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！

发70个邮件让我完善简历，我还以为被网暴了。说的就是你慧策，发邮箱让参加宣讲会，说参加完后就给安排面试。技术岗上来来了一句：只要92或双非ACM银牌，66666。说双非本只能投销售类，后期能转岗（虽然但是就你小子公司的hr已读且回复，那有毛用），92才不去你们那破公司，双非本就和有案底没区别。———4.21更新贵公司的高级员工您来私信骂我也没用哈，风评不好谁的问题谁自己心里清楚，有这时间建议提升自己，完善公司制度，而不是来骂我这个连入场券都没有的破学院本

投了好久了，这样是不是挂了

自我介绍项目1. 介绍下 Agent 项目中和亮点2. 项目的主要难点是什么3. 举一个项目中的例子4. ES 在项目中的功能5. 检索结果如何进行融合6. 具体是怎么生成向量的，维度是多少7. 怎么让模型知道有哪些工具，以及模型是如何调用工具的8. SSE 协议返回信息的格式是什么样的9. 记忆模块怎么设计的10. 短期记忆放在哪11. 结构化信息有哪些12. 什么时候开始长期记忆抽取13. 使用 Redis 存储短期记忆产生的大 Key 问题怎么解决14. 如何设计一个上下文卸载功能？15. Agen 执行时间长，在服务重启/崩溃后，如何保证可以接着执行任务，保证任务可以完成MySQL 1...