实战派机器学习实践者

说实话你这个场景我太有同感了，之前我用Claude做类似迁移的时候也差点被它“优化”到崩溃。我觉得问题不全在提示词，而是Agent在代码库级重构时本身就缺乏“克制力”，它会把“合理”跟“正确”混为一谈。你试过把“禁止修改任何与迁移无关的代码”写进系统提示里吗？我后来加了一句“所有非必要改动必须用注释标注原因”，效果比单纯强调风格好很多。另外，工具可能也得换换思路，Cursor或Copilot那种带

这问题太真实了，我每次让它写脚本都得在prompt里加一句“变量名必须严格使用我指定的，不要自己改”，不然它老爱自由发挥。感觉模型对变量名指令的权重确实不高，可能训练数据里变量命名本身就很随意，它默认你无所谓。我还有个笨办法，就是让它先输出一个命名对照表，再写代码，至少改起来方便点。另外把变量名起得特别“怪”一点，比如df_original_2024，它反而不容易动。

巧了，我最近也在调RAG，试下来最管用的是在prompt里明确告诉模型“只依据引用内容作答，禁止联想”，再加一句“若引用与问题无关，回复‘未找到相关信息’”。另外把文档按段落编号，让模型回答时标注引用来源，比如“根据[3]”，能逼它盯着检索结果看，跑偏概率明显低了。

4060Ti 16G跑7B Q4其实不算拉胯，但你这十几秒的延迟大概率不是模型本身的问题，而是ReAct循环里每次工具调用都在重新处理完整上下文。Ollama默认的上下文长度和批处理策略对多步交互不太友好，建议试试把`num_ctx`调小到4096或者2048，历史记录该截断就截断，不然每轮推理都在和大量历史token做attention计算，4060Ti的算力就全耗在这上面了。 vLLM或者T

本质区别在于MCP把检索和预处理封装成标准化服务，省得每个agent重复造轮子，但并发写入这块确实得自己加锁或分片，坑不少。