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！

前言：牛客上校招的帖子很多，社招的相对比较少，特地写一篇分享一下这次社招的经历，给大家提供一个参考。个人背景：2024届校招，某中厂Java开发，两年工作经验裸辞社招。offer情况：字节财经、腾讯天美、滴滴网约车、平安产险前期准备：社招相比校招一个最大的不同就是你的项目经历，校招有些面试官可能对你的项目经历完全不敢兴趣，因为都知道是一些未上线的玩具项目。但是社招基本上每轮面试官都会去问你的项目，整个面试中项目的占比至少是50%以上，剩下的就是八股文和算法。所以我在前期在项目上花了大量的时间，主要集中在项目的难点、整体的架构以及还可以优化的点，你需要在面试中把这些讲的很清楚并且需要体现你的思考...