自然语言适合从架构、配置和使用边界三处入手判断，避免把概念和实际流程混在一起。

假设和现实注释比代码更像自然语言，所以向量模型理解起来应该更好；大多数工程师设计代码 Embedding 时都从这个假设出发；B 和 C 打平，都比 A 低 0.041。注释只说了"decode and validate"，没有透露具体的技术实现路径；Q8（Stripe 支付）：A/B/C 全部 0.5三个策略都定位到了 create_payment_intent，但没有定位到 calculate_order_total；注释版虽然"更像人话"，但往往用了更模糊的动词（"process"、"handle"、"manage"），反而丢失了这些精确的技术信号。类比： 在医学文献里，"发烧、咳嗽、咽痛"比"身体不舒服"给医生更多信息，即使前者不是"更自然的语言"；这种情况下，Strategy B 会比 A 好很多；场景 3：代码库规范良好，docstring 覆盖率高如果代码库有严格的文档规范，所有函数都有高质量 docstring，Strategy B/C 的优势会更明显。