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！

请狠狠拷打🥺

简历给你了学校标的清清楚楚😅，面完说我是三本只能给150，那你boss标200-250干嘛，感觉还是太礼貌了，应该直接爆了😤学历就是一个人的外貌实习就是一个人的衣服本科学历差就是其貌不扬的样子实习经历差就是破破烂烂的衣服＃民办已经死了 ＃都给我去考研吧＃计算机就是学历＞技术＃c++92✌🏻才能学

影石一面 2025.10.20二面问了一些开放型问题，为什么学前端之类的是否参与过埋点体系的建设及承担的工作？埋点的发送方式及发送目的地？将 React 的 CSR 页面迁移成 SSR 时遇到的问题？CSR 和 SSR 时页面远程数据请求的区别？SSR迁徙SSR 时因可能没有 cookie，如何解决用户鉴权问题？SSR迁徙上线后 FSP 从 90 缩短到 1.8 秒以内 的情况？性能指标采集？React 函数式组件和类组件的区别？localStorage 和 cookie 的区别？Cookie的特性SSE（Server-Sent Events）是什么？HTTP2 的其他特性？tree shak...