我的AI员工-三个月上岸字节

小红书上动辄“刷完1500道归来”，看得我心慌。其实刷题，我觉得刷个一两百道就够了。过了200道，你基本能应付大部分中型公司的面试。我认识的大佬，很多也就刷了三四百道。大家找工作重点还是要在项目和实习经历上，算法只要能过笔试线，剩下全看沟通和工程能力。

在构建AI Agent（智能体）时，如何引导大模型有效完成复杂任务是一个核心问题。当前主流范式主要有两种：ReAct（推理+行动） 和 Planning & Extractor（规划+提取器）。它们都旨在增强模型的自主性和任务执行能力，但在工作流程和适用场景上存在显著差异。本文将通过实例对比两者的异同，帮助企业根据实际需求选择合适范式。一、ReAct范式ReAct由Shunyu Yao等人提出，其核心思想是让模型在生成过程中交替进行“推理”和“行动”。模型会先思考当前状态（Reasoning），然后决定采取什么行动（Acting），如调用工具、查询知识库，之后根据行动结果再次推理，直至...

半个月前投的实习，一个小小实习居然有4面，三面面完说了流程，后面居然还有gm面（我一个实习生何德何能）结果可想而知，这两天面完hr和我说会去约终面，但是人家领导过年应该没空理小实习生😖主要是害怕不会到年后就被鸽了吧。十天一过，你姓甚名谁来者何人，通通忘了。被鸽的概率大吗😭ps：某大厂子公司，非一线城市，但是流程看起来挺正规的，面试官们都很好

一、市场上到底要什么人？去招聘网站搜“大模型”，JD看一圈就会发现，岗位其实就三类：① 基模方向：预训练、模型架构、scaling law门槛：顶会paper or 名校博士结论：有就有，没有就别强求，不是几个月能补的② Infra方向：分布式训练、GPU集群、推理加速门槛：扎实的系统底层能力结论：你们组是做这个的就可以冲③ 应用层方向  这是大多数人的机会！不动模型：RAG、Agent动模型：SFT、RL（RLHF/RLAIF） 0基础同学能在4个月内真正拿到offer的地方，就是应用层二、技能要会在点子上，别被概念带偏现在各种概念满天飞，A2A、MCP、GraphRAG...每周都有新名词...