金三银四已过半，大家收获如何？

入职vivo东莞长安总部一个月，每天都被细节里的温暖打动。 办公环境超赞，开放式工位采光充足，绿植错落有致，会议室配备高清屏，跨部门沟通很顺畅。茶水间24小时供应咖啡和茶饮，累了站在落地窗前眺望，能看到园区里的球场和各种绿植，瞬间回血。 饮食完全不用愁，总部食堂每天换着花样来，粤式烧腊、川湘小炒、轻食沙拉应有尽有，价格还很亲民，十几块就能吃顿丰盛的午餐，每天的食谱还可以在内部平台查询。偶尔想换口味，周边商圈也有不少选择，打车十分钟就能到。 住宿方面，公司安排的公寓宿舍离办公楼步行十分钟，单人间带独立卫浴，生活用品、空调、洗衣机配齐，楼下就是便利店和快递驿站，生活超方便。 最惊喜的是公司健身房，...

本人由于实习，11月才开始投递简历，但是目前只收到2次面试双非本这么难吗，还有大厂是不是不收双非请教一下我与目标岗位的差距，这个岗位是不是卡学历？

timeline1.13打电话约面1.20 一面 第二天约二面1.23 二面 过了一个周末约三面1.28 三面2.2 通知三面过 offer审批2.5 oc

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...