@mattpocockuk: LLM 非常不擅长遵循负面指令，这就是为什么代码审查效果这么好，它将所有负面指令转化为…

X AI KOLs Timeline 2026/07/30 17:48 新闻

llm code-review prompt-engineering negative-instructions best-practices

摘要

Matt Pocock 观察到 LLM 难以处理负面指令，并解释了代码审查如何将这些指令转化为积极、可操作的指导。

LLM 非常不擅长遵循负面指令这就是为什么代码审查效果这么好，它将所有负面指令转化为正面指令：

查看原文

查看缓存全文

缓存时间: 2026/07/31 14:57

LLM 在遵循负面指令方面是出了名的差劲。

这就是为什么代码审查效果这么好——它把所有负面指令都变成了正面指令：

Matt Pocock (@mattpocockuk)： 这就是为什么你要在审查时做这件事

“别踩这些坑”——糟糕 “找出并消除这些坑”——很好

相似文章

X AI KOLs Timeline

一位开发者观察到，LLM 生成的 bug 已从差一错误转向更高层次的设计和上下文问题，并建议使用对抗性代码审查（例如 Claude 的 /code-review）来捕获这些 bug。

X AI KOLs Following

Matt Pocock 建议将 LLM 文档创作拆成两步：先进行松散对齐，再正式动笔。

X AI KOLs Following

一条推文讨论了一个发现的怪现象：将论文PDF重命名为更长、更积极的标题会提高LLM评审的评分，建议谨慎使用基于评分的LLM评估，并推荐改用二分类标签。

X AI KOLs Timeline

作者发现，LLM在编程的困难部分（设计简单、通用、清晰的代码）并没有显著帮助，但在其他部分却非常有用，以至于他们将其评为10倍的生产力提升。

X AI KOLs Following

分享了一个基于LLM自我纠正研究的提示词方法论，强调无外部反馈时模型自查效果有限，推荐对抗式审查等逐步增强的提示策略。