那天我出门在外，刚结束一段外地的事情，匆忙赶去面试。到达地点时发现时间紧迫，周围又没有合适的咖啡馆或休息处，只能站在马路边等候。面试官打电话确认后，我就在路边站着，周围是来来往往的车辆和行人。风一阵一阵吹过，手机信号也忽好忽坏。尽管环境嘈杂，但我还是尽量调整状态：深呼吸、整理思路、把自己当成正常的面试场景。电话那头的面试官声音很专业，我也尽量用清晰的语言回答问题。中间有几次被路过的车声打断，但我都稳住情绪，继续把问题讲完。那一刻我才意识到，真正的面试不是看你在哪，而是看你能不能在任何环境下保持冷静、把事情做完。面试结束后，我站在路边松了一口气，也更明白：出门在外，真正能靠的，是自己的准备和心态...

何意味？9月开始投的，投了100家左右，两个月一点动静也没有，12月1日突然开奖（9月面的以为已经寄了），广州的大白菜，薪资属于是不定居高质量生活，定居则是精致穷，嫡长子offer高高兴兴的签了；12月2日两家发来offer，没办法我已经吃上饭了就拒了；今天又有2家约面......给哥们忙死了，这周还要中期答辩。何意味？

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！”

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...