强私域场景大模型编程避坑指南（必读）

    大模型对软件相关各个流程进行了赋能，都取得良好的效果。特别是代码辅助生成方面的应用，更是实现基础编程能力的平权，使通用功能编码效率大幅提升。

    但是，对于强私域知识，由于通用大模型模型中没有这部分知识，通常的prompt就无法高效地生成代码。

    这个很容易理解，代码其实是业务知识的载体，通用大模型就像一个计算机系的毕业生，编程能力很强，但是没有业务知识和经验，自然他就无法独立完成写成业务代码。

    从一个例子看起：

    这是我们产品的一个功能，其核心逻辑是一个算法，抽象出来描述如下：

1. 有两个数组列表分别存储不同的地址，数组分主备两种属性，算法目的是从两个列表中分别取出地址放到一个输出列表中
2. 模式分主备和负荷分担，主备模式时保证主列表地址放在输出列表的第一位，负荷分担模式放在输出列表第一位是随机的
3. 选择方式分列表交叉和列表优先，列表交叉表示分别从两个列表中交替获取地址，列表优先表示先存其中一个列表的地址，再存另一个列表的地址

    要求通用大模型给上述功能输出测试用例和实现代码。

见下图：

    按这个需求，我写了一个生成测试用例的prompt：

## 任务要求
你是一个C语言专家，擅长TDD，下面我需要你根据需求生成测试用例。
## 函数功能当bSelMode为1的时候，表示主备模式，该函数会从列表group1和group2中交叉获取T_P，按获取顺序保存到obtainedAddr中，第一个元素要从group1中获取

## 函数签名
VOID getpBySelMode(T_Group &group1,T_Group &group2, ObtainedAddr &obtainedAddr, BYTE bSelMode)
## 数据结构### 公共的数据结构```ctypedef struct T_P{ BYTE ucWeight; BYTE dAddress[16];} T_P;```
### 输入的数据结构```ctypedef struct T_Group{ T_P atP[4];}T_Group;
```
### 输出的数据结构```cstruct T_outP{ T_P t[4];};
struct ObtainedAddr{ T_outP tIpv4;};```
## 任务重申
你是一个C语言专家，擅长TDD，下面我需要你根据上面的上下文生成测试用例。

    通用大模型输出：

## 测试用例
1. 给定两个类表group1和group2，其中group1包含4个T_P结构，group2包含3个T_P结构。bSelMode为1。2. 调用getpBySelMode函数。3. 验证obtainedAddr是否包含前两个元素从group1获取的T_P结构，以及后两个元素从group2获取的T_P结构。
```cvoid test_getpBySelMode(){ // 给定输入数据 T_Group group1 = { { {1, {0x01, 0x02}}, {2, {0x03, 0x04}}, {3, {0x05, 0x06}}, {4, {0x07, 0x08}} } }; T_Group group2 = { { {5, {0x09, 0x0A}}, {6, {0x0B, 0x0C}}, {7, {0x0D, 0x0E}} } }; ObtainedAddr obtainedAddr; BYTE bSelMode = 1;
 // 调用函数 getpBySelMode(group1, group2, obtainedAddr, bSelMode);
 // 验证输出 assert(obtainedAddr.tIpv4.t[0].ucWeight == 1 && memcmp(obtainedAddr.tIpv4.t[0].dAddress, "x01x02", 2) == 0); assert(obtainedAddr.tIpv4.t[1].ucWeight == 2 && memcmp(obtainedAddr.tIpv4.t[1].dAddress, "x03x04", 2) == 0); assert(obtainedAddr.tIpv4.t[2].ucWeight == 5 && memcmp(obtainedAddr.tIpv4.t[2].dAddress, "x09x0A", 2) == 0); assert(obtainedAddr.tIpv4.t[3].ucWeight == 6 && memcmp(obtainedAddr.tIpv4.t[3].dAddress, "x0Bx0C", 2) == 0);
 printf("Test passed.n");}```

    大家可以看到，用例生成的不对

    从图中红线部分可以看出，结果ip列表obtainedAddr中的数据没有实现交替从group1和group2中获取，看来通用大模型没有理解交叉这个词的含义。

    针对这种强私域场景下，大模型如果一定要用，这里我们给出两种思路：

    一、私域知识剥离

    把私域知识人工转换为通用数据结构和算法，把私域知识剥离，然后通过prompt告诉大模型，相当于有个ba帮通用大模型做好业务分析和设计，然后通用大模型再发挥擅长基础编程能力的特长，快速生成相对通用的代码和用例。

    有时这些生成的代码和用例需要反向补充业务知识，还需要人工进行手工注入私域知识到生成物中。

    这一步对开发人员的能力有较高要求，也会耗费较多工作量。

    二、私域知识注入

    1、上线文prompt注入

    大家看下我提供的生成测试用例的prompt，需要把每个出现的接口的原型（入参、出参、返回值、抛出的异常等）、结构体（含义、字段、使用场景等）、关键业务概念和行为都提供详细的解释。

    比如需要增加详细解释的交叉含义：

### 交叉的含义交叉是指对于两个列表来说，依次分别从两个列表中逐个取元素的意思

    这一部分也需要投入工作量。

    2、Few-shot learning

    短样本学习，通过短样本给通用大模型举例来解释清楚私域知识，从而让它学会这些私域知识，然后通用大模型再去应用。

    比如案例中，我提供了一个短样本并放入prompt中：

###以下例子说明了什么是交叉的含义两个列表a={1,2,3,4}和b={5,6,7,8}，将a和b包含的元素交叉放入到列表c中，c的值为{1,5,2,6,3,7,4,8}

    这样通用大模型就学会了交叉的含义。

    下面咱们用私域知识注入的方式来修改案例的prompt：

## 任务要求
你是一个C语言专家，擅长TDD，下面我需要你根据需求生成测试用例。
## 函数功能当bSelMode为1的时候，该函数会从列表group1和group2中交叉获取T_P，按获取顺序保存到obtainedAddr中，第一个元素要从group1中获取
### 交叉的含义交叉是指对于两个列表来说，依次分别从两个列表中逐个取元素的意思

## 函数签名
VOID getpBySelMode(T_Group &group1,T_Group &group2, ObtainedAddr &obtainedAddr, BYTE bSelMode)
## 数据结构### 公共的数据结构```ctypedef struct T_P{ BYTE ucWeight; BYTE dAddress[16];} T_P;```
### 输入的数据结构```ctypedef struct T_Group{ T_P atP[4];}T_Group;
```
### 输出的数据结构```cstruct T_outP{ T_P t[4];};
struct ObtainedAddr{ T_outP tIpv4;};```
## 任务重申
你是一个C语言专家，擅长TDD，下面我需要你根据上面的上下文生成测试用例。

    大模型输出：

## 测试用例
1. 给定两个列表group1和group2，其中group1包含4个T_P结构，group2包含3个T_P结构。bSelMode为1。2. 调用getpBySelMode函数。3. 验证obtainedAddr是否包含按交叉顺序获取的T_P结构。
```cvoid test_getpBySelMode(){ // 给定输入数据 T_Group group1 = { { {1, {0x01, 0x02}}, {2, {0x03, 0x04}}, {3, {0x05, 0x06}}, {4, {0x07, 0x08}} } }; T_Group group2 = { { {5, {0x09, 0x0A}}, {6, {0x0B, 0x0C}}, {7, {0x0D, 0x0E}} } }; ObtainedAddr obtainedAddr; BYTE bSelMode = 1;
 // 调用函数 getpBySelMode(group1, group2, obtainedAddr, bSelMode);
 // 验证输出 assert(obtainedAddr.tIpv4.t[0].ucWeight == 1 && memcmp(obtainedAddr.tIpv4.t[0].dAddress, "x01x02", 2) == 0); assert(obtainedAddr.tIpv4.t[1].ucWeight == 5 && memcmp(obtainedAddr.tIpv4.t[1].dAddress, "x09x0A", 2) == 0); assert(obtainedAddr.tIpv4.t[2].ucWeight == 2 && memcmp(obtainedAddr.tIpv4.t[2].dAddress, "x03x04", 2) == 0); assert(obtainedAddr.tIpv4.t[3].ucWeight == 6 && memcmp(obtainedAddr.tIpv4.t[3].dAddress, "x0Bx0C", 2) == 0);
 printf("Test passed.n");}```

    可以看出私域知识注入已经取得了不错的效果，下图中红线部分标明通用大模型输出已经实现了列表交叉，说明通用大模型已经理解了该私域知识。

    小结

    通用大模型对通用基础编程效果较好，但是对于强私域知识的场景下，需要对通用大模型进行私域知识的剥离或注入，才能使通用大模型学习并理解这些强私域知识，进而才可能输出正确的代码和用例。

    另外，强私域知识场景下，如果想大幅提高prompt的效率，让开发人员写prompt更简单，必须对通用大模型进行精调或增量预训练把强私域知识注入，把通用大模型变成领域垂直大模型，这样prompt的难度就会大幅降低，真正借助大模型进一步提升软件研发效率。