格力是我毕业的第一份工作，其实蛮多不舍，而且说实话，格力也很适合我！ ⭐️入职：入职格力电器，首先是非常难得，光面试环节就有四五轮，我从西安投递简历，通过筛选，需要到总部进行复试，就这一点已经击退了很多人。（疫情原因很多改成了线上） ⭐️面试：格力的面试不像别的公司，格力会更看重一个人的品行，道德，稳定性。因此可以看到很多专业并不是特别出众的人，会拿到offer。因为任何人进来，公司都会对他进行一年的培训，很全面，而且导师也很仔细！所以我经常也讲，格力是职场的黄埔军校！ ⭐️工作：在格力工作，是一个非常好的平台，首先你会接触但各种不同岗位的同事，向他们请教也不会有怨言，不管做什么工作，什么部门...

一面问我后端，微服务数据库redis消息队列，计算机网络操作系统八股。二面问我agent，mcp，智能体框架，langgraph，多智能体协作范式，sse，react，function calling，CoT，few-shot，幻觉，记忆管理，rag流程和优化，工作流。三面问我有没有部署过大模型，微调，强化学习，目前垂直落地领域和常用架构等。

我连实习经验都没有，就一个臭民办，然后HR直接要我简历，发过去之后问问我java学的咋样，我说还行，HR就问我我要不要进行线上机试（远程写demo），现在好紧张，啥也不会啊

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...