打卡第20天

【高工资和高福利】 🔸实习薪资本250/d，研300/d统一；校招社招薪资也很有竞争力 🔸Manner员工内购减10，自带杯再减5，能白嫖大多数饮品；新人入职day全天manner畅饮不限杯数（实习生入职也算，所以有新员工入职全部门可蹭 🔸有一整栋楼用来休闲娱乐，酒吧、猫屋、健身房、影音室、游泳馆、电竞房应有尽有，条件比市面大部分场所还好（所以员工是真的周末会来公司玩） 🔸每层配备卫生巾、常见药品，行政部门更换及时；超绝办公环境，升降桌、MacBookpro、人体工学椅是标配 🔸有班车从地铁到公司楼下（其实走过去也不远 【友好的企业文化】 🔸#莉莉丝游戏 企业文化是“简单真诚”，工...

五年攒到100w，最快的应该是去大厂pdd，腾讯，字节，小红书……大概率能在五年之后攒到纯现金100w……做算法的更快，三年就能达标！说实话，目前自己连10w都没攒到，100w都不知道要到猴年马月了……

应聘了很多家公司，基本上都是小微企业，双非真的无缘大厂吗？哪位大佬帮我看看简历啊？！

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...