一次糟糕的面试体验

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！

暑期投了携程，腾讯，字节携程做完评测后一直没反应，腾讯金融科技给面，一面挂，字节给面，一面挂，不投了暑期已结束，快手已离职，回去玩了

要了简历逗逗我吗，😭，是不是简历是一坨，请教一下佬，不玻璃心

“龙虾”之后又来“爱马仕”，但企业Agent真正的答案，终于来了。Agent赛道的热度从未减退。从年初爆火的OpenClaw“小龙虾”，到被称作“Agent 中的爱马仕”的Hermes Agent，据不完全统计，2026年这短短数月间，市面上来自不同厂商的AI Agent工具已突破 40 款。纵观这些工具的比拼，自学习、有记忆、自主性更强，正在成为新一代智能体的跃迁方向：AI正在从替人干活的工具，演变为能自我学习的自主系统。于是，最渴求生产力的企业圈又开始躁动了。然而行业喧嚣之下，企业决策者却普遍面临一个现实困境：工具的持续迭代升级看似提升了效率，实际落地时往往难以真正产生价值，拥抱新工具，常...