麦格米特电气一面通过

实习 Offer (SSP) 和 考研上岸，我选了后者，现在有点后悔…说出来不怕大家笑话，当年为了考研，我可是亲手拒了一个大家眼里的“神仙 Offer”（虽说有点吹牛的成分，但那时候确实膨胀，觉得学历到位了 offer 随便拿）。结果现在一看行情……好家伙，心态直接崩了。现在的 Java 后端简直就是“诸神黄昏”，投个简历石沉大海是常事。以前觉得只要会 SpringBoot 就能乱杀，现在连面试机会都难求。说不后悔是假的，有时候真想穿越回去给自己俩耳光。但这世上没后悔药，只能硬着头皮上了。简历贴在下面了，真心求各位大佬指条明路：大家帮忙看看，我这个**“Java 后端 + AI Agent”*...

最近也面了好几家公司字节-抖音研发：一面挂，脏面评了B站-直播测试：面试官觉得我服务端测试经验不足，半小时结束，手撕都没出百度acg质量部：面试官不开摄像头，一直盯着我那没意义的项目的一个点狠狠攻击，半小时结束，无手撕，应该是 kpi 面了快手-商业化：一面 50 分钟大部分在问实习，因为上一段实习和这个面试的很垂直，又问了一些数据库和 redis，消息队列的八股手撕：力扣 80 删除有序数组中的重复项当天晚上约二面隔一天二面：25 分钟问了实习，一道三数之和，反问后结束，面试官说会稍微看重一点代码能力半小时后 hr联系口头 offer，当天下午发 offer快手效率这一块因为快手这个业务组和我上一段实习，非常垂直，面试起来也比较得心应手吧，进度推的也很快最近期末周，又要复习，又要面试，回学校前，还在上班，这三个叠一起，真的感觉忙不过来了，再加上一开始的字节和 B 站秒挂，很大程度上给我了一些打击，不过好在挺了过来继续加油吧附：之前一直投快手，简历挂了两页

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...