秋招随笔

1️⃣ 请先做个简单的自我介绍？ 😊 2️⃣ 能否谈下你应聘这个岗位的优势？ 🌟 3️⃣ 你的职业规划是什么？ 🎯 4️⃣ 为什么选择学而思作为你的求职目标？ 🏢 5️⃣ 你对学而思的课程顾问岗位有哪些了解？ 📋 6️⃣ 描述一次团队合作的经历，你在其中扮演了什么角色？ 🤝 7️⃣ 遇到工作压力大时，你通常如何应对？ 😊 8️⃣ 面对家长和学生的投诉，你会如何处理？ 💬 9️⃣ 如何向一个对学而思课程持怀疑态度的家长介绍课程？ 📚 🔟 请举例说明你如何通过有效沟通解决过一个问题。 💡 1️⃣1️⃣ 描述一次你认为成功的销售或推广经验。 🚀 1️⃣2️⃣ 你如何看待持续学...

对不起各位，标题党了。最近几天都在找实习，今天下午面试了一个后端开发岗，一上来就叫我写力扣。有一个不会换了一道题写出来了，但是整体给面试官的感觉还是不太行，也深深知道了自己在这方面有很多欠缺。不出意外的话，今天下午面试应该是挂掉了。我现在有一个问题，想了想问大佬们。 我现在手上有一个51word的offer，它的方向是 自动驾驶仿真场景和AIGC ScenarioCopilot。但是我主要现在还是想找一个JAVA后端开发的日常实习，因为一直在学java。不知道该怎么选了，求大佬们支招。另外下面是我的简历，大佬们看看有没有需要修改的地方。学生管理系统就是苍穹外卖改版，当时都没学到redis，学完增删改查就开始投了。二更：麻烦大佬们看看我最新的帖子，看看我该选哪个

高高兴兴打开牛客10个沟通，心中暗喜点进去一看都是遗憾不能和我共事😅😅

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...