从 Yao 等人，2022 引入了一个框架，其中 LLMs 以交错的方式生成 推理轨迹 和 任务特定操作 。生成推理轨迹使模型能够诱导、跟踪和更新操作计划，甚至处理异常情况。操作步骤允许与外部源（如知识库或环境）进行交互并且收集信息。ReAct 框架允许 LLMs 与外部工具交互来获取额外信息，从而给出更可靠和实际的回应。结果表明，ReAct 可以在语言和决策任务上的表现要高于几个最先进水准要求的的基线。ReAct 还提高了 LLMs 的人类可解释性和可信度。总的来说，作者发现了将 ReAct 和链式思考 (CoT) 结合使用的最好方法是在推理过程同时使用内部知识和获取到的外部信息。它是如何运...

全都在筛选中，已经麻了😭

抛开难度不谈，它代表的不是“名气”或者“光环”，而是一种我真正认可的工程氛围：把事情做到极致，用技术解决真实世界的问题。我向往的是那种对细节偏执、对结果负责的环境。不是为了快上线，而是为了把东西做到“真的能用、真的好用”。在大疆，技术不是背景板，而是核心。做嵌入式、做系统、做底层，本来就应该离真实硬件、真实产品更近一点。能看到自己的代码，变成稳定运行的设备，而不是停留在 PPT 或指标里。如果有机会，我当然想去大疆。不是因为它难，而是因为它值得。