拼多多内推，pdd内推

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...

问的几乎全是agent相关1. 自我介绍2. 实习经历3. 如何减少llm幻觉4. 模型效果如何评估5. mcp底层协议是什么6. skills的本质是什么7. 你觉得ai ide 设计的时候怎么定位，怎么防止类似数据库的幻读情况，如果让你来设计一个ai ide该怎么做 （acp协议和mcp协议，acp刚好前段时间了解过一些）8. 无算法9. 反问

什么年代了，还有地主

本人211本， 目前大二在字节前端实习，打算本科就业， 接下来想学习后端。 之后做全栈还是agent开发呀？ 都有意向。接下来我该怎么样继续推动我的进度呢？