27届后端简历求拷打

在前文agent实习都干什么？深入了解项目构成(一) 对日常工作进行了大概的分享后，本文是我在工作中对于方案设计的一些小思考和对于架构的粗浅理解，希望和大家共同讨论进步(完全脱敏)。一、方案设计(以敏感词为例)敏感词审核作为功能模块的组成，其本身多聚焦于与文档进行交互，需同时满足“实时响应”和“高覆盖率”，因此架构设计阶段确定AC自动机+AI双轨方案：AC自动机做基础筛查：合同审核场景下敏感词库规模庞大，AC自动机针对文档识别时间复杂度为O(n)（n为文档长度），能以低于10s的延迟完成固定敏感词的字面匹配，满足高并发下的效率要求，但仅能识别精准匹配的词汇，无法处理谐音、变体或语义衍生的隐性违...

求点简历优化意见

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...

最近在写agent sdk的时候做了一些进一步的调研，在小红书上发现一个博主发的一段话和我现在的想法一模一样所有的agent框架目前就是 ReAct loop，mcp，middleware，skill这些的集合，agent infra的下半场需要集中注意力在 agent 测评，agent rl，稳定性，沙箱这些组件，去支持新的 AI 应用，整体没有新的工程范式来用，后面可能要看新的应用场景或者学术界的发展了