很多人学Agent上来就啃框架文档，结果越看越懵。不如先把Claude用透。日常用Claude的过程中，你会自然遇到三个问题：为什么有时候回答很准，有时候一塌糊涂？为什么给的上下文不一样，结果差这么多？为什么有些任务它能自己拆解，有些完全跑偏？这三个问题就是Agent的核心：prompt工程、上下文管理、任务规划。从这里展开学就有方向了。prompt写不好，Agent就是个废物，先把Claude的system prompt、few-shot、chain of thought这些玩明白。然后学RAG，因为Agent需要调用外部知识，向量数据库怎么存怎么检索得懂。再学tool calling，Cl...

像这种简历是不是直接要被扔进垃圾桶啊。看了别人的简历再看自己的感觉完蛋了。求大佬们不吝赐教😭😭😭

史上最尬，没有之一😂我是社招。3月26日，第7次，一面挂，就扯了20分钟，感觉可能是kpi。4月3日，今天又有电话打来了，约了下周二晚上的面试。第8次了。敢打我就敢面

1. 自我介绍2. 为什么要用 DPO，你的 DPO 数据从哪里来DPO 主要用来做偏好对齐，让模型在两个候选答案中更倾向于选择符合业务偏好的回答，而不是只学会复现标准答案。SFT 解决的是“会不会做”，DPO 更偏向解决“更喜欢哪种做法”。数据一般不是直接从线上拿一问一答就能用，而是先用上一版 checkpoint 对同一批 prompt 做多候选采样，再经过规则、模型评审和人工复核构造 chosen/rejected。这里不用商业 API 蒸馏正反样本，是因为不同模型的输出分布和本地模型不一致，直接蒸馏会让偏好边界偏到外部模型的风格上，最后 DPO 学到的是别人的分布，不一定能提升当前模型...