用Prompt调教LLM写代码，为什么总是忽略我给的代码示例？

这问题太典型了，LLM对长示例的注意力确实会衰减，尤其是200行这种量级，它容易记住开头结尾，中间风格就飘了。我试过把示例拆成多个小片段，每个片段对应一个具体任务，再在生成前单独强调“变量名必须从这段里抄”，效果比一次性塞一大坨好很多。另外你可以在prompt末尾加一句“输出前先自检，核对每个函数名是否与示例完全一致”，相当于让它强制做一遍匹配，比“逐行模仿”这种模糊指令管用。

这问题我也踩过坑，200行示例对LLM来说确实容易“信息过载”，它会更关注你描述功能的自然语言部分。试试把示例代码精简到最核心的20-30行，或者直接在关键函数定义前加一行“# 以下为必须严格遵循的命名模板，禁止修改”，比笼统的“按照示例”管用。另外，把它给的输出再扔回去让它自检，说“对比你的输出和示例，列出所有不一致的地方”，这招比反复强调指令更有效。

说实话200行示例确实有点长，模型注意力很容易被中间部分带偏，我一般会把示例压缩到20行以内，只保留最核心的命名和结构特征。另外你可以试试把示例代码放在Prompt最后，紧贴着生成位置，模型对结尾内容的遵循度会高很多。还有个小技巧，别用“请严格按照”这种抽象指令，直接说“所有变量必须使用camelCase，函数返回值必须显式标注类型”，把规则拆成具体可检查的条目。如果还不行，可以试一次few-shot，给它一个完整的输入输出对，比任何描述都管用。

试试把示例代码直接改成“必须复用的模板”，再强调一次“禁止改名”，比加表格管用。

我之前也踩过这坑，后来发现把示例代码直接塞进few-shot里当参考对话比单纯在prompt里强调“模仿”管用得多，模型对格式的注意力天生比指令强。另外你试试把示例拆成最小可用单元，每个单元后面紧跟一个“照这个风格写”的小任务，比一次性甩200行让它自己悟靠谱。还有个小技巧，故意在示例里留个明显但无害的命名习惯，比如用myTempVar这种，看它有没有真的跟，能帮你判断它到底看没看。

这问题我太有感触了，之前调LLM写重构代码也踩过同样的坑。你那个“请逐行模仿”的思路方向对，但光靠这句指令不够，我后来发现本质是模型对“示例”的权重理解远低于对“任务描述”的权重。200行示例其实不算长，但问题在于LLM的注意力机制对连续代码块的局部模式更敏感，它会提取风格特征但不会当成硬性规范，你试试把示例里最关键的那几个函数签名和变量名单独拎出来，在Prompt末尾用“必须保留的命名清单”这种形式再列一遍，比重复整段示例有效得多。另外别用xml标签，很多模型对markdown的代码块解析反而更稳定，你换成python试试。还有一个偏方，把示例代码和生成要求放在同一个逻辑段落里，中间不要插解释，比如“参考以下风格，注意变量命名和函数结构必须一致，然后实现新功能”，这样模型更容易把示例当上下文锚点而不是背景信息。最后如果还是飘，就缩减示例到50行以内，只保留最核心的骨架，让模型模仿结构而不是模仿内容，长示例反而会诱导它抄逻辑而不是学风格。

说实话你这个情况我太熟了，之前调LLM写重构代码也栽在过这上面。后来我发现问题可能不在示例长度，而是模型对“严格模仿”的理解跟咱不一样，它更倾向于抓“语义”而不是“形式”，所以变量名和结构很容易被它自带的风格带跑。你可以试试把示例代码和生成目标之间的映射关系写得更死，比如直接告诉它“函数A对应你输出里的B，参数x对应y”，甚至给每个变量标注“必须保留原名”，这种指令比“逐行模仿”有效得多。另外，200行示例对上下文窗口确实有压力，但更关键的是别把示例放在Prompt中间，放到最前面或最后面，中间加一段明确的“参考上文”提示，能减少注意力衰减。我还有个土办法，就是给示例代码加注释，把“为什么这么命名”“这个结构是为了什么”写进去，模型理解了逻辑后反而更愿意照着做。你那个Markdown表格的尝试其实思路是对的，但表格更适合列规则，不适合放代码，下次可以试试把关键约束单独列成checklist。最后别太指望一次成功，多跑两版对比一下输出，把不听话的地方单独拎出来再喂一遍，比反复改主Prompt省事。

说实话你这问题我踩过太多次坑了，200行示例对LLM来说确实是个注意力负担，它多半只抓了开头和结尾，中间全当噪音处理了。我后来习惯把示例拆成几段，每段前面单独给一条具体指令，比如“这段的变量名风格必须沿用”，比堆一个大块有效得多。另外试试在示例结尾直接加一句“现在请输出第一行代码，变量名必须与示例中的xxx一致”，让它先对齐再发挥，比“逐行模仿”这种模糊词管用。

说实话你这问题我太有同感了，之前调模型做重构的时候也栽过一样的坑，200行示例确实容易把注意力带偏，尤其当示例里混着不同风格的中间变量时，模型会默认抓最显眼的命名规律而不是你强调的那几个核心函数。后来我试了个笨办法，把示例拆成小块，每块前面加一句“这段的变量名是xxx风格，下一段必须沿用”，效果比一次性甩一大坨强很多。另外你提到用XML标签包起来，我猜模型对代码块的反而是优先解析的，但xml这个标签本身可能让它误以为你在给配置文档，不如直接写“以下是必须严格模仿的代码示例，不要改动其中任何标识符”。还有个偏方是故意在示例里塞一个错误注释，比如“// 此处变量名必须保持为userId，不可改为userID”，模型有时候对负面指令反而更敏感。不过说到底，长上下文里位置也很关键，你试试把示例放在Prompt最末尾，紧贴着“现在请生成”这句话，模型对最后出现的模式记忆会更牢。你要是试完还不行，建议把生成结果里它自己编的变量名列个清单，然后在Prompt里逐条写“禁止出现xxx”，虽然笨但实测管用。

这问题我太有同感了，之前调LLM写脚本也栽在同样的坑里。我感觉不是示例长度的问题，而是模型对“风格”这种抽象概念的理解跟你完全不在一个频道上，你越强调“严格按示例”，它反而越容易把注意力放在“生成新功能”这个核心任务上，示例就被当成参考书目而不是唯一模板了。我后来试过一个相对有效的办法，就是直接在示例代码后面紧跟一个“待修改”的注释，然后让LLM把新功能直接以diff或补丁形式输出，这样它被迫逐行对比，变量名想飘都飘不了。另外你也可以试试把示例里每个关键函数都单独拎出来，在下面用一行伪代码描述它的输入输出，再让LLM照着这个抽象签名去写，比笼统说“保持风格”靠谱得多。还有个思路是反向操作，故意在示例里留几个一看就是错误或过时的命名，然后告诉LLM“修复这些不一致”，它反而会花更多精力去模仿上下文里的正确模式。说到底，LLM对“示例”的权重分配很玄学，有时你得把示例重复两遍，一遍当上下文，一遍当强制约束，甚至用分隔符把它跟任务指令物理隔离，效果都比单纯加形容词好。

这问题我太有同感了，之前拿示例代码调模型也翻过车，后来发现它其实不是没看见，而是你的200行对它来说信息量太大，注意力全被开头和结尾带跑了。建议把示例拆成几个小块，每块对应一个具体任务，然后在每个块后面直接写“模仿这个函数的参数和命名”，比笼统要求有效得多。另外试试把示例放在Prompt最末尾，紧挨着让它写代码的位置，往往比放在开头管用，因为模型对临近上下文的依赖其实比想象中强。

试试把示例代码放在Prompt最后，前面只写任务描述，模型对尾部内容的注意力会强很多。

说实话我之前也踩过这坑，后来发现把示例代码放在Prompt最后，并且用“严格复用这个函数签名和变量命名，不要新增风格”这种否定式指令，比单纯说“请模仿”管用得多。另外200行确实太长了，模型注意力容易分散，我一般只挑最关键的两三个函数片段放进去，剩下直接说“其余逻辑按你擅长的方式补全”。你可以试试把示例压缩到50行以内，再明确标出哪些是必须保留的骨架，效果会好很多。

试试把示例代码直接塞进few-shot里，别只描述规则，让模型照葫芦画瓢比听指令管用多了。

这问题我碰到过好多次，200行示例对模型来说信息量太大，注意力确实容易飘到后面去。你可以试试把示例代码拆成几个小片段，每个片段配一句“模仿这个结构”的指令，比一股脑全塞进去管用。另外，别用“严格”这种词，模型对抽象要求不敏感，直接说“变量名必须用camelCase，函数必须保持单出口”这种具体规则会好很多。还有个土办法，生成后拿diff工具对比示例，把差异点反馈回去让它改，比反复改Prompt效率高。

把示例放在最前面，然后紧跟一句“按上面风格重写”，比放最后管用得多。再不行就分段喂，200行确实容易让注意力跑偏。

试试在示例后面直接写“变量名用xxx风格，函数拆成xx结构”，别让它自己理解，你下指令越具体它越听话。

说实话你这个问题我太有共鸣了，之前用Claude和GPT写个内部工具也这样，给了一堆参考代码，它偏要自己发挥。后来我发现重点不是把示例放前面还是后面，而是得在Prompt里明确告诉它“这些代码是唯一风格基准，任何新代码必须复用其中的函数名、变量前缀甚至注释格式”，光说“请遵循”太弱了。你可以试试把示例里最核心的3-5个变量名和函数签名单独摘出来，用“强制映射”的方式写进Prompt，比如“新功能中处理用户输入的变量必须叫userInputRaw，返回结果必须用buildResponse()包装”。另外200行确实长，模型注意力会分散，我通常会把示例压缩成带注释的关键骨架，再附一句“如果遇到不确定的命名，直接查上面示例的对应部分”。还有个野路子，把示例代码用同样的语言重复两次，中间加一句“这是唯一可接受的写法”，有时候效果反而好。说到底，LLM不是不听话，是它对“模仿”的理解跟咱们不一样，你得把约束从“风格”降到“具体token”级别。

这问题我踩过好多次坑，200行示例对LLM来说确实太长了，它的注意力会集中在开头结尾，中间细节早被稀释了。你可以试试把示例拆成几个小模块，每个模块单独配一句“必须沿用这里的命名和结构”，比一次性全塞进去管用。另外别指望它“模仿”，直接下死命令比如“变量名必须用camelCase，函数必须保持单出口”这种可检查的硬规则。我上次把示例压缩到50行核心代码，再在结尾加一句“现在按上述风格输出”，效果立竿见影。

这题我太熟了，200行示例真不是越长越好，LLM注意力很容易被中间那段带跑偏。我一般会把示例拆成几个小函数单独贴，然后每个后面直接跟要模仿的新需求，比堆一大坨再给指令管用。另外你试试在代码块后面加一句“只改参数名和逻辑，保留原有函数签名”，比“逐行模仿”具体多了，它反而能理解。

试试把示例代码直接塞进few-shot里，让模型先模仿输出一遍再写新功能，比纯指令管用。