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...

【个人背景】双非ACMer，大四才艰难拿到区域赛铜，十一月份退役后开始转战Java后端。【学习与项目历程】（项目是边投简历边更新）起初跟风做了苍穹外卖和黑马点评，然后学了微服务后将单体点评项目拆分为微服务架构，并加了几个分布式事务这种功能，最后写了个经典的rpc框架轮子项目把外卖顶掉，八股的话现在背的已经很熟练了。【面试复盘】（十二月份开始投简历，根据时间排序）目前投递反馈越来越差，心态有点崩：简单一点科技：拿到Offer拒了（团队规模太小，担心技术成长）。有赞 / 海致星图：一面挂（感觉八股背得不够深，场景项目题被问懵）。幂律科技：二面挂（反馈实习期短/不稳定，面试经验不足被发现我不想转正）。百望云：三面中（秋招岗位终面需要线下面试，正在纠结）。【目前的困惑】最近一周SSOB上几乎没有面试邀约，感觉简历被卡得厉害（大概？）。是不是我的项目太典了？双非大四现在找实习是不是已经太晚了？应该直接准备春招吗？没有实习春招真能找到合适的工作吗？百望hr给我说线下面试通过率75%，我怕过去一趟被一脚踢死。。。导致又没有offer又没有money起初我是想赶紧找到一份实习填充一下简历，然后春招再升级，现在感觉gg了。

当年还在美团那个倒霉的 Peppr 团队工作时，我一直有个疑问：这群人每天到底在自嗨什么。每次开会一堆人围着一堆“看起来很高级”的文档转，模板统一、名词复杂、页数感人，每一页都在暗示一件事：“你不懂，是因为你不专业。”但现实是——代码照样写在 💩 山上，该出问题还是会出问题，这真的很逗，系统一出问题，文档的唯一作用就是证明：“我们当初确实认真写过文档。”所以本质区别到底是什么？是代码质量提升了，还是大家在精神层面完成了一次“工程师 cosplay”？有句话说得好潮水退去才知道谁在裸泳。还记得当时的马哥、明哥（图 1 左）最爱反复强调一句话：“所有场景一定要想到。”、“这个场景为什么没考虑到？”不过他们这些话我是真的听进去了。不然我也不会在一年多前就说：这个项目活不过两年。顺带一提，那段时间还有个固定节目。每次下楼，总能听见我明哥在吐槽不同的人。我从他身后绕过去，经常能听到他一边抽烟一边说：“xx 这小子太坑了，回头我一定要跟马哥说说。”于是深谙人情世故但真不会抽烟的我也会从口袋掏出一支低尼古丁含量的烟给自己点上，假意自己什么都没听到什么都不知道，只是来抽烟的。后来我才明白，这可能也是团队文化的一部分：问题永远在别人身上，而我们，永远在复盘里😂。

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...