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！

有没有大佬给点建议

美团timeline一面 3.26二面 4.2oc 4.8offer 4.10其他：oppo 一面挂vivo 没动静携程 笔试挂哔哩哔哩 没动静感想感觉找实习运气也占不少的成分，本来0实习选手暑期只是准备随便投一下练一练，想着过会儿再找日常实习，没想到美团直接收留我了。感谢一面面试官，在我第一次面大厂的时候给了我自信

最近把自己做的 Super Agent 开源了，一个 Java 技术栈的企业级 AI 智能体平台，分享一下做这个项目过程中的思考。GitHub地址链接：https://github.com/java-up-up/super-agent先说说这个项目解决了什么问题面试被问 RAG、Agent、MCP 的时候，大多数人能说出概念，但一追问细节就卡住了。原因很简单——大家学 AI 的方式基本是跟着教程调 API，跑通一个 Demo 就觉得会了。但 Demo 和能上线的系统之间，差的不是代码量，是对每个环节的深入理解。Super Agent 就是把这些"真正会遇到的问题"都实现了一...