若CodeGeeX解算法题出错，应结构化提示词、分步引导建模、注入高频测试用例、绑定数据结构模板、启用语言标签；五步法可显著提升生成代码准确性与鲁棒性。
☞☞☞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☜☜☜如果您在使用CodeGeeX解决算法题时遇到生成结果不准确、逻辑错误或无法通过边界用例的情况，则可能是由于提示词结构模糊、约束缺失或未引导模型分步建模所致。以下是针对性的解题思路与代码实现方法：
一、结构化重写题目提示词
CodeGeeX对自然语言指令的结构敏感，需将原始题目转化为含输入类型、输出要求、显式约束和标准样例的提示格式，避免口语化或省略关键条件。
1、提取题目中所有硬性约束，如“数组长度≤10⁵”“时间复杂度需O(n)”“不能使用额外哈希表”，并将该句置于提示首行。
2、用三引号包裹输入输出样例，格式严格对齐LeetCode平台，例如：```输入:[3,2,4], 目标值6;输出:[1,2]```。
3、在提示末尾添加强制执行指令：
只输出可直接运行的完整代码，不包含任何解释、注释、测试用例、markdown格式或空行。
二、分阶段引导模型生成中间逻辑
对中等及以上难度题目，一次性请求完整函数易导致状态定义错误或转移遗漏；应将算法流程拆解为原子步骤，逐段验证后推进，确保每一步逻辑自洽。
1、首条指令仅要求：
明确定义动态规划中dp[i]的物理意义，说明i的取值范围及初始状态dp[0]的赋值依据。
2、确认定义无误后，第二条指令：
基于上述定义，写出状态转移方程，并用中文注释说明每一项对应的实际问题场景。
3、第三条指令：
给出初始化代码片段，特别处理空输入、单元素、全负数等至少三种边界情况。
三、注入高频测试用例驱动鲁棒性生成
将典型易错用例嵌入提示语，可迫使模型反向推导分支逻辑，自动补全条件判断，显著提升生成代码通过率。
1、在提示中明确列出三个差异化测试用例：
测试用例1:[1,3,5,6], 5 → 输出2；测试用例2:[1,3,5,6], 2 → 输出1；测试用例3:[], 1 → 输出0。
2、追加校验指令：
生成的代码必须通过以上全部测试用例；若任一用例失败，请修正逻辑并重写函数。
3、对双指针类题目，额外加入：
测试用例4:[2,7,11,15], 9 → 输出[0,1]；测试用例5:[3,3], 6 → 输出[0,1]，覆盖重复元素场景。
四、绑定权威数据结构模板强制风格统一
CodeGeeX在缺乏上下文时倾向生成通用但非工业级的代码；通过前置粘贴标准结构定义，可锚定其输出至规范编码范式，避免自定义结构引发兼容问题。
1、在提问前插入标准链表节点定义：
struct ListNode { int val; ListNode* next; ListNode() : val(0), next(nullptr) {} };。
2、指令明确：
所有链表操作必须沿用上述定义，不得修改构造函数签名、不得添加额外成员变量。
3、同步提供优先队列声明惯用写法：
priority_queue
五、启用语言标签精准控制生成环境
CodeGeeX2支持超100种编程语言，但模型需明确识别目标语言才能正确调用语法与标准库；# language标签是唯一被官方验证的高精度语言识别机制。
1、在提示开头第一行插入语言标识：
# language: Python（Python）、// language: C++（C++）或-- language: SQL（SQL）。
2、禁止在提示中混用多种语言关键词，例如不得同时出现“def”与“void”、不得在Python提示中写“std::vector”。
3、对涉及多文件协作的题目（如BST验证+序列化），分别生成各模块代码，并为每个模块单独添加对应语言标签。