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...

我简历偷了快七十家一点反应都没有，是我简历写的有问题吗，还有一个问我有没有实习，我说没有直接就让我别打扰了😢

面试官开口就问：“同学，你期望的工作地点是哪儿啊？”我想都没想直接说：“广州啊。”对面瞬间安静了半天，然后慢悠悠来了句：“同学，我们总部在北京，秋招也只招北京的岗。”我当时直接懵了，脱口就是一句：“啊？北京？你们公司在北京啊？那北京也行！”

你以为你只需要调调参数？实际上，你要面对的将是：生犯贪嗔痴戾疑，死受鞭笞斧灼烹（不好意思，杀批乱入了）。好了，言归正传，作为一个合格的视频算法工程师，大概的技术链路就如下图所示，其中最重要的就是视频画质算法（超分/去噪/增强），这一领域不可避免地要深度依赖深度学习。“深度学习”这个概念大家耳熟不一定能详，但如何系统地掌握它？也就是从“知其然”到“知其所以然”？ 阶段一：数学与编程基础 ( 2周左右，熟悉可跳过)万丈高楼平地起，在开始搭建神经网络之前，你需要掌握底层的语言（Python）和逻辑（数学）。不要被复杂的公式吓跑，我们以“够用”为标准。数学基础线性代数：矩阵运算、特征值、特征向量微积分...