真的，demo 都嘛一次就中。能穩定跑才是本事

同意，不過怎麼定義「穩定」本身就很模糊，跑十次同樣的 prompt 出來的 variance 目前根本沒人認真量過

對，而且我覺得更準確的說法是：你「改對了」但模型根本不知道。context window 的問題是你永遠不確定你的修改有沒有真的被用到，還是只是漂在上面當裝飾。