春招offer选择求助帖

1. 介绍一下你做过的项目，重点说说技术难点 (15min)答案要点：选择1-2个最有技术含量的项目深入讲解强调：性能瓶颈分析、内存优化、多线程并发、崩溃率降低用数据说话：启动速度提升40%、内存占用降低30%、崩溃率从2%降到0.5%准备追问：为什么这么设计？有没有考虑其他方案？如何权衡的？2. 智能指针有哪几种？shared_ptr的实现原理智能指针类型：unique_ptr：独占所有权，不可拷贝只能移动shared_ptr：共享所有权，引用计数管理weak_ptr：弱引用，解决循环引用问题auto_ptr：已废弃（C++11）shared_ptr实现原理： template<typ...

刚刚接到一个自称是腾讯广州微信事业群的面试官的电话，声音很低沉。问我是否还有意向找实习，我一听是腾讯，必须得有意向啊，就算是KPI面也值得了。但是！我刚回复一句:"有意向啊，肯定有啊"。面试官:"不好意思，算了"???? 到底要干啥?

早上十一点面的，一直面试中，😇感觉要被挂了

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...