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...

bg纯纯的双非本科，双一流垫底的垃圾大学。熬了一路，投了上百份简历，面过六十多次面试，最后上岸阿里

前言别笑，这真的是高频翻车题。在数仓面试考察建模理论这一块时，数据域和主题域的区别几乎成了必问问题。但奇怪的是，即便是在企业里干了三五年的同学，一聊到这两个概念，也常常含糊其辞。先看定义数据域：是从业务过程出发，对数据进行的分类管理，解决「数据如何管」的问题。主题域：是从分析视角出发，对数据进行的逻辑划分，解决「数据如何用」的问题。大家看完定义之后，可能还是无法对应到真实数仓建设中来，我们直接上企业真实案例！假设用户完成一次完整购物：登录 -> 浏览商品 -> 加购物车 -> 下单 -> 支付 -> 卖家发货 -> 买家收货 -> 评价/退款在整个购物...