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！

28届想找大厂日常，简历求建议。以及想问一下netty会问到什么程度，会问优化和源码吗？

要简历的不少，但没面😥同学都在实习，好焦虑😢

很多人的做法是在技能栏加一行"熟练使用ChatGPT、Copilot"，然后就没了。面试官看完心里只有一个想法：然后呢？AI能力写进简历，得体现在项目里，不是技能栏。技能栏写工具没有任何说服力，因为现在谁不会用ChatGPT？真正能拉开差距的是你用AI解决了什么具体问题、带来了什么可量化的结果。比如："引入Copilot辅助开发，单元测试覆盖率从40%提升至80%，测试编写时间减少60%。"比如："基于RAG构建内部文档问答系统，信息检索效率提升3倍，减少重复人工答疑约200次/月。"比如："使用Claude优化代码审查流程...