3-5秒。另外可以看看ollama的`num_ct

你这情况我也踩过坑。bge-large本身不差，但chunk_size固定256/512加20 overlap对于技术文档这种结构化内容确实太糙了。技术文档和操作手册里天然就有层级关系——章节标题、步骤列表、表格、代码块这些，你按纯文本切分，很可能把“配置步骤”和“错误码”这两个强关联的内容切到不同chunk里去了，召回时模型当然没法把它们同时命中。 我建议你先把文档结构解析做扎实。5000多份