终于有能看结果的测评了

楼主目前研二下，单2硕，有过一段6个多月的非传统互联网企业的Agent实习，现在回看感觉工作内容一般般。今天(2026.02.25)立贴记录暑期实习投递过程，也作为个人暑期实习面经的一个导航贴。投递面经吐槽2.26 坏 开工第一天，被安排写本子了，3月基金月啊，估计要到3月初才能投了

全部是92硕士研究生学历

感觉就是面试官教会了我在项目里不应该总是别人说什么就是什么 那些网上的现成的拿来做本质上也可以 但是如果里面的每一个技术的使用都不经过自己大脑的思考 那么在真正的开发中不会有人来告诉你要用什么方案 所以要多锻炼自己在一个完整项目中的思考

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...