我觉得首先得好好学习python，而且python真的很简洁高效，人生苦短，得用python嘿嘿，还有python中的Flask要掌握了，就像Java中的spring boot一样还有就是基础知识啦，弄明白Transformer架构，也不用你推导公式，把每个细节都弄清楚，知道Encoder/Decoder是干啥的就行，明白什么是Embedding(词向量)。不懂的地方去OpenAI、DeepSeek或者阿里的千问这样效率贼高

听说是因为内部沟通软件下线，在关停关联手机号绑定功能时，工作人员未提前关闭系统预设的短信提醒不得不说，世界真是个巨大的草台班子（hhh

1. 做自我介绍，并确认两个项目是个人独立开发还是学校项目？2. 从产品视角说明旅行规划助手项目的定位、能力、技术方案及需求解决办法？3. 追问1：旅行规划助手项目是否经过体验，效果如何，存在哪些问题及后续改进方向？4. 追问2：以“深圳玩三天预算3500元”为例，智能体能否满足需求，如何控制价格及响应时间？5. 知识库答疑助手项目是否为比赛，介绍技术方案（如RAG、混合检索、微调等）？6. 追问1：知识库答疑助手项目微调数据集的设计方法及测试集情况？7. 追问2：知识库答疑助手项目最终准确率及采用混合检索的原因？8. 追问3：知识库答疑助手项目向量模型和微调模型的选择依据及部署方案？9. 是否使用过多模态处理方式，图片识别的准确性及实现方法？10. 追问1：是否使用过Coze、Dify、N8N等低代码平台及使用程度？11. 确认实习时间（一周5天、持续6个月、1月初到岗的具体日期）？反问1：具体产品实习生进去负责哪个模块答：智能体 Demo 搭建、测试打标反问2：车载主要是负责端侧还是云端答：团队主要是负责云端，不涉及端侧

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...