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！

这简历能不能抓住春招的尾巴呀😔

幸亏看到这个帖子

这个是4.30的面经 我一直没来得及整理1. 自我介绍，包括个人背景、经历，以及 AI 大模型如何融入学习和实践2. 使用 AI Coding 工具时遇到过什么问题，怎么解决答案：AI Coding 最大的问题不是不会写代码，而是它容易写出“看起来能跑但不符合项目约束”的代码。比如它会新增不必要的抽象层、改动无关文件、吞异常、遗漏权限校验、把敏感字段打进日志，或者生成一个和团队代码风格完全不同的实现。我的做法是先给它明确上下文和边界，不让它自由发挥。比如只允许修改指定文件，不允许改接口签名，不允许新增依赖，不允许修改数据库 schema。生成代码后，我会先看 diff，再跑测试，再重点 rev...