1. 你做过的后训练项目里，最难解决的问题是什么2. SFT 数据你怎么构造，怎样避免模型被训练“油了”SFT 最大的问题不是量不够，而是数据风格太单一，最后把模型训成一种固定腔调：很会说、很圆滑、但信息密度低。构造数据时我一般会先按任务拆层，比如信息抽取、工具调用、复杂问答、拒答、安全、长文总结、结构化输出，每一层的目标都不一样。然后再做难度分桶，避免模型只见过简单样本。另一个关键点是负面风格清理。很多数据表面上没错，但非常模板化，比如“这是一个非常好的问题，让我们一步一步分析”，这类东西在少量数据里没问题，规模一大就会把模型带偏。所以我会专门清掉这种“高礼貌、低信息”的样本，保留更接近真实...

发现几个在GitHub 上跟 Vibe Coding 强相关的开源项目，跟大家分享一下第一个：aicodeguidehttps://github.com/automata/aicodeguide如果是零基础，或者一直觉得“自己不懂编程，玩不转AI编程”，这个项目会适合你。它本质上是一份AI时代的编程路线图，不纠结于枯燥的语法教学，核心是教你怎么用Cursor、Bolt、Claude这些工具，通过合适的Prompt指令，把想做的事情落地完成。我一直把它当作Vibe Coding的“新手村”，零基础入门首选。第二个：vibe-coding-prompt-templatehttps://github...