历时一个月，终于等到腾讯oc了

Elasticsearch 的作用Elasticsearch 是一个分布式搜索与分析引擎，核心价值是把文本和结构化数据建立索引后，支持高性能检索与聚合统计。它适合做查询层，比如消息搜索、日志检索、复杂条件过滤和运营分析，不适合作为强事务主库。用户A给用户B发消息，如何做到消息转发标准做法是先持久化再投递。A 发消息到接入层后，服务端先完成鉴权、生成消息 ID、写入存储或消息日志，再根据 B 的在线状态做路由。在线就通过长连接实时推送，离线就写离线队列，等 B 上线拉取。B 收到后回 ACK，服务端更新投递状态；如果超时未 ACK，就走重试或补偿。这样才能同时保证可靠性和可追踪性。HTTP 做业...

本科没学到啥东西，开源项目做了俩个，请问大伙怎么改一下简历好呢？

我滴老天爷，在一个我方便的时候，接到了一个不方便处理的电话，真的很炸裂。hr在那里讲，我回答嗯。hr问我，我只能以最简单的方式回答。我坐在马桶上，掉下去的便便把水溅到我的pp上，我右手拿着电话，左手去扯厕纸，一边忍着我的肚子隐隐作痛。hr介绍了大致位置，大致业务方向，告知大致的工作内容，但我什么也不记得。我只知道我的左右隔间都有人，我不想让别人知道我在面pdd。hr声音很大，我觉得别人一定听到了，但我没办法阻止。等我解决完我的个人问题，hr说那我们今天就先聊到这里。我松了一大口气，扭头又进了厕所隔间，马桶圈还没凉呢。

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...