从 monorepo 里挑微调样本，我是怎么把重复样板代码挡在门外的
从 monorepo 筛选微调样本时，重复样板代码是最大陷阱。文章提出三层过滤方案：AST 结构指纹归一化标识符后算哈希，抓“换皮代码”；路径聚类利用目录结构识别同目录批量生成物；diff 信号通过 Git 历史标记长期未修改的死代码。三者叠加可将重复率从 34% 降至 4%，同时避免误杀同构不同义的高价值业务样本。
分类: AI 工具链
共 52 篇文章
Swagger 转 Postman 时保留认证依赖与变量继承的几个关键点
Swagger 转 Postman 的关键不在结构搬运，而在认证依赖与变量继承的保留。需手动核对 security 覆盖层级、补写 OAuth2 的 pre-request script 获取 token、显式设计变量作用域避免环境覆盖 collection，并处理 server 变量默认值及多环境 token 隔离，否则转换后请求易报 401 或变量失效。
多仓库共用一套文档提示词，按服务差异注入上下文还保持输出格式统一
多仓库共用提示词时，需采用“结构化插槽+强制骨架回填”策略，先锁定输出格式硬约束，将上下文注入设计为只填空不改结构的插槽机制。关键做法包括：物理隔离骨架与插槽文件、显式标记上下文为纯数据、用同构字段模板消除自由文本、内置差异最大的 few-shot 示例、输出前程序化校验骨架并触发重生成，以及将插槽内容控制在 1500 token 内。该方案使格式校验一次通过率达 85% 以上，两次重生成后达 99%。
用分步提示词拆解复杂正则：让模型先解释语义，再给等价改写
三步流程提升复杂正则改写质量：先约束粒度做语义解释，明确“不匹配什么”和回溯风险；再基于等价约束清单生成候选，重点保持捕获组编号与回溯语义；最后用对抗性测试用例验证，刻意构造边界情况暴露差异。分步执行比一次性改写更可靠，适用于嵌套分组、零宽断言等复杂场景。
微调时依赖版本对不上，训练出来的代码模型会怎么退化
微调代码模型时，训练数据中的API调用模式会固化为特定依赖版本的“快照”。当推理环境版本不同，模型仍按旧版模式生成代码，导致可执行率显著下降——从91%跌至74%的实测案例中，主因是`torch.load`、`OneHotEncoder(sparse=False)`等API的语义或参数变化。这种退化源于训练数据版本信息缺失、多版本混叠，以及模型缺乏运行时反馈。缓解方案包括：在微调数据中注入版本条件、构建多版本覆盖样本、推理侧静态校验API兼容性，或直接锁定推理环境版本。
AST 提参数类型和默认值，比纯文本注释准在哪：三种生成函数文档方式的对比
AST 提取签名信息配合注释解析是生成准确 API 文档的最优方案：类型和默认值从 AST 直接获取，准确率 100%，描述文字从 docstring 匹配。纯文本正则解析在处理复杂默认值时准确率骤降，纯 AST 生成则缺少描述信息。推荐使用 `ast` 模块加 `docstring_parser` 库实现，约 100-150 行代码即可稳定运行。
把错误码表和业务规则喂给模型后，错误场景说明怎么从“失败”变成能直接用的排查步骤
错误场景说明质量差，根源在于上下文缺少排查路径维度。将错误码表升级为包含触发条件、可观测信号、检查动作、修复动作和验证方式的诊断卡片，并在提示词中明确要求按顺序完整输出排查步骤，禁止省略或推给客服。诊断卡片应作为 YAML 源数据维护在版本库，通过 CI 自动生成文档，确保单一数据源和同步更新。
嵌了类型定义后，API 客户端代码还得过哪几道静态检查才敢合入
生成代码要真正可合入，仅靠提示词中的类型定义远远不够，还需通过三道硬性检查：先用真实工具链做编译与类型校验，确保代码可运行；再与 OpenAPI/JSON Schema 及业务规则比对，验证契约语义和错误路径；最后执行 lint、安全扫描、依赖与架构约束，保证代码符合工程规范。将三道检查串成合入门禁，失败即反馈重试，才能稳定产出高质量客户端代码。
把历史 review 拒掉的改动做成负样本，微调后模型还会犯同样的错吗
负样本微调只能局部压制特定坏模式，无法教会模型正确写法，常导致模型从一种错误迁移到另一种。有效做法是按模式聚类、配高质量正样本（至少1:2）、构造近邻负样本，并利用reviewer评论做条件训练，将“不要这样”转化为“应该这样”。实测显示，该方法可显著降低同类及相邻坏模式出现率。
从 commit 和 PR 描述里筛出用户能感知的变更，AI 生成的 changelog 才不用人工重写
从 commit 和 PR 描述中提取用户可感知的变更，需先按“用户行为、界面、性能是否发生可观察变化”分类，过滤掉纯重构、测试、CI 等噪音。工作流包括：commit 前缀初筛加语义分类（P1/P2/P3）、从 PR 描述中提取用户视角信息、合并去重、按类型生成 changelog。边界情况如安全修复、废弃功能、依赖升级需预设规则。完整 prompt 模板可复用，实际可将流程嵌入 CI 实现增量处理。