滴滴校招内推

在构建AI Agent（智能体）时，如何引导大模型有效完成复杂任务是一个核心问题。当前主流范式主要有两种：ReAct（推理+行动） 和 Planning & Extractor（规划+提取器）。它们都旨在增强模型的自主性和任务执行能力，但在工作流程和适用场景上存在显著差异。本文将通过实例对比两者的异同，帮助企业根据实际需求选择合适范式。一、ReAct范式ReAct由Shunyu Yao等人提出，其核心思想是让模型在生成过程中交替进行“推理”和“行动”。模型会先思考当前状态（Reasoning），然后决定采取什么行动（Acting），如调用工具、查询知识库，之后根据行动结果再次推理，直至...

1、自我介绍2、Agent项目是实习项目还是个人项目？有没有上线？3、拷打实习（10min）4、大模型微调，你的训练数据集是如何构建的？数据量有多大？5、在构建数据集的过程中，遇到了哪些挑战？花了多长时间？6、你之前的实习经历偏后端工程，你未来的职业规划更倾向于纯后端开发，还是希望从事与AI/大模型结合的工作？7、详细讲一下Golang中Channel的概念和作用，它是否是并发安全的？8、Channel和传统的锁（Mutex）在实现并发控制时有什么区别？各自的适用场景是什么？9、讲一下GMP模型10、当P的本地队列为空或者不为空时，它会怎么去调度G（协程）？11、Redis支持哪些数据结构12、为什么Redis的速度这么快13、如何实现一个类似淘宝搜索框的实时商品名称模糊搜索功能？14、实时输入联想与输入完成后点击搜索在技术实现上有什么本质区别？15、实时搜索通常使用什么网络协议（如WebSocket）？你了解或有使用过吗？讲一下16、请详细说明微信扫码登录的完整流程和背后发生的原理17、在微服务架构中，服务发现和负载均衡是如何实现的？18、服务注册中心（如Nacos, Consul）是如何工作的？服务实例如何注册和保活（如通过心跳机制）？19、讲一下Agent中的“长短期记忆”20、什么样的信息应该放在长期记忆，什么样的信息放在短期记忆？21、当对话轮数很多，上下文窗口不足时，有哪些处理策略？（如截断、压缩）22、如果要进行记忆压缩，通常有哪些方法？23、了解过Agent的设计范式吗？有哪些？24、你设计的Agent是怎么实现ReAct模式的？详细讲讲25、手撕：实现一个并发任务处理器：给定一个包含100个任务ID的列表，要求控制最大并发数为3，模拟并发调用某个外部接口（如打印ID）26、反问

最近看到很多 92 的，甚至是硕士，开始往测开赛道卷，说实话有点看不懂。先把话说清楚，大厂里的测开，绝大多数时间干的还是测试的活，只是写点自动化脚本、维护测试平台、接接流水线，真正像开发一样做系统、做架构、做核心平台的测开少得可怜，基本都集中在核心提效组，而且人很少，外面进去的大概率轮不到你，我想真正干过人都清楚。很多人被洗脑了，以为测开也是开，和后端差不多，只是更简单、更轻松、还高薪。现实情况是，测开和开发的职业路径完全不一样。开发的核心是业务和系统能力，测开的核心是稳定性和覆盖率，前者是往上走，后者天花板非常明显。你可以见到很多开发转测开，但你很少见到干了几年测开还能顺利转回开发的。更现实一点说，92 的高学历如果拿来做测开，大部分时间就是在做重复性很强的杂活，这种工作对个人能力的放大效应非常弱。三年下来，你和一个双非的，甚至本科的测开差距不会太大，但你和同龄的后端、平台开发差距会非常明显。这不是努不努力的问题，是赛道问题。所谓测开简单高薪，本质上是把极少数核心测开的上限，当成了整个岗位的常态来宣传。那些工资高、技术强的测开，本身就是开发水平，只是挂了个测开的名。普通人进去，99% 做的都是项目兜底型工作，而不是你想象中的平台开发。测开不是不能做，但它绝对不是开发的平替，也不是性价比最优解。如果你是真的不想做开发，追求稳定，那测开没问题。但如果你只是觉得测开比后端容易，还能进大厂，那我劝你冷静一点，这只是在用短期安全感换长期天花板。有92的学历，如果你连测开这些重复性工作都能心甘情愿接受，那你把时间精力用在真正的开发、系统、业务深度上，回报大概率比卷测开要高得多。想清楚再下场，别被岗位名和话术带偏了，就算去个前端客户端也是随便占坑的，测开是一个坑位很少赛道，反而大面积学历下放，不用想也能知道会是什么结果，我想各位在JAVA那里已经看到了

自我介绍在学校里面学的好的课程有哪些网络七层模型TCP/IP 四层模型为什么会有这些分层IPV4 和 IPV6 的区别数据库的各个范式，具体讲解实习经历中的工具开发部分，具体讲解这个工具的需求方是哪个部门功能测试的经历具体讲解，其中回归测试的流程如何看待大模型技术的发展大模型的原理以及可能出现信息错误的原因有哪些优点有什么缺点有什么兴趣爱好为什么对公司的这个岗位有意向薪资待遇方面有什么期望反问环节：