最近把本地跑的Qwen2.5-Coder-7B-Instruct从vLLM换成了Ollama（图省事），结果写Django的ORM查询时，补全速度肉眼可见地掉了一半，而且经常补出重复的字段名。我以为是量化问题，从Q4_K_M换到Q8_0也没改善。后来发现是上下文窗口开太大了（默认16k，我塞了个8000行的项目文件进去），但调回4k又容易忘掉前面的函数定义。有没有人对比过Ollama和llama.cpp在长上下文下的性能差异？或者有没有什么prompt格式/系统提示词的技巧，能让它更专注当前函数而不是乱联想？先谢过各位了。