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...

在牛客看到的，真的假的....以后就是全栈了嘛

禾赛科技 嵌入式开发（操作系统）面经⚜技术是真的过硬啊，秋招嵌入式被拷打的最狠之一。原定45分钟，拷打一个半小时，涉及知识面特别广，实际问的比这还要多，记忆有限。不过也无后续，但也没挂，估计在L3缓存里面吧⭕一面（9.18）1. 自我介绍2. 项目介绍3. 有没有测量IMU精度4. 串口有几根线，中断配置？5. IIC有几根线？讲一讲怎么通信？详细说一下读取寄存器的流程6. 说一说任务有哪几种状态？就绪和阻塞的任务放在哪里？放在同一个链表上面吗？7. 任务怎么进入阻塞态？（主动挂起，被强占，争取不到资源等）8. 说一说死锁？9. 怎么解决死锁问题？（获取不到锁的时候，释放本身的资源）10. 有...