工银科技

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...

网易**不管问你啥，记住一个话术原则小小的提醒下各位留子：**时不要直来直去有啥说啥；千万得多思考别说太满给自己留个思考或回旋的余地・1、被问 “有没有接触过网易的产品”（哪怕了解不多）别直接说 “没有”（容易显得缺乏兴趣）试试：“之前用过网易云音乐和网易新闻，对产品的界面设计和功能逻辑有过留意。虽然没有深入研究，但能感受到网易产品注重用户体验的特点，入职后会系统学习相关产品知识”・2、被问 “能接受高强度的项目加班吗”别勉强说 “没问题”（后续可能难以承受）试试：“我理解互联网行业项目推进时需要集中精力，在关键节点愿意配合团队加班。但也会注重提升工作效率，合理规划时间，尽量在正常工作时间完成...