1. 自我介绍您好，我是XXX，目前就读于XX大学电子信息工程/自动化专业。我的技术方向是嵌入式系统开发，对单片机、RTOS、驱动开发有深入的学习和实践。技术能力方面：熟练掌握C/C++编程熟悉ARM Cortex-M系列单片机的开发熟悉FreeRTOS、RT-Thread等实时操作系统的使用和移植了解常见的通信协议如UART、SPI、I2C、CAN等了解网络协议如TCP/IP、MQTT项目经验方面：我做过智能小车、物联网数据采集系统等项目。在智能小车项目中，我负责底层驱动开发和传感器数据采集，实现了电机控制、超声波避障、循迹等功能。在物联网项目中，我负责设备端的开发，使用MQTT协议实现数据...

全都在筛选中，已经麻了😭

佬们，我这个简历寒假想投实习可以吗，现在1月份寒假实习还招人不，简历有没有什么要改的地方，欢迎锐评。

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...