通义千问分析技术债需嵌入项目硬约束、明确数据源、使用强指令格式，指定角色与交付物，并注入时间权重与业务节奏，才能生成可执行的优先级清单。
☞☞☞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☜☜☜
当你用通义千问分析技术债并生成优先级提示词时，如果输出总像模板套出来的——“建议优先处理高风险、低修复成本项”，那就说明提示词本身缺乏上下文锚点和决策依据，模型只能复述通用话术。
明确技术债的三类真实约束
第一步：在提示词开头直接嵌入当前项目的三个硬性限制。例如：【必须包含：团队当前仅有1名后端熟悉Elasticsearch；下个迭代只剩8人日可用；线上P0故障必须48小时内闭环】。没有这些，模型无法区分“理论上该修”和“现在能修”。
第二步：列出你手头已有的数据源类型。比如“已有：近30天慢查询日志（含trace_id）、Git提交频率热力图、SRE告警分级记录”。模型若不知道你有trace_id，就不会建议按链路深度排序。
第三步：删掉所有“请”“建议”“可以考虑”等弱动词。改成“输出格式：每条技术债必须标注【不可跳过】或【可延期】，仅二选一”。指令越斩断犹豫，输出越少废话。
用角色+动作替代抽象要求
方法一：指定模型扮演具体角色。例如：“你是一名刚接手该系统的Tech Lead，上周因缓存击穿导致订单丢失，现在要向CTO汇报未来两周技术债攻坚清单。”角色带情绪、有后果，模型会自动过滤掉“长期演进”“架构优化”这类空泛项。
方法二：绑定具体交付物。写成：“生成一份可直接粘贴进Jira Epic描述的文本，含：①每条债的触发现象（例：支付回调超时率从0.3%升至5.7%）；②定位路径（例：查payment-service→trace_id→发现Redis连接池耗尽）；③修复后可验证的指标（例：回调超时率回落至0.5%以下且持续24小时）”。注意：不写“现象/路径/指标”三个词，只写冒号后的真实内容样例，模型才会模仿结构而非罗列术语。
注入时间感知与衰减逻辑
在提示词中加入动态权重因子。例如：“对6个月内未被修改的模块，其技术债优先级×1.8；对最近一次发布含hotfix的模块，其技术债优先级×2.3”。模型看到乘数就会放弃平均主义，开始做算术。
插入一句真实业务节奏：“当前大促备战期（10.20-11.11），期间禁止任何数据库schema变更”。这句看似简单，但会让模型主动把“加索引”类债务降权，而把“避免大促期间OOM”类债务顶到第一行。
