☞☞☞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☜☜☜
通义千问拆解算法题需嵌入带注释的典型示例：选结构一致的低难度真题，手写含题目重述、约束提取、暴力缺陷、优化切入点、子问题定义、状态转移、边界初始化的完整拆解，并附带每行有中文注释的真实代码片段。
通义千问拆解算法题时提示词缺少具体示例，模型容易泛化过度、跳步或误解题意，导致解题路径偏移、边界条件遗漏、时间复杂度误判。
在提示词中嵌入带注释的典型示例
第一步：选一道与目标题型结构一致但难度略低的真题（如目标是“滑动窗口+单调队列”，就选LeetCode 239但去掉多层嵌套）。
第二步：手写该题完整拆解过程，包含【题目重述→关键约束提取（如“O(n)时间”“不能用额外空间”）→暴力法缺陷分析→优化切入点（如“重复计算发生在哪？”）→子问题定义→状态转移依据→边界初始化逻辑】。
第三步：把这整段人工拆解作为示例，紧接在系统指令之后、用户待解题之前，用分隔线隔开。注意示例中所有推理节点必须显式写出，不能省略“为什么想到单调队列”这类因果链。
这一步最关键：示例必须含真实代码片段（哪怕只有3行），且每行代码旁用中文短注说明作用，比如deque.append(i) → 记录可能成为未来窗口最大值索引的位置。
控制示例数量与位置
方法一：单示例强引导
只放1个高信息密度示例，放在提示词最前端。该示例需覆盖目标题80%以上核心动作（识别模式、剪枝、状态设计），长度控制在180～240字。超过这个长度，模型会注意力稀释；少于150字，无法建立完整推理锚点。
方法二：双示例对比式
第一个示例展示正确拆解（含关键注释），第二个示例故意保留1处典型错误（如忽略空输入校验），并在其后加一句【错误点：未处理nums=[]的corner case，导致后续len(nums)-k+1计算报错】。模型看到对比后，对鲁棒性检查的敏感度明显提升。
动态替换变量名增强泛化
在示例中，把原题的变量名替换成无意义但符合语义的代号。例如原题用prices，示例中改为arr；原题用targetSum，示例中改为goal。这能防止模型死记硬背原始命名，迫使它关注操作逻辑而非字符串匹配。
注意：替换必须全局一致，且新名称要在首次出现时用括号注明原意，如arr（即原题中的prices数组）。否则模型可能误判数据类型。
这一步操作起来很简单，直接用VS Code批量替换即可，但漏掉任意一处不一致的变量名，会导致后续生成的伪代码出现混用，引发理解混乱。
