想做 AI Infra / LLM 推理系统 方向。 身边没有同方向的朋友能问，自己摸着石头过河整理了一份学习路线，越整理越虚——感觉知识点又多又散  我自己总结的核心路线就一句话： 先理解模型前向 → 再理解单请求生成 → 最后再看多请求 / 多卡 / 多实例下的系统优化 把 Decoder 模型和最小推理框架先跑通，再去看工业级系统，应该很多设计会自然浮出来——这个思路对吗？ 想和大家多多交流！

历时两个月，23场面试，最终收获4家offer，努力终将会有结果。找实习的这段时间令人痛苦，是空窗一场面试都没有的窒息感，是多次二面挂三面挂的绝望感，但是我都咬牙坚持下来了。3.18-momenta4.13-同程旅行4.28-字节跳动5.9-OPPO

至今一个可转正被割了剩下的5点面试都挂了求收留，数据分析，数据开发，测试！

很多人对嵌入式面试有个误解：能把板子点亮，能把功能跑通，面试就稳了。其实不是。面试官筛的，从来不只是“你做过没有”。而是看你有没有：工程思维、问题定位能力、系统理解能力。很多人项目经历写得不差。做过驱动，写过协议，碰过 FreeRTOS，也调过 Linux。但一到面试，还是容易卡住。原因很简单：你会做，不代表你讲得出“为什么这么做”。1. 面试官不只听你做了什么，更听你怎么拆问题你说你做过串口驱动。面试官真正在意的不是“串口驱动”这四个字。他更想知道：波特率怎么配置中断和轮询你怎么选收发缓存怎么设计丢包问题怎么定位高并发打印为什么可能拖垮系统同样都是“做过串口”。有人只能说功能。有人能说设计、...