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...

是我简历或者招呼语有问题吗，问了几十个只有一两个已读，已读之后也不回我

关于“实习生工资多少才算正常”，其实并没有一个放之四海而皆准的标准，但如果结合一线城市的生活成本、工作强度以及实习本身创造的价值来看，我个人认为6000 元左右应当是一个基本及格线，也就是每天 200 多元。如果能达到 300、400 元一天，甚至更高，那无疑是更理想的状态。首先，从现实成本看，房租、通勤、餐饮几乎都是刚性支出。低于这个水平的实习，往往意味着实习生需要用家庭或存款“倒贴”工作，这在长期来看并不合理。实习本质上是学习，但并不等于“廉价劳动力”，更不应该是经济压力的来源。其次，愿意给实习生更高薪资的公司，通常不会是差公司。这至少说明两点：一是公司资金相对充足，不是靠压缩人力成本勉强维持；二是公司认可实习生的价值，希望你真正参与业务、创造产出，而不是只做边角料工作。很多高薪实习往往伴随着更规范的培养体系、更高的信息密度和更真实的项目经验。当然，高工资并不等于一切，但它往往是一个重要信号。能给到 300、400 元一天甚至更多的公司，往往对效率、能力和长期发展更有追求，也更可能处在一个有前景的赛道中。总结来说，实习工资不仅是钱的问题，更是公司态度、实力和发展前景的体现。在条件允许的情况下，争取一份“付得起你时间”的实习，本身就是一种理性选择。

目前大二，不知道后面该走什么方向了，现在是继续做其它项目学一些通用技术栈，还是去找实习呢