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...

大佬们看看，有没有什么还要修改的地方，第一个项目做的是黑马点评，加了一个rabbitMQ，第二个项目是鱼皮的API开放平台结合了一下鱼皮的大语言对话模型项目

不知道是不是简历出大bug了 求各位大佬指点

我是25年的毕业生，专科学历，在一家小公司就职，这家公司还不是主做软件的，现在开发算我就两人一个前端一个后端，还有一个产品一个测试，给公司做自研的产品，没有提成，死工资，在天津5000块，给的又少事又多，想跳槽转后端大模型应用开发，会一点python基础，有大佬能给个建议吗