Claude Code 51万行源码泄露后，技术圈都在拆架构、看代码。但对产品经理来说，这份源码里藏着的不是技术细节——是一整套"如何让用户信任 AI 去做真实工作"的产品方法论。  一、Prompt 不是文案，是产品规则引擎 大多数 PM 理解的 prompt = "写一段好的提示词"。Claude Code 的做法完全不同：  7 层动态拼装：静态宪法（行为准则）+ 动态政策（环境/记忆/会话状态） 每个工具配独立使用手册（prompt.ts），不是一段通用说明 缓存边界精确划分：静态部分走缓存省钱，动态部分按需注入  PM 启发：如果你在做 AI ...

这种实习能去吗？    

我是犯天条了吗？大佬们

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...