擅长把“问题不大”处理成真正没问题。主要研究软件工程与问题排查，记录项目复盘、架构设计以及那些看似简单却很容易踩坑的问题。保持好奇，保持实践，也保持独立判断。
我用同一个商品评论结构化抽取任务，对比了5种不同Prompt设计在GPT-4o-mini和Qwen2.5-7B-Instruct上的表现。结果很反直觉：最啰嗦的“详细说明+多示例”Prompt单次消耗1800+ token，F1只有0.82；而精简后的结构化Prompt只花420 token，F1反而达到0.94。这篇文章完整记录了实验设计、代码实现、踩坑过程和最终数据，帮你搞清楚Prompt E
随着项目迭代到10万行代码，Context/Props导致的无效渲染占比达37%，首屏交互延迟从120ms恶化到400ms+。本文记录一次从Context/Props到Zustand(React)与Pinia(Vue)的完整迁移实践。通过对比3种方案（Context、Zustand、Redux Toolkit/Pinia）的内存占用与渲染性能，给出可落地的迁移步骤与代码改动量评估。迁移后，Reac
微调一个7B大模型需要多少显存？全参数微调至少需要4张A100，但使用LoRA仅需单张24G显卡即可完成。本文记录了一次从0到1的微调实践：基于Qwen2-7B基座，用30万条领域问答数据，通过LoRA将模型参数冻结，仅训练0.1%的参数量（约7M参数）。展示完整的代码实现、loss曲线分析，以及推理效果对比。踩坑经验包括：序列长度对loss的影响、学习率与rank值的匹配关系、以及QLoRA下梯
当项目从几百组件膨胀到数千组件，Context API的穿透渲染问题让页面卡顿超过300ms。本文记录了一个真实的中后台项目，从React Context + Vue Provide/Inject混合架构，迁移到Zustand + Pinia统一状态管理的完整过程。包含两个方案的渲染性能对比数据（Context方案下无关组件重渲染率68%，迁移后降至12%），以及如何通过细粒度selector和订
