策略基因：借遗传算法思路精简审查 prompt

系列：用经典理论指导 Agent 实践（第二篇） 上一篇：双轮审查：召回和精确为什么不能兼得

TL;DR： 审查 prompt 从 317 行砍到 135 行（-58%），审查质量反升 29%。删掉的不是流程步骤，是模型自己能推导出来的冗余内容。留下的才是策略基因——不可替代的约束、反面例子和语气锁。

上一篇聊了双轮审查：把一个审查 agent 拆成"找全"和"找准"两轮，有效发现率从 75% 升到 92%。但留了一个尾巴——“找全"那一轮报什么、不报什么，仍然受 prompt 措辞影响。

这一篇不聊审查架构，聊 prompt 本身。具体来说：prompt 里该写什么，不该写什么。

我原来以为 prompt 写得越细越安全——把每个步骤说清楚，每个格式给个完整示例，模型就不会犯错。后来发现，我想错了。

很多内容是模型自己能推导出来的冗余。留着它们，反而稀释了注意力。真正需要写的，是模型无法自行推导的约束。

删掉可推导冗余，审查质量反升 29%。这让我意识到：写 prompt 的关键不是"多写”，而是"写什么"。

理论桥梁

先说明白：这不是学术论证，是解读视角。

Wang 等人 2026 年在 arXiv 发表的论文提出"策略基因"概念：把 procedural skills 压缩成更小、更稳定、可复用的策略单元，用于 test-time evolution 中的经验积累和策略优化。[1]

我读这篇论文时，脑中浮现出 Holland 在半个世纪前提出的"建筑模块"概念：遗传算法通过交叉重组短小、可组合、反复有用的小片段，逐步拼装出更好方案。[2] 结构上的暗合让我意识到：Wang 等人工作中的"策略基因"，和 Holland 口中的"建筑模块"，都在问同一个问题——什么是不可再分解的基本单元？

这篇文章用 Holland 的"建筑模块"作为解读视角，来理解 Wang 等人的"策略基因"如何映射到我的 prompt 实验里。两个相差半个世纪的研究，在结构层面暗合，给了我们一个统一的读法来思考 prompt 该写什么、该删什么。

先看结果

审查系统有一个核心审查文件，所有审查行为都由它驱动。

做了一轮精炼。317 行砍到 135 行，-58%。

效果不但没降，反而变好了。三版 prompt 做对照实验，同一个真实代码审查任务，两组人各自独立打分（第二组完全不知道哪个版本是哪个）：

需要强调：这是一个在特定审查任务上的有限观察，不是对所有 prompt 工程问题的广泛统计结论。

精炼不是一步到位的。分两步走。

第一步：把一个大文件拆成 6 个小文件，按需加载。550 行 → 317 行（-42%）。这是纯提取，没有信息损失——内容原封不动，只是换了组织方式。

第二步：删掉可推导的内容。步骤描述（“先读文件，再评价，然后输出”）、输出格式模板（JSON 结构示例）、正面例子——全部删掉。只保留不可推导的内容：表格、反面例子、警告、语气锁。317 行 → 135 行（-58%）。

两步加在一起：550 行 → 135 行，-75%。审查质量 +29%。花的 token 也降了 58%。精炼后的内容拆成了 6 个文件，按需加载。

策略基因：prompt 里的基本单元

Holland 1975 年在《自然与人工系统中的适应》里提出"建筑模块"概念：复杂解不是从零搭起来的，而是通过交叉重组短小、可组合、反复有用的小片段逐步拼装而成。这些模块是解的基本单元，删掉它们，解就不再是那个解。

Wang 等人提出 strategy genes：把 procedural skills 中真正能控制行为的经验，压缩成更紧凑、更结构化、更可复用的策略单元。它重视的不是文档完整性，而是 signal density、适用边界和失败提醒。

EvoMap 的 Gene 格式把这层思想进一步工程化：一个 Gene 是可复用的 strategy template，带有触发信号、约束和验证方式。[3] 它不是一整篇说明书，而是一段能被再次调用、再次组合的行动模板。

两个概念相隔半个世纪，结构上暗合：都在问"什么是不可再分解的基本单元？"

借这两层思路看 prompt，我采用了一个更具体的判断标准：prompt 里的策略基因，是模型不能从上下文自行推导、但会改变输出质量的控制信息。 比如约束规则、反面例子、语气锁。

反过来，prompt 里的冗余内容，就是模型已经能从任务和上下文推导出来的内容。比如"先读文件，再评价，然后输出"，这是模型的基本能力，不需要教。完整 JSON 模板也类似：模型见过无数 JSON，给字段名通常就知道结构。

删冗余内容 = 保留策略基因 = 让模型的注意力集中在真正需要指导的地方。

这不是严格的理论定理，只是一个用来判断"该写什么、该删什么"的思维框架。借用 Holland 的"建筑模块"、Wang 等人的 strategy genes，以及 EvoMap 的 Gene 格式，可以得到一个判断 prompt 基本单元的思路。

老师、学生、和步骤描述

打比方。老师教学生做题，不需要把每个步骤都写出来。“已知条件是 A 和 B，求证 C。注意别犯某个常见错误。“够了。学生自己推导步骤。

写太多了，学生反而机械照搬，不动脑子。

审查 prompt 也一样。“先读 diff，再分析每个文件，然后按严重程度分级，最后输出 JSON。“这些步骤描述是在教模型做它本来就会的事——这些不是策略基因，是冗余内容。模型读到这些，不是"理解了”，是"照着走”。注意力被分配到这些可推导的内容上，真正需要关注的策略基因反而被稀释了。

反面例子为什么是策略基因

实验里有一个关键发现：删正面例子不影响质量，删反面例子会降低质量。

为什么？

正面例子告诉模型"这样做是对的”。模型拿到正面例子，倾向于照搬。照搬限制了推理——模型不再思考"什么是对的”，而是"怎么对齐这个例子"。正面例子不是策略基因。

反面例子告诉模型"这样做会出错"。它划定的是边界，不是路径。模型知道边界在哪，路径自己找。反面例子是策略基因——它定义了一个不可再替代的约束：从这个方向走会出错。

正面例子只是告诉模型"什么是对的"，但正确的表达方式太多了。反面例子告诉模型"从哪一步开始会出错"，它补的是边界——边界是策略基因，路径是模型自己推出来的。

语气锁和 AVOID 警告

两个更具体的策略基因例子。

语气锁。审查规则里有这样的写法：

你必须在审查输出中包含严重程度分级

“必须"比"建议"强得多。这种语气强度是模型无法自行推导的——它不知道哪个步骤是强制的、哪个是可选的。语气锁就是在告诉模型：这条规则没有商量余地。

还有一类警告。比如：

避免在审查中透露轮次计数

模型不知道这个约束。它不会自己推导出"不应该在审查 prompt 里泄露元信息”。这是一种隐性知识，必须显式写入。

语气锁和警告都是策略基因。它们是模型无法自行推导的约束——删掉它们，模型的行为会立刻变差。

怎么想到的

第一篇做完双轮审查后，prompt 变长了。我当时想，信息更完整了，应该会更安全。直觉觉得"写得越细越好"。

但数据告诉我一个矛盾：维度更多应该发现更多问题，但 prompt 更长可能稀释注意力。谁赢？

我带着这个问题重新审视那个核心审查文件。317 行。通读一遍，发现里面有大量"描述性"内容。

步骤说明：“先读文件，再评价，然后输出。“模型需要这个吗？不需要。读文件、评价、输出是模型的基本能力。

输出格式模板：完整的 JSON 结构示例。模型需要这个吗？不需要。给几个字段名就够了。

正面例子：“好的审查输出长这样。“模型需要这个吗？不需要。模型见过足够多的好例子。

这些都是模型自己能推导出来的。它们是冗余内容，不是策略基因。

第一轮实验：只留策略基因

做了第一个实验版本：只保留约束，删掉所有描述、格式模板、正面例子、反面例子。215 行。

评分结果：6.05。比对照组（5.95）好一点，+2%。我没发版。

问题出在哪？删太多了。约束是策略基因，但不是唯一的策略基因。反面例子也是策略基因。这个版本把反面例子一起删了，模型失去了边界信息——边界信息是不可替代的。

第二轮实验：约束 + 反面例子

做了第二个实验版本：保留约束，加回反面例子。但这不是简单地在 215 行版本上加内容，而是同时重写了约束本身——合并冗余条目、缩短表述。最终 135 行。

所以 135 行不是“加回反面例子之后自然变短”，而是两个动作叠加的结果：反面例子加回来了，约束措辞被大幅压缩了。

评分结果：7.70。比对照组 +29%。比只留约束也好得多（+27%）。

关键发现：正面例子是冗余内容，反面例子是策略基因。

正面例子让模型照搬，限制了推理。删掉正面例子，模型反而更自由地思考"什么是对的”。反面例子告诉模型边界在哪，不限制路径。删掉反面例子，模型不知道坑在哪，容易掉进去——反面例子定义了一个不可替代的边界约束。

方法论感悟

这不是"少就是多"的鸡汤。

“少就是多"没有操作性——少什么？少到什么程度？

有操作性的说法是：去掉可推导的冗余内容，只保留不可替代的策略基因。

怎么判断一个内容是策略基因还是冗余内容？删掉它，看输出变化。删掉策略基因，输出变差。删掉冗余内容，输出不变甚至变好。

这个判断方法是一个删除测试：通过验证内容对输出的影响，来判断它是不是策略基因。策略基因的定义不在于内容本身，在于它对输出的影响——删掉它，解就不再是那个解。

还有一个维度的问题

策略基因解决的是"prompt 里写什么"的问题。删掉冗余内容，只留策略基因，审查质量升了 29%。

但还有一个问题没回答：审查的维度够不够？

“找全"那一轮报什么不报什么，不仅受 prompt 措辞影响，还受维度覆盖影响。如果审查维度只覆盖了正确性和风格，那安全问题、性能问题、可维护性问题就系统性地漏掉了。这不是策略基因能解决的——策略基因再精，如果维度缺失，模型可能还是不知道该看哪里。

下一篇验证维度覆盖对发现率的影响。

参考

1. Wang, Y., et al. (2026). “From Procedural Skills to Strategy Genes: Towards Experience-Driven Test-Time Evolution.” arXiv:2604.15097. https://arxiv.org/abs/2604.15097
2. Holland, J. H. (1975). Adaptation in Natural and Artificial Systems. University of Michigan Press. https://mitpress.mit.edu/9780262581116/adaptation-in-natural-and-artificial-systems/
3. EvoMap. “GEP Protocol.” https://evomap.ai/wiki/16-gep-protocol