求点建议吧，简历不知道怎么改了

听着窗外的风声，泡上一杯热茶，我们抛开那些焦虑的“35岁门槛”和“技术迭代恐慌”，像老朋友一样聊聊“大数据开发”这条路。作为一名在这个行业摸爬滚打过几年的“过来人”，我太理解那种站在庞大的技术栈面前，既兴奋又不知所措的感觉了。Hadoop、Spark、Flink、ClickHouse、Doris……这些名字像一座座大山，还没开始爬就让人觉得腿软。但其实，大数据开发的底色，不是“大”，而是“踏实”。它是关于如何稳稳当当地把海量的数据，变成能看懂的价值。如果你想在这个领域扎根，我想分享一些不仅关乎技术，更关乎心境的建议。一、 关于入门：别急着追逐“新潮”，先学会“慢”很多人刚入门时，恨不得一周学会...

腾讯日常实习，上次挂断之后今天变绿了，是什么情况呀

我选体验最差：腾讯外包线上面试，应该是腾讯甲方来面试我，我自诉在字节短期外包项目，表达字节前端技术基建不错，很多都工具自动处理，他表达很大的兴趣，问了很多细节。我做了才3个月，哪里知道很深的细节，回答也是打哈哈。然后在问我，原型链，class，防抖，节流手搓代码。正正面试2个小时，我感觉回答还不错，这次，只要不考虑我的年龄应该是稳了。我的优势是便宜，经验丰富，主要是物美价廉。今天回复我不通过，不通过就被面试那么久，开始就拒绝我啊。体感最差，给我希望，立马浇灭。

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...