删除模板化短语后，以动词原形开头并锚定真实报错，强制Firefly输出结构化、可验证的代码缺陷反馈。

☞☞☞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☜☜☜

用Adobe Firefly做代码评审时，提示词若反复出现“请检查”“建议优化”“可能存在风险”等套话，会导致AI输出全是模板化反馈，根本无法定位真实缺陷。

先砍掉所有无指向性动词短语

打开Firefly网页端，在提示词框顶部第一行直接删除：“请分析”“请检查”“建议优化”“可能存在”“应当注意”“务必关注”。这些短语在模型内部会触发通用评审话术库，一旦出现，后续所有内容都会被拖进模板轨道。

这一步必须做在最开头。Firefly对前置指令响应极强，后加的禁用说明基本无效。

【删除后整段提示词必须以动词原形开头，例如“定位第17行空指针引用→复现输入None→插入if obj is None: return False”】

用真实报错锚定唯一输出路径

在删完模板词后的下一行，写一个具体、可验证的缺陷实例：

当前函数调用json.loads()前未校验输入是否为字符串，传入bytes类型会抛出TypeError: the JSON object must be str, bytes or bytearray, not int。

紧接着补一句：只围绕此类实际运行错误展开，不提格式、命名、注释等无关项。

Firefly一旦锁定到明确异常类型+触发条件+错误消息三要素，就不会飘回“逻辑需加强”这类虚空评价。

强制结构化输出，每条结论绑定动作

在提示词末尾，用数字序号明确限定输出格式：

① 问题位置：精确到文件名+行号+变量名（如main.py第23行payload）

② 复现路径：给出最小输入使错误暴露（如传入b'{"a":1}'）

③ 修复建议：只写一行可直接粘贴的修正代码（如if isinstance(payload, bytes): payload = payload.decode()）

【若某行无实际运行风险，则跳过不评】。这条限制能逼它放弃凑数式点评。

注入参数级行为约束，倒逼语言具体化

方法一：绑定Python解释器真实行为

当--encoding参数为空时，codecs.open()默认使用locale.getpreferredencoding()，但该值在Docker容器中常为ANSI_X3.4-1968，导致中文路径报UnicodeDecodeError。必须显式指定encoding='utf-8'。

方法二：嵌入终端级反馈

执行python -c "import json; json.loads(b'{}')" → 触发TypeError并打印完整traceback首行 → 提取错误类型与消息关键词 → 输出对应修复行。

方法三：插入真实调用示例

$ python parser.py --input data.json --encoding utf-8