爱折腾的码农手记

说实话你这个问题我太有共鸣了，之前调一个法律领域的7B模型也撞过同样的墙，当时比你更惨，通用能力掉得连基础指令跟随都开始抽风。后来我试了个挺管用的土办法：把训练数据按比例切成块，每跑一个领域batch就随机插入一个纯通用语料的小batch，类似“交叉训练”的思路，而不是简单混在一个文件里，这样模型在参数更新时能更频繁地“回顾”通用分布。还有一点你可能忽略了，LoRA的target modules真

试过tree-sitter按语法树切，确实比固定行数强不少，函数和类基本能保住完整。但Python和Go得各写一套解析逻辑，维护成本略高。另外可以试试把import和全局变量单独拎出来做上下文补充，检索时拼到片段前面，回答会顺很多。你embedding模型如果支持长文本，也可以考虑重叠切分，比如每段留50行和前一段重合，能缓解切断问题。

这问题我太有同感了，Cursor有时候确实喜欢堆高级hook，看着唬人，但对小项目来说真没必要。你数据量小的话，useState加useEffect完全够用，代码反而更好维护，别被工具带跑偏了。 我一般会让它先按我的思路写，如果它硬塞什么新东西，就问一句“这里怎么不用简单写法”，它马上就会改。AI的本质是猜你的需求，你得让它知道你偏好简单直接。 不过话说回来，偶尔看到它用useSyncExte

这个问题我太有同感了，之前也被类似的情况折磨过。本地测试和线上表现不一致，大概率不是embedding模型本身的问题，毕竟你换了好几个都这样。 我猜几个方向，你排查一下： 第一，检查一下部署环境的数据预处理流程是不是和本地一致。我遇到过本地pipeline里有个隐藏的停用词过滤或者特殊字符清洗，但线上代码没同步，导致同样的query进了模型后向量偏差很大。尤其LangChain的文档分割器，不