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...

全都在筛选中，已经麻了😭

对面问我用的什么手机我说苹果对面已读不回了然后发现这个岗位一周7天HR不会以为填信息是回答问题吧？全年无休吗？

1. 介绍一下你做过的项目，重点说说技术难点 (15min)答案要点：选择1-2个最有技术含量的项目深入讲解强调：性能瓶颈分析、内存优化、多线程并发、崩溃率降低用数据说话：启动速度提升40%、内存占用降低30%、崩溃率从2%降到0.5%准备追问：为什么这么设计？有没有考虑其他方案？如何权衡的？2. 智能指针有哪几种？shared_ptr的实现原理智能指针类型：unique_ptr：独占所有权，不可拷贝只能移动shared_ptr：共享所有权，引用计数管理weak_ptr：弱引用，解决循环引用问题auto_ptr：已废弃（C++11）shared_ptr实现原理： template<typ...