********上有个“扣友新春联欢活动”，点进去看了一下，大家太有才了

27届0实习，想趁着寒假找个实习，投了600多份，要走简历就不回了，至今0面试，各位有何见解

真有点逗了这个公司，一面过来发现是hr来面我，我还吐槽说怎么来个hr一面，然后我简历很多都写了的内容她还要再问一遍，当时就觉得有点奇怪，后来面完了过了两天发现当时都没收我简历直接面的，然后今天半夜发挂了的通知，其实我很好奇的是这种kpi面意义在哪，我看他约了好多天面了，一个mini公司哪来这么高的kpi（面多了习惯了，不生气，只是有点好奇这种kpi是因为年底了要把一年的kpi刷够吗）

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...