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！

投了很多，一直没能进面

为什么嘞，为什么嘞，为什么嘞。。。第一，我考虑的就是学历问题，可能就是因为学历。第二，是否是项目有问题，项目过时了？第三，四月中旬开始投简历太晚了？总不能连个面试也没有吧。目前还是有点焦虑。符合条件的鼠鼠出来报个团吧另外，我好想去江浙啊，不想在东北呆着了😭

1. 自我介绍2. 最快到岗时间和实习时长3. 讲讲你在字节的实习4. 服务运行在 K8s 上，你了解哪些核心概念，线上排查会看什么答案：K8s 里最核心的是 Pod、Deployment、Service、ConfigMap、Secret、Ingress、HPA。Pod 是最小调度单元，Deployment 管理副本和滚动更新，Service 提供稳定访问入口，ConfigMap 管配置，Secret 管敏感信息，Ingress 做七层入口，HPA 根据指标自动扩缩容。线上排查一般先看 Pod 状态、重启次数、事件、日志和资源使用。如果服务一直重启，看 kubectl describe pod...