参考样例是提升ai生成学习路线结构准确性、颗粒度匹配度和可执行性的关键；必须用于含明确交付物或强约定格式的场景，禁用低质量、过时或含不可迁移约束的样例。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
在Cursor中编写学习路线类提示词时，是否加入参考样例直接决定AI生成内容的结构准确性、颗粒度匹配度和可执行性——不加容易产出空泛大纲，加错样例反而引发格式污染或逻辑偏移。
先明确参考样例的核心作用
参考样例不是装饰，而是给AI提供【结构锚点】和【粒度标尺】。比如你要让AI生成“30天Vue3源码精读路线”，若只写“请设计一个分阶段的学习路线”，AI大概率输出“第1周：了解响应式原理；第2周：阅读编译模块……”这种无法落地的描述；但若附上一段真实、简洁、带日期+任务+交付物的样例（如：“Day 3：手写mini reactive函数 → 实现get/set/track/trigger → 提交GitHub gist链接”），AI立刻明白你需要的是“每日原子级任务+明确动作+可验证输出”的节奏。
这一步操作起来很简单，直接把文件拖进去就行。
什么情况下必须放参考样例
方法一：当学习目标含明确交付物要求时
例如：“生成Python数据分析工程师6个月成长路线，每阶段需包含3个实战项目、2个面试真题解析、1份可投递简历优化建议”。此时不给样例，AI会忽略“简历优化建议”这类非代码类交付项，或把“实战项目”模糊成“练习Pandas基础语法”。【必须提供1个完整阶段的样例，含全部三类交付物】
Agents 正在你的整个代码库中处理越来越复杂、运行时间更长的任务。本次版本引入了新的 agent 框架改进，以实现更好的上下文管理，并在编辑器和 CLI 中带来了许多提升使用体验的修复。
方法二：当领域存在强约定格式时
如前端工程化路线、LLM应用开发路径、嵌入式RTOS学习流——这些领域天然有“工具链→原理→调试→量产”等固定认知链条。AI若没见过该链条的具体展开方式，容易用通用教育逻辑（如“先学理论再实践”）覆盖专业路径。此时放一个行业公认结构的样例（哪怕仅两行），能强制对齐认知框架。
什么情况下坚决不能放参考样例
第一步：检查样例是否来自低质量来源
从CSDN博客复制的“7天速成Java”类标题党内容、知乎高赞但无代码实操的思维导图截图、某培训机构PDF里带水印的课程表——这类样例会向AI注入错误优先级（如过度强调“背命令”而非“调API”）、失真时间预估（“1天掌握Spring Boot”）、缺失验证环节。
第二步：确认样例是否与当前技术栈代际匹配
你正在规划2026年Rust+WASM全栈路线，却粘贴2021年React+Webpack的老样例，AI会混淆构建工具演进关系，可能生成“配置webpack5兼容wasm-pack”的错误指令。【样例技术栈发布时间不得早于2024年Q3】
第三步：判断样例是否隐含不可迁移约束
某大厂内部学习路径样例中写“每日晨会同步进度”，这是组织流程，不是学习设计要素；另一份样例要求“必须使用公司GitLab CI模板”，属于环境锁定。这类信息一旦被AI误判为必要结构，就会在你的个人学习路线里凭空添加“每日打卡”“强制接入特定平台”等无效约束。
