上个月面了4家大厂，3家都问了同一个问题："你平时怎么用AI辅助开发？"第一次被问到的时候，我实话实说："偶尔用ChatGPT查查API文档。"面试官礼貌地笑了笑，然后没有追问。结果——挂了。第二次面试前，我认真准备了AI编程相关的项目经历。我做过一个用Cursor重构Vue组件的项目，还用Claude Code做过一次全栈重构。我把这些写进了简历。面试的时候，面试官照例问了AI编程。这次我直接打开电脑，现场演示了用Cursor做组件开发的全流程：从描述需求到生成代码，到Code Review，到性能优化。面试官看完眼前一亮："你这个Code ...

她只知道我"在找工作"。每次视频她都问："今天怎么样啊？"我能怎么说？"今天笔试挂了一场"？"今天面试没过"？"今天投的简历已读不回"？说了她也不懂"笔试""AI面""HR面"都是啥。她只会跟着着急。所以我每次都说："还行。"她就放心了。然后开始跟我聊家里的狗下崽了、小区门口的超市关门了、隔壁奶奶摔了一跤。这种对话我以前觉得啰嗦，现在我就想听她说这些。比什么"加油宝贝"有用多了。

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！