自我介绍实习经历介绍（这里就不详细展开，因为每个人不同，下面会记录一些闻到的通用的场景题）做一个开放平台需要有哪些模块开放平台的鉴权如何做，有没有了解过OAuth2开放平台的网关能做一些什么事情KV数据库的选型怎么考虑如何设计一个秒杀系统热点行更新是具体怎么做的对 AI 了解到什么程度为什么想要做Agent相关的工作飞书的MCP工具是如何写的你的AI coding的经验有哪些（因为给面试官说AI代码覆盖率到90%+，所以问了很多）如果做一个通用Memory的功能未来如何打算无算法题

本科计算机大三，想找嵌入式软件开发实习，年后投递，求简历锐评和最后1个月的准备建议🙏

让我填高考排名分数就算了，还问我大学努不努力，有无acm 队我要真打acm 还有必要找这种中厂水面试经验吗不管了瞎填吧，那就面试会会你，看看面试官有多抽象

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...