一面面试官来自迅雷浏览器 1. 自我介绍 2. 分享 C 端相关的经历 3. 对 2 提到的消费者售后需求，竞品是怎么做的？ 4. 暑期实习工作 5. 对 4，如何理解首页资源既是用户编辑的地方，又是运营可以操作的地方 6. 使用情况的量级 7. 基础体验最应该做的事情是什么？ 现状：功能创新少，策略渗透多。 因此，最应该做的事是策略的精细化运营，给每个人不同的产品体验 产品责任：定义运营位的使用规则、体验边界、运营能力，做好运营平台的建设，让运营跟正常开发解耦。 8. 迅雷浏览器体验中的亮点/槽点 9. 其他有意思的产品分享下 豆包 PC 端 - 插件做场景渗透，把我黏住了，选中文字浮起工具...

零实习进大厂，本质上是因为他们的简历证明了他们不需要通过实习来证明能力。很多同学在大二大三就参加过ACM-ICPC等顶级算法竞赛，拿过金银牌，这种含金量远超一份在大厂里偶尔修修边角的实习经历。面试官在招人时，逻辑非常简单：实习经历是证明“你做过类似的事”，而竞赛成绩和高质量的开源项目证明的是“你具备极强的学习和解决问题的潜力”。在大厂看来，潜力往往比经验更值钱，因为经验可以积累，但那种极客般的敏锐度是很难培养出来的。

1h10min节奏超级快，全程追着项目细节拷打无八股手撕*2螺旋数组，输出大于某个值的最短子数组和项目细节:1.防止超卖是怎么设计的2.压测后提升qps的处理流程3.rag存储数据过多，肯定会有问题，如何对向量数据库中的数据压缩处理

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...