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！

影石一面 2025.10.20二面问了一些开放型问题，为什么学前端之类的是否参与过埋点体系的建设及承担的工作？埋点的发送方式及发送目的地？将 React 的 CSR 页面迁移成 SSR 时遇到的问题？CSR 和 SSR 时页面远程数据请求的区别？SSR迁徙SSR 时因可能没有 cookie，如何解决用户鉴权问题？SSR迁徙上线后 FSP 从 90 缩短到 1.8 秒以内 的情况？性能指标采集？React 函数式组件和类组件的区别？localStorage 和 cookie 的区别？Cookie的特性SSE（Server-Sent Events）是什么？HTTP2 的其他特性？tree shak...