Offer 选择

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！

初筛过了等复筛 这个AI岗位很心动诶 

很多做嵌入式的同学，简历里都会写一句：“熟悉 FreeRTOS，具备多任务开发经验。”但问题来了。到底学到什么程度，才算真的“熟悉 FreeRTOS”？是会创建几个任务？会用队列发消息？还是能把 Demo 跑起来就算？说实话，如果只是会 xTaskCreate()、会 vTaskDelay()、会建个消息队列，这最多只能算“用过”。离“熟悉”还差一截。这篇文章，我就把这个问题掰开讲清楚：FreeRTOS 到底学到什么程度，简历上写“熟悉”才不心虚。一、先说结论：会用，不等于熟悉很多人对 FreeRTOS 的理解停留在这几个层面：会创建任务会设置任务优先级会用延时函数会用队列、信号量跑过几个小项...