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！

是简历有问题吗

投了三天boss了，就两三个要简历的，java实习都这么难找了吗

虽然嘴上说着不想再面了，但是今晚身体还是诚实地准时点开了面邀链接。部门是核心本地商业，偏向酒旅下面的景点。本来准备了一个工作流项目和一个优惠券秒杀项目，结果全程都是ai和ai coding相关，完全没问第二个项目，也没有手撕，供大家参考。这两个项目都不是实验室的课题吧？都是你在GitHub或其他平台上自己学习实践的项目，然后做了相应的改造，对吗？看一下你这个工作流编排平台，它产生的背景或要解决的问题是什么？我能不能理解为它类似Coze、Dify这类工作流编排产品？你提到和它们有所区分，具体做了哪些改进或不同之处？你说这是自研层面的东西，整体设计思路是怎样的？其中稳定性能力建设这部分，有没有参考...