华为意向

最近在准备和整理 AI Agent 方向的面试内容，顺手看了不少开源教程。其中 Datawhale 的 Hello-Agents 很适合做系统入门。它的定位是《从零开始构建智能体》，内容覆盖智能体基础、ReAct、Plan-and-Solve、低代码平台、Agent 框架、Memory、RAG、上下文工程、MCP/A2A、Agentic RL、评估和综合案例。如果你是第一次系统学 Agent，Hello-Agents 这种路线很完整，适合从概念到代码慢慢补。但我在准备面试时发现，另一个问题更迫切：系统学过 Agent，不等于能在面试里讲清楚 Agent 工程。面试官不会只问你「ReAct 是什...

boss快刷烂了，基本都是投了简历没下文的

有没有大佬帮忙看看，这个简历能找到工作吗（没有实习经历），进大厂够不，每天都刷程序员被ai替代，焦虑的不行了...

核心定义ReAct 是能让大模型“边思考、边行动”的推理框架，让 LLM 像人类一样通过多轮交互解决复杂问题Thought-Action-Observation 运转逻辑ReAct 循环中有三大要点：Thought：模型分析当前的局面，大任务拆解成子任务，决定当前最需要做什么Action：根据前面的思考结果，生成具体的操作指令Observation：接收真实环境对操作的反馈结果这就有了一个闭环：想清楚再做，做完看反馈，基于新反馈接着想ReAct + Function calling 怎么运转？在 ReAct 需要与外部系统结合时，免不了调用工具，执行链路如下：评估与决策：模型接收用户请求，判断...