用Prompt调优GPT-4做代码审查，效果时好时坏，求大佬指点

试试分两步走，先让它标出可疑点，再逐条深挖，比一次性全审稳多了。

我试过类似思路，感觉问题不在约束多少，而是任务太杂了。变量命名、函数长度、潜在bug其实是三种不同的审查标准，混在一个Prompt里模型很容易顾此失彼。后来我拆成两轮：第一轮只让它标出可疑行，不给理由；第二轮再把可疑行喂回去让它逐条解释。这样漏报少很多，过度解读也压下来了。你那个系统1+系统2的想法方向是对的，但得用两次调用实现，别指望一个Prompt里写“先扫再深审”就能稳定。

我之前也折腾过一阵子用GPT-4做code review，确实会有这种时好时坏的感觉。你那个“系统1+系统2”的思路其实挺对的，我后来就是这么改的，先让它快速扫一遍列出可疑点，再针对每个点单独追问，让它给出具体理由和修改建议。这样比自己在一个prompt里塞一堆要求稳定多了，因为模型每次只专注一件事，不容易跑偏。

关于例子的问题，我觉得给正反例有用但别给太多，两三个就够了，重点是要把“什么算问题、什么不算”的边界说清楚。比如你可以在prompt里明确写“只报告会导致运行时错误或明显维护困难的命名问题，不要纠结风格偏好”，这样它就不会把正常代码硬说成性能问题了。另外“逐行分析”这个指令其实挺坑的，容易让它陷入细节，反而漏掉整体逻辑上的bug，不如让它先看函数级别再往下钻。

还有个我踩过的坑是temperature别调太高，做代码审查这种要稳定输出的场景，0.2左右比较合适。另外每次审查前最好把代码按功能块拆开喂给它，一次塞几百行它注意力会散。你那个拼写错误漏掉的情况，我怀疑是prompt里“资深开发者”这个角色设定让它默认你写的都是对的，反而不去挑低级错误了，可以试试去掉角色扮演，直接说“找出所有拼写和语法错误”。

分两步走确实稳，先让它标问题再逐条细审，比一股脑全丢给它好多了。