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！

史上最尬，没有之一😂我是社招。3月26日，第7次，一面挂，就扯了20分钟，感觉可能是kpi。4月3日，今天又有电话打来了，约了下周二晚上的面试。第8次了。敢打我就敢面

大伙有懂的吗，流程看简历也没吃挂...

4.28一面。其实投了两个前端，安卓开发是随便投的没想到竟然这个简历筛选过了，硬着头皮上了，果不其然凉了。面试官没开摄像头，但是还行吧知道我干的是前端问的很多都是前端的。1.进程和线程的区别，为什么移动端用线程2.Code review做了些什么3.Js原型链，没答上来4.有用过原生开发吗5.用过什么调试工具，页面崩溃了怎么排查6.Rn怎么与安卓链接还是什么，没答上来7.Rn和weex分别是什么，实习期间为什么要将weex转rn8.怎么做状态管理9.怎么防止内存泄露10.未来的职业规划发展方向和技术栈11.介绍实习的时候主要做的模块，提问用的缓存方法是什么，删除时缓存如何同步更新12.防抖和节...