平安金服

关于工作环境：base深圳前海 内部配置绝了。一整栋50层都是oppo哒，我的工位可以看到欢乐港湾和大海，零食柜自给，很感动的是每层都提供独立的隔音室，3层饭堂里，23楼是最好吃的 周边很繁华。楼下三层是大商场，午饭后我一般会和其他实习生姐妹去citywalk，好多奶茶店，茶救，奈雪 喜茶，瑞幸，奶白，煲珠公每天换着喝，好幸福 关于工作氛围 感受到相当年轻，相当扁平的氛围，我们组（销售运营部）有三个哥哥姐姐直接对接我，她们人真的很nice，笨笨的我不会时，问她们都会耐心解答~~ 于工作内容 感觉出入还是有的，问了哥哥姐姐，他们收到五六十份简历，面了6个，最后选了我，好感动好幸运。偏大客户运营方...

最近也面了好几家公司字节-抖音研发：一面挂，脏面评了B站-直播测试：面试官觉得我服务端测试经验不足，半小时结束，手撕都没出百度acg质量部：面试官不开摄像头，一直盯着我那没意义的项目的一个点狠狠攻击，半小时结束，无手撕，应该是 kpi 面了快手-商业化：一面 50 分钟大部分在问实习，因为上一段实习和这个面试的很垂直，又问了一些数据库和 redis，消息队列的八股手撕：力扣 80 删除有序数组中的重复项当天晚上约二面隔一天二面：25 分钟问了实习，一道三数之和，反问后结束，面试官说会稍微看重一点代码能力半小时后 hr联系口头 offer，当天下午发 offer快手效率这一块因为快手这个业务组和我上一段实习，非常垂直，面试起来也比较得心应手吧，进度推的也很快最近期末周，又要复习，又要面试，回学校前，还在上班，这三个叠一起，真的感觉忙不过来了，再加上一开始的字节和 B 站秒挂，很大程度上给我了一些打击，不过好在挺了过来继续加油吧附：之前一直投快手，简历挂了两页

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...