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！

编辑，回邮件了没有挂，大家不要自己吓自己如题，我之前都是收到反馈就都G了，这次去看状态没变灰。还没有进行hr面。可能是下班了，发邮件问也没回。

简历我叫ai压缩成了一页,如图所示j

一、前言在实际开发中，使用消息队列最怕的问题只有一个：消息丢失。例如：下单成功消息没发出去、扣款成功消费者没消费、业务数据不一致。RabbitMQ 整个体系中，最重要、面试问得最多、生产必须落地的模块就是：消息可靠投递。本文一次性讲透：消息为什么丢、怎么防止丢、完整四层保障、代码实战、面试标准答案。二、消息丢失的4个位置（必须背）一条消息从生产者发送到最终消费，一共经历4个阶段，每个阶段都会丢消息：生产者发送阶段：网络波动、发送失败，消息没抵达MQ。交换机路由阶段：交换机没有匹配队列，消息被丢弃。MQ服务端阶段：MQ宕机重启，内存消息清空。消费者消费阶段：消费者还没处理完程序崩溃，消息直接丢失...