实习求助

自我介绍目前绩点是多少之前实验室的经历具体介绍是自己申请的么有考虑继续深造么之前几段实习的工作岗位还有部门业务的区别，具体介绍综合上来看，在你们学校对你的相关的这个专业培养方面，有哪些是很有力的支持到你的落地实操，有哪些是你觉得它其实在你们往后学弟学妹的培养当中可以持续去迭代和优化的目前对于公司的业务有明确的要求或者投递限制么目前有哪些 offer为什么不考虑其他几家家是哪里的父母退休了么父母做什么工作东莞当地有亲戚或者朋友么个人博客名字的来历对于古文化的哪一方面感兴趣在你看过的历史书籍里，印象深刻的哪一本你现在比照片上瘦了多少现在有 150 斤 么目前期望的总包是多少目前三方在自己手上么反问...

感觉就是面试官教会了我在项目里不应该总是别人说什么就是什么 那些网上的现成的拿来做本质上也可以 但是如果里面的每一个技术的使用都不经过自己大脑的思考 那么在真正的开发中不会有人来告诉你要用什么方案 所以要多锻炼自己在一个完整项目中的思考

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

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...