前言：我是一个相对“佛系”的人，对我而言，赚钱的目的是为了更好地生活，而不是让青春在无意义的加班中枯竭，我的人生，本就该由我自己定义，无关对错。相比于无止境的内卷，我更偏爱独处与自由,喜欢大自然。我喜欢写游记、开发自己的工具、在绿茵足球场上奔跑。幸运的是，我最终入职了一家给出了 大厂 SP 薪酬诚意、且能让我保持 WLB的公司。回望2025，这是幸福、焦虑与充实并存的一年。📍 第一阶段：积蓄与征战（2025.01 - 2025.08）年初到盛夏，我将大部分精力投入到了日常实习与暑期实习中。作为比较菜and双非本科生的我深知求职难处。求职清单： BOSS沟通 1700+ 次，官网投递 20+ ...

看到一个字节内部员工爆料，自己中午12:00外出吃饭，14:00回到工位，算旷工！更魔幻的是帖子的评论证实，员工手册里白纸黑字确实是这样写的。中午这段时间外出需要和领导报备，不能在外面，也不能回家吃饭。原来所谓的“午休两小时”，根本不是给你吃饭休息的，而是需要全程在岗的“工作时间段”。所以，字节只是一个土老板私企.plus，跟同行业外企没法比，早该驱魅了。

零实习进大厂，本质上是因为他们的简历证明了他们不需要通过实习来证明能力。很多同学在大二大三就参加过ACM-ICPC等顶级算法竞赛，拿过金银牌，这种含金量远超一份在大厂里偶尔修修边角的实习经历。面试官在招人时，逻辑非常简单：实习经历是证明“你做过类似的事”，而竞赛成绩和高质量的开源项目证明的是“你具备极强的学习和解决问题的潜力”。在大厂看来，潜力往往比经验更值钱，因为经验可以积累，但那种极客般的敏锐度是很难培养出来的。

从 Yao 等人，2022 引入了一个框架，其中 LLMs 以交错的方式生成 推理轨迹 和 任务特定操作 。生成推理轨迹使模型能够诱导、跟踪和更新操作计划，甚至处理异常情况。操作步骤允许与外部源（如知识库或环境）进行交互并且收集信息。ReAct 框架允许 LLMs 与外部工具交互来获取额外信息，从而给出更可靠和实际的回应。结果表明，ReAct 可以在语言和决策任务上的表现要高于几个最先进水准要求的的基线。ReAct 还提高了 LLMs 的人类可解释性和可信度。总的来说，作者发现了将 ReAct 和链式思考 (CoT) 结合使用的最好方法是在推理过程同时使用内部知识和获取到的外部信息。它是如何运...