阿里四面了显示还在面试中，笔试还要做嘛

自从一月份回来一直在休息，上一份实习干的生无可恋了，每天偶尔刷两道算法，写写毕设或者就是出去打球，感觉八股已经忘干净了。但是现在家里已经快呆不下去了（家可以常回但不能长待这句话说的是真没毛病），想着过完年再找个实习，但是又怕实习期间没有精力准备春招（秋招就是这样），大家有没有什么建议#春节前，你还在投简历吗？#

【个人背景】双非ACMer，大四才艰难拿到区域赛铜，十一月份退役后开始转战Java后端。【学习与项目历程】（项目是边投简历边更新）起初跟风做了苍穹外卖和黑马点评，然后学了微服务后将单体点评项目拆分为微服务架构，并加了几个分布式事务这种功能，最后写了个经典的rpc框架轮子项目把外卖顶掉，八股的话现在背的已经很熟练了。【面试复盘】（十二月份开始投简历，根据时间排序）目前投递反馈越来越差，心态有点崩：简单一点科技：拿到Offer拒了（团队规模太小，担心技术成长）。有赞 / 海致星图：一面挂（感觉八股背得不够深，场景项目题被问懵）。幂律科技：二面挂（反馈实习期短/不稳定，面试经验不足被发现我不想转正）。百望云：三面中（秋招岗位终面需要线下面试，正在纠结）。【目前的困惑】最近一周SSOB上几乎没有面试邀约，感觉简历被卡得厉害（大概？）。是不是我的项目太典了？双非大四现在找实习是不是已经太晚了？应该直接准备春招吗？没有实习春招真能找到合适的工作吗？百望hr给我说线下面试通过率75%，我怕过去一趟被一脚踢死。。。导致又没有offer又没有money起初我是想赶紧找到一份实习填充一下简历，然后春招再升级，现在感觉gg了。

如图。

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...