网易互娱一面游戏用户运营岗，一面是业务面，少量有关简历的问题。自我介绍2-3分钟实习经历+收获，校园科研经历+获得的能力，体现出特色实习中有什么样的收获？同类型的问题有：实习中的挑战，最大的感触等，最后的落脚点可以落在通过这些挑战获得了什么的感触等对这个岗位的认识从用户运营的对象，手段，目的等方面入手，形成体系，回答会更有逻辑对回答到的几个流程有什么指标衡量？拉新：新增用户数。促活：日/周/月活跃用户、DAOT = 日总计在线时长/日活跃用户数。这是衡量游戏粘性的重要指标。留存：次日留存率，七日留存率等付费：付费渗透率等最近经常玩的游戏开始进入正题了，一定是特别了解或者提前了解过的游戏，因为后...

双9硕，大模型算法，总包170w-200w。很有诚意，无签字费。已接。

一天996可以，一周可以，一年可以，三年可以，五年呢？十年呢？最近深圳36岁工程师猝死，公司24小时注销微信让人心寒。甚至在他猝死后的一个小时后他又被拉入新的工作群，群友还艾特他处理订单。死亡8小时后，他的手机还收到私聊工作信息，“周一要把这个改下”。这位程序员一直认真负责，卷到了部门经理的位置，却在36岁的壮年猝然离世。再高薪的工作也不值得用健康去换。成果是公司的，命却是自己的。

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...