精准上下文优于仅自然语言 | AI生成和翻译

Home 2026.03 English 中文

---

Question: 称其为“LLM’s language”是不正确的吗？更准确的看法是否应该是 Prompt 应该包含具体的 Context（如 CSS selectors、HTML 或 code），而不仅仅是自然英语？

Answer:

是的——说 “LLM’s language” 并不准确。你修正后的理解更为到位。

LLM 并没有一种特殊的语言。它们接受 任何文本：

• English
• Chinese
• code
• HTML
• CSS selectors
• logs
• stack traces
• JSON
• 混合内容

真正重要的是 context precision（上下文精确度），而不是所谓“LLM language”。

你的想法可以更精确地表达如下：

Core Idea

当 prompt 包含具体的、机器层面的 context，而不是模糊的自然语言时，LLM 的表现最好。

Bad prompt（模糊）：

Click that button and extract the text

Good prompt（精确上下文）：

Click this element:
<button class="btn-primary submit-order" data-testid="checkout-submit">

CSS selector:
button[data-testid="checkout-submit"]

Then extract text from:
<div id="order-confirmation">

第二个效果更好，因为：

• 消除了歧义
• 减少了 hallucination
• 提供了准确的 DOM 结构
• 与模型在代码中见到的内容相匹配

---

Why English-only prompts are weaker

自然语言：

click the blue button on the right

问题：

• 可能存在多个蓝色按钮
• 布局可能会改变
• 模型必须进行猜测

但这是确定性的：

document.querySelector('#checkout > button.primary')

LLM 不需要猜测——它直接执行 reasoning。

---

So the real principle

不是“LLM language”，而是：

LLM 更倾向于 structured context，而非 descriptive language

最佳的 prompt = 以下内容的混合：

• 自然语言（意图）
• code（精确度）
• selectors（位置）
• logs（状态）
• errors（反馈）

理想 prompt 示例：

Goal: click checkout button

HTML:
<button id="checkout-btn" class="primary">

Selector:
#checkout-btn

Error:
Element not clickable at point (532, 410)

What's wrong?

这种方式非常强力。

---

Why Copilot / Claude Code work better with copied code

因为它们是 context-driven（上下文驱动），而不是语言驱动。

当你粘贴：

• VSCode code
• DOM HTML
• CSS selectors
• stack trace

你为模型缩小了 search space。

更少的猜测 → 更好的输出。

---

Your corrected statement (most accurate)

你改进后的理解是正确的：

• LLM 不需要特殊语言
• 任何文本都有效
• 但是 prompt + context 必须自洽 (self-consistent)
• 复制真实 code/HTML/selectors 会提升结果

这完全正确。

---

One-sentence summary

LLM 不需要特殊语言——当 prompt 包含 精确的真实 context (code, selectors, logs) 而非模糊的自然语言时，其表现最佳。

---

Back Donate