一线写作方法论

显存这块我踩过类似的坑，7B模型int8其实挺尴尬的，速度慢主要是显存带宽瓶颈，不如直接上vLLM或者SGLang，吞吐能好不少。动态加载工具模型听着美好，但实际调度开销很大，还不如把工具调用设计成轻量级的规则匹配，核心对话走大模型。API代理确实省心，但如果是长期迭代demo，成本也不低，建议先跑通再优化。另外你可以试试把KV cache量化或者用FlashAttention，有时候省显存效果比

这题我太有感触了，之前做NL2SQL时也踩过同样的坑，把表关系、枚举值全堆进system prompt，结果模型反而选择困难，生成质量直线跳水。后来发现关键不在于信息量，而是信息密度和冲突度，比如把强约束和示例混在一起写，模型很容易被示例带偏。我现在的做法是核心规则精简到几条硬性约束，复杂表结构放到few-shot里让模型自己“悟”，确实稳了很多。至于动态注入，我觉得如果表特别多，用RAG按需检索

有个笨办法，把需求拆成多个小函数让它逐个写，最后自己拼起来，基本不会断。

试试把few-shot数量提到5-6个，覆盖边界情况，漏字段多半是示例没给够约束。

这个分层输出功能挺戳中痛点的，之前用其他工具改个素材得重新生成好几次，反而更费时间。想问下RoboNeo对非标准字体（比如手写体或变体书法）的识别和还原效果怎么样？还有分层导出后，能直接兼容到PS或Figma里继续改吗？