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！

这两个项目都是自己vibe coding出来的，简历是AI生成优化的，其中还有很多东西是不懂的。求大佬指点🙏🥹

是简历有什么问题吗，求大佬指点要玉玉了

我是一个在读本科生，也是开源社区OpenAgent 团队的开发者。我们花了两个月，用Go语言做了一个真正的0配置，0依赖，双击就能使用的个人本地单文件版龙虾🦞。真正做到了开箱即用，也受到了很多社区中的关注。OpenAgent，一个面向个人开发者和极客的开源本地 AI Agent。定位跟 OpenClaw、Hermes 类似，都是个人本地助手这个赛道，但我们走了一条完全不同的路：用 Go 语言写成一个单文件二进制，下载 exe 双击就能跑，零配置开箱即用。项目地址：https://github.com/the-open-agent/openagent假如这个项目的功能或者架构帮助到你了，希望可...