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！

这还是🐮的，哈哈哈哈。多读书!

我是学院🐭，没面过大厂，官网投的都是秒挂，这是拿我刷kpi的吗？要尝试一下吗？4.3更：g的不能再g

结合我自己春招18场AI岗面试的经历，以及牛客上百篇26届AI岗上岸面经，给大家整理了这份AI项目面试拷打全考点分档盘点，覆盖99%的校招AI项目面试问题，从基础必问到死亡追问，分模块拆解，标注高频程度和岗位适配度，不管你是AI应用开发、Java后端转AI、还是算法岗，都能直接对应准备。先说明：本次盘点覆盖2026年校招最高频的AI项目方向，包括RAG知识库/多模态RAG、垂直行业Agent、AI应用开发、大模型微调、端侧AI，所有考点均来自真实面试真题，应届生直接按这个清单准备，面试官拷打不动你。核心分档逻辑：【基础必问层】：90%的面试都会问，项目入门门槛，答不上来直接凉，判定项目不是你做...