一款窝囊的全自动牛马

1.深度AI使用建立自己的project无论是chatgpt还是deepseek,claude,都面临一个联网就无法上传文件的缺点。这样会导致我们每次问AI问题的时候无法基于之前给的资料，现在付费版的chatgpt,claude都有project的概念。比如我们可以把新建一个project，把产品需求文档、会议记录以及与项目相关的资料都传到project里。这样你再去提问，就可以最大程度得到基于真实资料的回复，降低AI幻觉。AI很吃上下文，你给的越准确越多，它消化的越多。2.灵活使用不同AI这句话说起来简单，但是其实我们人总会有一种路径依赖。如果用惯了一种工具，很难去更新迭代，现在AI发展速度如此之快，对于不同问题都有更匹配的AI工具。对于难题，还可以同时丢给不同AI，比如现在你要策划一个论坛活动，你同时问几个模型，有点先从目标群体入手，有点还指定财务预算，有点更看重流程。把不同Ai的深度思考进行对比，才能对这件事有一个更立体的认识。推理过程有时候比答案更重要。3.精准打磨promptprompt是与AI对话的“第一界面”，它的质量直接决定输出的深度。如果只是简单的提问，得到的回到也肯定只是浅显的回复。有效的prompt应该包含三部分。角色，任务，要求。例如:我是一名26届校招生，请基于我给你的公司招聘信息，结合我的简历，找出专业匹配度最高的3个岗位，并列出适配的理由，最后给出推荐优先级。即使你有Project中的丰富资料，如果提问模糊，AI仍可能忽略关键信息或产生幻觉。所以精准打磨Prompt是用好AI的关键。

执行下列程序，输出结果为（）def fun(a,*,b):    print(b)fun(1,2,3,4)A [2,3,4]B [3,4]C 报错D 4解析：错误原因函数定义 def fun(a,*,b): 中的星号 * 表示其后的参数 b 必须作为关键字参数传递。因此，该函数只接受一个位置参数 a，而 b 必须通过名称指定（如 b=2）。调用 fun(1,2,3,4) 传递了四个位置参数，导致 Python 解释器抛出异常。错误信息通常为：text TypeError: fun() takes 1 positional argument but 4 were given 修正方法如需正确调用...

之前在家里一些小公司面试时，一致的是能在公司环境中看见各种各样的狼性文化大字，工位的员工死气沉沉，整个环境也是压抑得不行。里面面试官和领导人员是咄咄逼人那种，能说出“你自己觉得这份简历有什么可突出的？你要跟别人比的，不是和你自己比哦”，没上班就开始压力了，实习生狐假虎威，跟着老员工嗤笑面试者。还好回家后看到小红书也有挂这个公司，那我就放心了。

找工作以来，我最看不惯的不是工作本身，而是加班。不是因为我怕累，而是因为加班往往意味着时间被无形地偷走了。加班会让人失去生活的节奏。原本可以和朋友聚一聚、可以读一本书、可以运动、可以陪家人，但时间被“工作”占据后，生活只剩下重复的工作—睡觉—工作。人开始像机器一样运转，渐渐忘记自己也需要呼吸和放松。更难受的是，加班并不一定代表高效率。很多时候它只是因为计划不清、沟通不畅、任务分配不合理，或者有人习惯性地把工作拖到最后一刻。明明可以用更聪明的方式完成，但却用“加班”来掩盖管理上的问题。我并不是反对努力，而是反对那种把加班当成常态的文化。工作是为了生活，而不是为了被工作吞噬。真正有价值的工作应该是...