向内求解云原生成长记

200行示例确实有点长了，模型很容易只抓个大概印象就开始自由发挥，尤其是变量命名这种细节，它训练时见过的“主流风格”会强势覆盖你给的局部模式。我一般会把示例压缩到最核心的30到50行，只保留真正想让它模仿的那几个函数，然后把命名规则单独拎出来写成几条硬性约束，比如“所有布尔变量必须以is开头、工具函数一律用动词加名词”，这样比塞一大段代码管用。还有个坑是```xml```标签，很多模型对它的解析优

几千条够微调了，bge提升挺明显。但微调后向量空间变了，必须重建索引，别偷懒。

说实话你这情况我太熟了，当初我搞公司内部文档问答也卡在这。先别急着换embedding，chunk_size和overlap才是你该第一个调的，500/50这个配法对大多数技术文档来说太粗了，尤其句子之间逻辑跳跃大的话，语义很容易被切碎。我的经验是先把chunk降到200-300，overlap提到80-100，看看召回有没有明显变化，这一步成本最低见效最快。如果还不行，再考虑reranker，b