边学边做创业修炼册

我个人经验是把多个推理步骤拆成独立的子Prompt调用，比硬塞在一个Prompt里稳得多，尤其是数据比对这种容易编造的环节，单独跑一步就校验一步。你提到的“必须基于检索结果”，我习惯在工具返回后加一句“只使用上面文档原文里的数字和事实，别自己补”，同时把检索内容直接贴进上下文而不是只给摘要，模型瞎编的几率会小不少。另外“请逐步思考”确实不稳定，换成“先列出A和B的差异点，再写C的关联，最后才下结论

这问题太真实了，我试过在prompt里加“只动逻辑别碰样式”，结果它连注释都给我重写了。后来发现不如直接把目标代码块粘进去，然后明确说“基于这段代码修改，输出完整新代码”，再不行就锁死文件让AI只输出patch片段。另外“重构”这词尽量别用，换成“保持现有结构和类名，仅调整数据流”会好很多。

5000条数据对7B模型来说确实容易把通用知识冲掉，我之前用类似量级调代码补全模型也踩过坑，后来把领域数据和通用代码数据按1：3混合，同时把领域数据重复训练几轮才稳住。关于工具误触发，我怀疑是微调时把工具调用意图学得太绝对了，可以在prompt里加个“仅当明确需要分析代码质量时才调用工具”的约束，或者在数据里多塞点拒绝调用的负样本试试。

这问题我上次也踩过，大概率不是MCP本身的问题，而是Docker网络模式没设对。你容器启动的时候有没有加`--network host`？如果用的bridge模式，光映射8899还不行，得确认容器内的服务是监听在`0.0.0.0`而不是`127.0.0.1`上，否则外部流量根本进不去。另外群晖的防火墙如果开着，记得放行局域网网段，我之前就是被这个卡了半天。