题干解析 去除背景后： 题设定义一颗二叉树，允许我们任意选取不连续的节点，要求返回所有选取方式中所选取节点值之和最大的值。 算法思路 递归分解问题：  针对空树根，我们无从选择。 针对单节点树根，我们有两种选择：选择该根节点/不选择该根节点。 针对一般树根，依旧两种选择：选择该根节点/不选择该根节点。  我们想要让我们的选择总和尽可能大。考虑普通的树根：  如果我们选择根节点，则两个子树需在根节点均不能选的情况下得到最大选择。 如果我们不选择根节点，则子树的节点选择并无过多限制，得到最大选择了即可。  子树的最大选择也可以依照树根类推，只不过同样考虑两种情况，选择子树根节点/不选择子树根节点。...

经历了近一个月各大厂陆续开奖，期间有惊喜有顾虑，为了做出最好的选择反复纠结，可事实确实不会有在每一个方面都是最优秀的offer，只能是选择自己最想要的是什么，在收获了一个SSP，三个SP，四个白菜之后，还是选择留在深圳，加入TME此外还要特别表扬一下米哈游，hr和leader都特别用心，薪资的诚意和介绍业务的耐心都让我这个校招生感到很强的被接纳和归属感，最后还是因为base地，可能没那么有缘分，如果人生能开支线我也想去拯救世界网易也很好很有耐心很有诚意anyway，一切都是最好的选择，校招也只是起点，希望未来几年的自己回望现在不会感到后悔，牛友们共勉

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...