（文猛） .appendQr_wrap{border:1px solid #E6E6E6;padding:8px;} .
example.com" export ANTHROPIC_API_KEY="your-api-key" claude 十三、实战场景示例 场景一：接手老项目，快速上手 cd legacy-project claude > /init > 帮我读一遍这个项目的代码结构，写一份给新人看的项目说明文档 > 这个项目有哪些方法债？
那肯定会有 GEO 流量 文章建议： 结论先行：在文章开头，用一到两句话直接回答。
因此，我们可以把后训练理解为对模型输出分布的重新塑造。本文重点讨论三种后训练方法： 监督微调（Supervised Fine-Tuning，SFT）：在预先准备好的标准答案上学习； 强化学习（Reinforcement Learning，RL）：从当前模型的输出中采样，再根据奖励优化； 在线策略蒸馏（On-Policy Distillation，OPD）：由学生生成轨迹，再由教师在学生实际访问的状态上提供逐 token 指导。