Prompt Engineering:提示词- 通过设计输入文本来引导模型输出- 不修改模型参数- 适合快速迭代场景Supervised Fine-Tuning:模型精调- 使用标注数据微调模型参数- 需要训练资源- 适合专业化场景Prompt典型案例:1. 添加"逐步思考"提升推理能力2. 角色设定"你是一位资深律师..."3. 输出格式控制"用Markdown表格展示..."SFT典型案例:1. 医疗问答数据微调2. 客服对话场景优化3. 法律文书生成专项优化Prompt优势:✓ 零训练成本✓ 即时生效✓ 灵活可调✓ 保留通用性Prompt劣势:✗ 专业领域效果有限✗ 提示设计需要经验✗ 输出稳定性较低SFT优势:✓ 领域适应性强✓ 输出质量稳定✓ 可处理复杂任务✓ 减少提示长度SFT劣势:✗ 需要标注数据✗ 训练成本高✗ 迭代周期长✗ 可能过拟合## 产品决策建议• MVP阶段优先Prompt• 核心业务场景采用SFT• 混合方案：通用能力+专项优化• 考虑：数据/算力/时效/效果的平衡           

📍面试公司：杭州新中大科技👜面试岗位：前端日常实习📖面试问题：一面:1.自我介绍2.项目怎么做的3.flex:1是什么意思4.防抖节流5.变量类型6.null和undefined的区别7.typeof undefined和null8.对闭包的了解9.深拷贝怎么做10.对于...的理解11.es6的箭头函数12.react的jsx语法的作用与意义13.react的生命周期14.虚拟dom的工作原理以及渲染过程15.state和props的区别16.useSelecter和useReabase二面:吹水，面试官介绍公司🙌面试体验：还不错

在AI产品经理面试中，经常会问到这个问题，在AI产品设计中，Prompt（指令/提示词）的质量直接影响模型的输出效果。以下是撰写和调Prompt的一些方法：一、Prompt撰写原则1. 明确性 (Clarity)   - 目标清晰：直接说明需求，避免模糊表述   - 示例：❌"写个文案" → ✅"写300字防晒霜电商文案，强调清爽不油腻"2. 结构化 (Structure)   - 逻辑分层：使用编号/分段组织内容   - 模板：     1) 角色设定：[如"你是个10年经验的数据科学家"]     2) 核心任务：[明确要求]     3) 输出格式：[指定Markdown/JSON等]3. 上下文 (Context)   - 必要背景：提供关键信息   - 示例：❌"总结会议" → ✅"总结周三14:00产品会结论，需包含技术可行性评估"4. 约束条件 (Constraints)   - 明确限制：     - 字数限制（如"200字内"）     - 风格要求（如"正式报告/口语化"）     - 避免内容（如"不使用专业术语"）5. 示例引导 (Example-driven)   - 提供输入输出范例：     输入："将'用户体验很重要'改写成营销话术"     输出："匠心打造指尖愉悦，每1像素都为舒适而生"[优化技巧]• 迭代测试：通过"假设-反馈"循环改进• 动词精准：使用"生成/对比/改写"等动作词• 格式标记：重要内容用「」或ALL CAPS        

和码没关系的非科班艰难转码……其实自己能力离大厂还有很大差距，基础很差，八股准备得都不算充分，项目也是烂大街。算法只刷了一半hot而且最近还因为改简历有一段时间没刷，但还是抱着学习和必挂的心态做了尝试。全程基本都是面试官在引导我和换问题（感觉正常下来说的话比我还多。。），但好多我还是不会，甚至都不知道在问什么。手撕题20min：1.二叉树的最大宽度2.lc原题没做过，想到用层序遍历但很不熟，没做出来版本号的排序，lc比较版本号稍微变了一下，这题其实做过，但时间不够也没做出来面试官让讲思路其实到这里面试已经结束了，估计已经凉了后面面试官开始放飞自我了项目和八股拷打先介绍项目1.订单支付的流程是怎...