荣耀嵌软投票

腾讯CSIG腾讯云后端二面面经面试时间：2025.10算法1. 编辑距离2. LRU实习介绍下实习中的困难，最后怎么解决的八股缓存穿透，缓存击穿，缓存雪崩分别是什么，如何解决Redis集群有哪几种Redis Cluster自动故障转移是怎么实现的，这个没答好了解一致性哈希吗HTTPS底层怎么实现的腾讯2027届可转正实习启动！无限复活甲，鹅厂不设限：1. 只要当前未在面试流程中，可随时切换岗位，投递无上限！2. 如3个工作日后意向部门未发起面试，全公司所有岗位/部门均可能向你发起面试，发起次数无上限！3. 同学可根据个人意愿拒绝面试，腾讯承诺，拒绝面试不会对你之后的面试机会产生任何影响！招聘岗...

刚刚去面了一家看起来只有10个人不到的小公司。我一进去他们的人：你先填表。然后我就填了如下内容：1. 个人基本信息：姓名，电话，学校等。2. 荣誉证书奖项等我没填的有：1. 个人身份证号2. 家庭地址3. 家庭成员信息4. 从高中到大学的学校信息5. 等...过了一会儿，然后他们把我的表交给面试官。面试官：这张表你就这样填的？那你不用面了。我：😅我寻思着也不是什么国家政府单位，而且还没入职和面试，为什么要填这么多消息？😅

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...