我还记得我刚工作的那会，领导给我安排了一个任务，让我不懂的还有项目的配置相关的问题就问xxx（给的一个人的名字，在这里就叫A），好，我遇到问题了，我就去问A，然后A说，这不是我负责的，你可以问下B，好我又去找B，B说这个我也不清楚，你问下C，C负责这个的，我又去问C，C说这个不是A在弄吗。我的心里活动（我TM，我请问呢，一个问题有这必要吗），最后我就直接找我领导说A不不知道，后面A就直接发了个文档给我，在给我讲了(何必呢，非要我领导亲自去找你，我领导也是A的领导)。一个个揣着明白装糊涂是吧，好好好。

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...

留在家乡，像是住进一套“生活现房”：月供不压肩，推门是爸妈做的热饭，下楼遇见发小打招呼。日子安稳得像踩实的土地，只是天空的边界，仿佛伸手就能碰到。奔赴大城市，像是认购一份“人生期权”：用30年月供押注未来的可能性，在霓虹与格子间里高速成长。这里不同情眼泪，但相信汗水。你会拥有更广阔的视野，也要学会与深夜的孤独共处。前者是“看得见摸得着的当下”，后者是“博一个想象中的未来”。没有对错，只有选择——你是想要稳稳的归属感，还是想赌一把命运的上升通道？

在可见的未来，AI 不会完全“取代”你的工作，但它会极大地“重塑”你的工作方式。1. 哪些部分会被 AI “吃掉”？凡是高重复性、逻辑单一的低熵值工作，正在迅速被 AI 蚕食。基础代码编写 ，比如写一个标准的 DataLoader，搭建一个基础的 ResNet/UNet 框架，或者写一段数据预处理脚本。这些工作以前可能要花你半天，现在 AI 几秒钟就能生成。你以前可能需要花几小时通读一篇论文才能抓住核心，现在 AI 可以帮你快速提炼摘要、解释公式含义。常见的环境配置错误、维度不匹配（Shape mismatch）等问题，AI 几乎能秒解。这部分工作本质上只是信息的搬运与初级加工，AI 确实做得...