讲一下ReAct思路，什么时候用规划，什么时候直接生成给你一个任务（比如数据分析），你怎么拆步骤、怎么执行Agent怎么调用工具？多个工具时怎么做选择和调度如果中间步骤错了，怎么做校验、重试、纠错设计一个简单Agent系统，整体架构怎么搭

AI能做很多事，但替代不了对问题的判断和取舍。比如该不该做这个需求、优先级怎么排、方案之间怎么权衡，这些都需要结合业务、经验和责任去决定。说白了，AI能给答案，但选哪个答案、为结果负责这件事，还是人来做。

短期看，没工作更焦虑；长期看，烂工作更消耗，没工作是对未来的不确定，会慌，但还能全力调整方向；烂工作是每天在消耗精力，却很难有积累，时间久了更伤人。如果只能选，其实更怕“长期的烂工作”。

多少带点行为艺术。实际上只适用于订机票，会议食宿，办公耗材采购分发等事务性岗位，但凡多点变通就会水土不服。现实中这类岗位没有同事skill也是极易被取代，公司偏好用才入职的新人取代有经验的老人，毕竟只要智力正常很容易学会。

拿面试机会的时候，学历更重要，很多公司会先卡学校；但进了面试之后，实习更重要，面试官更看你做过什么、能不能干活。简单说就是：学历帮你进门，实习帮你留下来。

现在入门AI，第一步不是盲目学很多，而是先动手做一个简单项目。比如做个基于大模型的问答工具、文档助手，哪怕很基础，也能把流程跑一遍。在这个过程中再去补：Python基础、API调用、简单的RAG思路，这样学得更快也更有感觉。

现在Agent方向面试，基本不会只问概念，更多是“你能不能设计出来”。常见会问：ReAct是什么？和普通调用大模型有什么区别？给你一个任务（比如数据分析），你怎么做任务拆解？Agent怎么调用工具？工具选择逻辑怎么设计？多轮任务失败了怎么重试、怎么纠错？如果让你做一个简单的Agent系统，整体架构怎么设计？

动整理文件、批量改名、简单爬虫，还有一个轻量网页小游戏和个人待办页面。基本都是边想边写，AI负责补代码和调bug，自己更多在想逻辑和结构，整体开发效率提升很明显

一面 1.自我介绍2.拷打实习经历3.linux命令4.git命令5.场景题：针对智能驾驶的车设计测试用例6.对智能驾驶的认识7.两道算法题

面试官上来先自我介绍，面试流程介绍，非常有礼貌，有认真的看过简历，说中间可能会打断，问一下感兴趣的问题然后就是介绍面试官感兴趣的项目，更像是一场交流沟通，体验很好！然后是给了个力扣链接，问有没有做过，我说做过，大概写了一下，面试官觉得ok没必要写，hhh非常人性化然后介绍部门，组里工作，后面会和迈驰并入千里，重组什么的，目前的强度大概一二四99，三五96,听起来很不错，后面不知道会咋样

见过学历、性别、年龄这些被暗中筛选的，还有只看名校背景的“默认门槛”；有些甚至会看地域、户籍。岗位要求明明匹配，却因为这些被刷掉，挺现实也挺无奈的。

大厂实习更规范，流程清晰、资源丰富，有完善的培养体系，但很多时候只负责一小块，成长节奏偏稳；小厂自由度更高，能接触完整项目，成长更快，但缺少指导和制度，比较考验自驱力。

现在基本是高频使用，一天二十次左右，写代码、查资料、改文案甚至回消息都会用到。很多重复性工作都交给AI，但关键内容还是会自己再过一遍，避免完全依赖。

笔试完基本就是等消息，有的很快就有面试通知，有的直接没下文。整体感觉通过率不算高，但偶尔也会有意外惊喜。我的经验是别把希望压在一两家公司上，多投多试，多面几轮，心态会稳很多，也更容易拿到机会。