IC验证转行

1. 自我介绍，说说你为什么想加入小红书回答框架：教育背景和技术能力项目经验和技术亮点对小红书的了解和兴趣为什么选择这个岗位2. 手撕算法：合并两个有序链表（保留原题）题目：将两个升序链表合并为一个新的升序链表并返回。答案： struct ListNode { int val; ListNode* next; ListNode(int x) : val(x), next(nullptr) {} }; ListNode* mergeTwoLists(ListNode* l1, ListNode* l2) { ListNode dummy(0); ListNode* tail = &dum...

真觉得现在找个工作太不容易了，公司的招聘越来越提前，从原先的8月底秋招 年后再春招➕暑期实习，现在变成7月秋招 1月春招 时间线全部往前提，所以学生外出实习的时间也被迫提前……秋招找不到工作，你都不敢休息，年前还得春招，然后中间休息一个年假，回来继续春招，基本可以说是过不好这个年了人也越来越多，越来越卷，学历门槛也越来越高，需要会的东西也越来越多，要学历要能力要思考要各种各样奇奇怪怪的品质大家只能被迫去卷，去堆实习经历，堆竞赛经历，而卷不动的人也没办法完全幸免，也会被身边的人带着焦虑这似乎是一件无解的事情，大家都辛苦了……

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...