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...

😓😓 日常实习3技术面+HR面。周三完成的HR面，然后今天问HR什么结果，然后。。。真是一个悲伤的故事😅

末九本科参加春招，之前考研，不过已经寄了。这个不是简历，是我现在四年的所有经历，目前主要是不知道选那个方向，大模型算法那些听说很难，但是硬件我又不会，求指点方向。

📍 个人情况本科计算机专业，毕业后从事非技术岗位工作。2025年初开始考虑回归技术路线，在某乎上偶然看到有人分享华为OD的入职体验，私信联系后得到了详细指导。中间间隔了半年时间准备考研，失利后决定全力投入求职，系统复习两个月后投递简历。🖥️ 在线笔试（满分300）笔试通知通过短信+邮件双重发送，有效期5天。需要提前安装指定考试系统，进行摄像头和麦克风测试，考试期间禁止切屏。题目分布：第一题（100分）：字符串处理题，统计连续相同字符的最大长度。思路清晰但边界条件漏判，得分85第二题（100分）：贪心算法，分配资源使收益最大化。一次性通过第三题（200分）：图论最短路径变形题，用Dijkst...