顺丰 3.11群面

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...

受不了了，不想干java了，都是垃圾活，需求不清晰，还得自己想怎么实现，然后自己想好怎么设计怎么实现后，后期有什么数据不是他们想要的就是我的锅

俺平时都是在会议室面试的，奈何会议室被另一个同门约了面试了，楼下的实验室又有同门在做笔试，只能跑回宿舍面试。大家都懂互联网的面试指不定就一小时以上了，没有电源的地方真的不敢赌。但是俺们宿舍又属于随性派，摄像头一开就感觉乱乱的，没时间找帘子，尝试两件浅色的衣服挂在了床架上，本人坐在衣服前面，试图制造纯色背景。奈何本人比较较小，衣服也有点小，怎么挡都挡不全，总能从各个小缝隙里瞥见真相。面试官进会议的时候我就想，这局完了。

自我介绍为什么选择测试开发，对于岗位的理解和未来发展方向实习经历具体介绍开发的工具有部署在客户端或者产品上么，或者有开发过相应的 SDK 么有参加过 HiveSQL 或者公共工具的部署么个人博客中的主要内容有哪些有在 AI 方面有相关的研究方向么对于 AI 的应用有什么认识么，AI 对于测试业务有什么帮助么有过实际应用的经验么数据有校验么反问环节：部门情况：研发保障部，软件测试技术科，定位和运动健康业务面试建议：Python 开发相关能力，前端，客户端，云服务AI 应用及理解