其实吧，算法来说，对于找工作，个人认为并不是决定性因素，大一玩去了，没进acm校队，然后大二开始才开始刷算法题，lc大概1300多道吧，然后codeforces是300+，再算上牛客，洛谷，acwing啥的，2k+应该是不少的，找工作的话，基本上笔试都是ak的，面试算法题基本也能在规定时间内写出来，但是这些并不会影响到什么，还是找了一个不算太好的程序员工作

大一大二跟着学校老师做项目打比赛，没想着找日常实习，加上还有其他杂务耽搁。十一月初投了字节训练营但笔试被刷了，一直到十一月底才开始投简历。在boss上投了半个月，投出去七八份，其中有一份内推进快手的客户端，最后也没有音讯。前几天拿到一家小公司的安卓实习面试，结果面试前几分钟告诉我岗位招满了（不过boss上那个HR通知我的时候确实也显示停止招聘了）。八股和算法方面刷了一个多月了，目前主要有以下想法：1. 继续完善IM项目的客户端部分，比如移植到手机移动端上，然后明年争取找大厂客户端实习（有经验的学长推荐多投字节腾讯cpp）。2. 继续完善IM项目的服务端部分，找c++后端实习。但c++软件在制造业比较多，互联网相关的实习少。考虑音视频的话，可能得报班快速做出东西。3. 这学期结束我会做一个大数据相关的课设，在考虑投专业相关的数据开发、数仓这些岗位。4. 还有一个兜底方案：今年暑假的比赛，让我有了在国家电网实习的机会，但还是得准备面试，而且转正要考编。希望大家给点建议，欢迎交流讨论。

下午五点多给我打电话问还看不看春招机会

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...