hadoop采用文件文件输入, 必须先分片后分块

一、学历至上：能力被学历 “踩在脚下”在这个竞争激烈的求职市场，学历似乎成了一道难以逾越的鸿沟。“本科及以上学历”“985、211 院校优先” 这样的字眼在招聘信息中随处可见，仿佛学历就是衡量一个人能力的唯一标准 。我有个朋友，大专学的是计算机专业，在校期间就参与了好几个项目，技术能力相当出色。毕业后，他投递了一家知名互联网公司的程序员岗位，满心期待能凭借自己的实力获得认可。可仅仅因为学历是大专，连简历筛选这一关都没过。而那些学历更高但实践经验和技术能力远不如他的求职者，却轻松获得了面试机会。这种学历歧视真的合理吗？一个岗位，最重要的难道不是能否胜任工作吗？很多专科生、普通院校的学生，他们在大...

求各位佬帮忙看看简历

差不多这样的简历（百度是秋招快结束了去找的实习加上去的），放秋招连约面都没有几个🥲🥲🥲唯一拿到的offer是个物流公司的管培生，工资还特别低，不知道该咋办了，能再战春招吗可能也有部分得赖自己心态太糟糕了，看到一堆公司的招聘，想着“我简历太烂了，投上去也是自取其辱”，结果就没投。有个大厂我没投，而和我简历差不多的朋友投了过后就进了。现在的打算是春招看能不能努力进个用户增长运营/新媒体运营这类的岗位要是春招也找不到工作的话，要不要考虑主动延毕一年，这就相当于我在大三寒假有了个大厂实习，暑假可能再有一个，但不知道延毕会不会影响什么，或许可以说我是转专业所以多了一年？🥲总之还是迷茫中

经验就一条：Prompt 一定要拆开，任务一定要变简单。在面对小模型时，它们能力有限，如果把一堆要求（比如整篇文章+要求）塞进一个 Prompt，可能回答的就牛头不对马嘴了——不是主语识别不全，就是逻辑硬伤，或者答案缺斤少两。要把 Prompt 变成“工作流”，每一步只处理一个问题。比如“根据文章提问”，我通常拆成三步：第一步：只让模型识别文章的主语。第二步：根据主语去编问题。第三步：再针对问题生成答案。每步只干一件事，模型想出错都难。再比如做长文本的“分块（Chunk）”处理：不要让模型重写全文，除非你的token值够用，而且还会增加它的思考难度。你可以把原文段落编上号，让模型只输出：“标题...