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...

求各位大佬指点一下简历和就业建议，虚心接受所有批评拷打

Moka二面

面试题简述你能讲讲 Spring Boot 的自动配置原理吗？Starter 是怎么起作用的？面试官想听的这是校招高频原理题，主要考察候选人能否从以下三个方面串出完整逻辑：1、自动配置触发点；2、加载机制；3、条件装配；面试示例回答Spring Boot 的自动配置其实是基于 Spring 的条件化装配机制 + SPI 扩展机制实现的。入口是 @SpringBootApplication，它包含了 @EnableAutoConfiguration。这个注解会导入 AutoConfigurationImportSelector，在容器启动时从 META-INF/spring.factories ...