美团的暑期实习到底要招什么神仙？

********上有个“扣友新春联欢活动”，点进去看了一下，大家太有才了

1、自我介绍2、Agent项目是实习项目还是个人项目？有没有上线？3、拷打实习（10min）4、大模型微调，你的训练数据集是如何构建的？数据量有多大？5、在构建数据集的过程中，遇到了哪些挑战？花了多长时间？6、你之前的实习经历偏后端工程，你未来的职业规划更倾向于纯后端开发，还是希望从事与AI/大模型结合的工作？7、详细讲一下Golang中Channel的概念和作用，它是否是并发安全的？8、Channel和传统的锁（Mutex）在实现并发控制时有什么区别？各自的适用场景是什么？9、讲一下GMP模型10、当P的本地队列为空或者不为空时，它会怎么去调度G（协程）？11、Redis支持哪些数据结构12、为什么Redis的速度这么快13、如何实现一个类似淘宝搜索框的实时商品名称模糊搜索功能？14、实时输入联想与输入完成后点击搜索在技术实现上有什么本质区别？15、实时搜索通常使用什么网络协议（如WebSocket）？你了解或有使用过吗？讲一下16、请详细说明微信扫码登录的完整流程和背后发生的原理17、在微服务架构中，服务发现和负载均衡是如何实现的？18、服务注册中心（如Nacos, Consul）是如何工作的？服务实例如何注册和保活（如通过心跳机制）？19、讲一下Agent中的“长短期记忆”20、什么样的信息应该放在长期记忆，什么样的信息放在短期记忆？21、当对话轮数很多，上下文窗口不足时，有哪些处理策略？（如截断、压缩）22、如果要进行记忆压缩，通常有哪些方法？23、了解过Agent的设计范式吗？有哪些？24、你设计的Agent是怎么实现ReAct模式的？详细讲讲25、手撕：实现一个并发任务处理器：给定一个包含100个任务ID的列表，要求控制最大并发数为3，模拟并发调用某个外部接口（如打印ID）26、反问

就业还是考研有点犹豫，408太难不敢考，大佬们怎么看的

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...