海康二面

简介/背景 最近我在做一个改简历的智能体。一开始用的是 Spring-AI-Alibaba（SAA），但实践下来迭代慢、效果也不稳定。后来我用 Codex 写 Skills，很快就把流程打通了，效果明显好很多。这件事让我坚定一个想法：生活里 90% 的事情都应该用 AI 来提效。   核心要点  绝大多数日常事务其实是 SOP，AI 比人更擅长稳定执行 人的价值更在“判断与目标”，而不是重复性动作 Skills 是把经验变成可复用流程的最好方式之一 不要只看模型强不强，关键是“能不能落地成流程”   对程序员和学生的具体用法 程序员：把“需求拆解、方案对比、接口文档、单测补全、发布检查”变成 ...

找寒假实习，薪资没有要求，想学习经验

非科班，寒假做了一个项目，八股还有很多没背完，正在做hot100，操统和计网应该背八股还是学一遍学校课程。今天整理了一下简历发现可写的东西好少，应该再补充一个项目或者写点什么吗。准备3月份开始投日常实习，简历上还可以写些什么，求牛爷爷们指导锐评，不玻璃心🥺

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...