1. 自我介绍2. 为什么要通过微调模型来做代码生成？为什么不用纯 prompt 或 spec coding？答案：纯 prompt 和 spec coding 确实可以提升模型在单次任务上的表现，但它们更多是推理时约束，解决的是“让模型按要求做事”的问题。微调解决的是模型行为分布的问题，比如固定代码风格、内部框架 API 使用习惯、异常处理模式、日志规范、单测模板、目录结构约定，这些如果全部靠 prompt 塞进去，成本很高，也容易在长任务里被稀释。在缺陷修复 Agent 里，我选择微调不是为了让模型记住业务代码，而是让它学习稳定的工程动作：先读测试，再定位调用链，再改最小范围，再补回归测试...

已oc

复盘不是背面经，是把"这场为什么没答好"具体化到能动手改的程度。下面分两块讲——表达层、技术层。一、表达层：录音 → 标记 → 重答方法很简单，贵在坚持。工具就三样：一支笔、一个本子、一部能录音的手机。第一步：完整录音，客观回听每次练习答题，全程录音。答完别马上做别的事，亲自把录音完整听一遍。这个过程会让你有点不适——你会清楚听到自己在哪卡了、哪句话重复了三遍、哪段逻辑突然断了。这是正常现象，我们的目的就是把这些具体问题揪出来。第二步：纸笔分析，定位问题把录音里自己的答案用关键词或短句在纸上大致写下来，然后像批改作业一样做标记：口头禅（"嗯"、&quot...