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！

3月份找暑期实习到现在，没有公司愿意给我面试，我大概投了二十多家，是不是投的还是太少了。

12月多考完研想着找个实习先过渡一下1月末线上面了一家深圳的跨境物流公司，JD是负责爬虫，反爬虫，逆向。HR人很好，因为人不在深圳，就说线上面试就可以了，然后因为在校的时候做过几笔类似的物流爬虫订单，就当项目写上去了，HR就问了一下用了什么框架，效率大概是每分钟多少条，怎么应对IP被封等等比较基础的问题，然后问了一些比较深的，比如对于企业网站应该怎么反爬，怎么绕反爬。答的还可以，有一点断断续续的。后面HR就问了一些八股文（？），由于刚考完研，应对的还是很轻松，主要问了下计算机网络的知识（七层网络分别是哪七层），又问了TCP/IP协议那些，不过也没有完全答上来（毕竟408里还是计网分值没那么高）...