题解 | #数字颠倒#

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...

面试官开口就问：“同学，你期望的工作地点是哪儿啊？”我想都没想直接说：“广州啊。”对面瞬间安静了半天，然后慢悠悠来了句：“同学，我们总部在北京，秋招也只招北京的岗。”我当时直接懵了，脱口就是一句：“啊？北京？你们公司在北京啊？那北京也行！”