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！

搞笑呢？？？？？

本来觉得混了段实习应该比找第一段的时候好点 怎么感觉还是没有面试哇

简历里写了 RTOS、Linux 驱动、BSP，面试官到底在判断你会不会做底层很多人投嵌入式岗的时候，简历会写得很满：做过 STM32，写过 FreeRTOS，用过 Linux，碰过驱动，项目里还有 UART、SPI、I2C、CAN、OTA、Bootloader。问题是，面试官并不是在看你名词堆得够不够多，而是在判断另一件事：这些东西你到底是“配过、调通过、抄着改过”，还是已经能独立分析问题、设计方案、解释取舍、扛住追问。这也是最近嵌入式面试里最明显的一个趋势。题面看起来还是那些熟面孔，但追问方式已经越来越统一：先从项目切进去，再顺着 RTOS、外设、驱动、启动链路、调试手段一路往下刨。答得浅...