有一次我对 AI 提了一个离谱到自己都觉得好笑的 Java 需求：“帮我写一个程序，自动找出所有内存泄漏、生成修复补丁，并直接提交到 Git。”这需求看起来像“自动化神器”，但本质是想让 AI 变成一个会理解业务、会分析代码、会操作版本库的全能工程师。更离谱的是我还加了一句：“顺便统一项目所有日志格式、处理所有异常，并回滚到上一版本。”AI 当然给了我一套很完整的方案，但我知道真正落地会非常复杂，也很可能把项目搞崩。后来我才明白，离谱的需求可以问，但别指望 AI 代替工程师做所有决定。

是腾讯的csig腾讯云，前天晚上九点突然打电话约面，激动的通宵学了一晚上，第二天状态很差改了今天（以后再也不通宵学习了）感觉自己浪费了面试官一个半小时单纯手写＋场景，无八股无项目无算法，打击真的很大，全是在面试官提醒的情况下完成的，自己技术方面真的还是有待提高，实力匹配不上大厂和已经面试的两个公司完全不一样，很注重编码能力和解决问题的能力，然而我这两个方面都很薄弱，面试官人很好很耐心的等我写完题目，遇到瓶颈也会提醒我，写不出题也会很耐心的跟我讲解好感动，到最后面试结束还安慰我打算把下周最后一场面试面完之后就不面啦，如果能去实习还是很开心，但是最重要的还是好好努力提高技术以下是面经第一题// 实现一个解析 url 参数的函数function parseUrl(urlStr) {// TODO}parseUrl('*********************************************');// 返回 {a: 1, b: 2, c: 3}追问：在链接里见过什么部分？用 hash 路由的话放在哪第二题// 考虑有一个异步任务要执行，返回 Promise，这个任务可能会失败，请实现 retry 方法，返回新方法，可以在失败后自动重试指定的次数。/*** 异步任务重试* @param task 要执行的异步任务* @param times 需要重试的次数，默认为 3 次*/function retry(task, times = 3) {// TODO: 请实现}// ---------------测试示例 ----------------// 原方法const request = async (data) => {// 模拟失败if (Math.random() < 0.7) {throw new Error('request failed');}const res = await fetch('https://jsonplaceholder.typicode.com/posts', {method: 'POST',body: JSON.stringify(data),});return res.json();}// 新的方法const requestWithRetry = retry(request);// 使用async function run() {const res = await requestWithRetry({ body: 'content' });console.log(res);}run();第三题就是给 retry 函数添加类型注释，用到泛型第四题：在组件库中将 Alert 用 api 的形式实现（应该就是 message 这个组件）怎么渲染到一个浮层里而不是原地渲染出来

平台这么早预料结局？    

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...