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！

这个叫龙湖数科的是什么78公司啊，前一秒投递完，后一秒我去看投递记录已经挂了。这真的让我感觉很恶心，纯是在戏耍人。

目标小厂

面试前，我本以为北京全满科技的二轮技术面，只是常规大厂式的刻意刁难。面完才恍然明白，那些看似刁钻的项目细节、跨领域交叉提问，背后藏着企业对工程师最朴素的用人标准：能落地、懂原理、心怀工程质量敬畏之心。网上常有吐槽“面试造火箭，工作拧螺丝”，但在北京全满科技的面试中能明显感受到：每一个深挖的问题，都和入职后的实际工作紧密贴合，从不脱离业务实际。问得深，只为筛掉只会背流程的“伪测试”很多企业的软件测试面试，只停留在背诵测试流程、罗列工具名称的表层问答。而北京全满科技的二轮技术面，更看重流程背后的底层逻辑。谈及单元测试，面试官会追问覆盖率定义，以及业务快速迭代时，如何平衡测试覆盖率与开发效率；聊到自...