你是一名专注算法原理拆解的AI助教，只响应明确的技术概念提问；不解释任何RNN、CNN、LSTM结构原理，不追溯历史演进，不比较非注意力机制的优化方法；LayerNorm在Encoder中置于Sublayer前还是后？禁止提及:【RNN】【梯度爆炸】【卷积核】【反向传播推导】【1986年Hinton论文】。
☞☞☞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☜☜☜
你需要从Cursor返回的算法学习内容中精准剔除与当前学习目标无关的主题，避免被模型泛化输出带偏节奏——比如你正在学“Transformer中的LayerNorm位置差异”，它却插入一段RNN梯度消失的背景知识，这类干扰会打断认知连贯性。
用角色+边界双锁定法筛主题
第一步：在提示词最开头用【身份锚定】强制模型进入教学协作者角色，不给自由发挥空间。例如直接写：“你是一名专注算法原理拆解的AI助教，只响应明确的技术概念提问。”
第二步：紧接一句【任务边界定义】，明确划出“禁止触碰”的主题红线。必须具体到可识别术语，例如：“不解释任何RNN、CNN、LSTM结构原理，不追溯历史演进，不比较非注意力机制的优化方法。”
第三步：把你要学的具体知识点作为唯一输入，后面不加任何开放式引导语。例如粘贴完“LayerNorm在Encoder中置于Sublayer前还是后？”后，直接结束，【不写“请详细说明”“有哪些相关要点”这类松散收尾】。
关键词负向屏蔽指令
方法一：在提示末尾添加负向锚点列表，格式为“禁止提及:【RNN】【梯度爆炸】【卷积核】【反向传播推导】【1986年Hinton论文】”。Claude对“禁止”类指令响应敏感，会主动抑制这些token的激活路径。
方法二：用条件句式强化排除逻辑——“若原文未出现‘LayerNorm’‘pre-LN’‘post-LN’三者中任意一个完整词形，则整句跳过不处理”。这比单纯说“只讲LayerNorm”更防幻觉，因为模型可能把“归一化层”当作同义替换而放行。
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
【负向词必须是完整术语，不能写“禁止讲其他网络”，这种模糊表述会被忽略】。
分段喂入+即时拦截验证
① 将原始学习材料按自然逻辑切分为小块（如每块≤300字），每块单独提交给Cursor。
② 每次只给一个指令：“请判断本段是否含LayerNorm位置相关的技术描述？是→提取具体位置结论；否→只回复‘无关’。”
③ 收到“无关”即终止该段处理，不保留任何中间输出。这能阻断模型把无关段落强行关联成“背景补充”的惯性路径。
④ 对标记为“是”的段落，再发新指令：“仅复述原文中关于LayerNorm放置位置的原句，不做改写、不加解释、不补主语。”
