好未来内推

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...

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。

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

题目链接打印图案问题：1.观察每一行由什么组成？字符、数字、空格2.每一行的元素、空格个数和行数的关系？找出规律3.每一行用字符串记录（本质是字符数组），循环打印出字符串改进：采用字符串存一行，该图案就只能按行分解，采用二维数组，即字符数组存，可以按列分解，而且打印每行前不用初始化了。