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...

5.21更新已挂全程15分钟。面试官人挺好的，即使我的回答跑题了也没有打断我，而是等我说完再纠正1.自我介绍2.Linux中查看系统性能的命令3.学习的时候用的是哪个版本的Linux答：WSL2 有没有用过原生的Linux答：用过CentOS4.介绍自己的一个项目（我介绍了自己的基于RAG的英语学习网站）如何部署的模型如何实现的调用RAGembedding用的是哪个python库5.如何看待AI Agent，是否用过AI Agent答：用过OpenAI的Codex问：Codex是闭源的，有没有接触过开源的AI Agent框架答：没有6.RAG和传统检索方式相比有什么优势我答的是RAG和传统语言...