Week01的内容不是很多，主要介绍LLM的一些基础概念和提示词撰写的方法论。我的学习顺序是：1️⃣边看Slides边记笔记，把一些面试中可能遇到的问题或者可以和面试官聊天的内容记下来，保存在云端，形成自己的知识文库；2️⃣根据Reading List，阅读推荐的材料、收看推荐的视频，这里发现一个特别不错的方法：有些视频长达三个多小时，平时比较忙根本没时间耐心看完，于是我把视频传到NotebookLM，让他结合我的专业，根据要求生成学习笔记。这样我就能收到一份八九千字的“视频转文字”报告，内容详细且经过梳理，看起来既有效率也更有结构性。还可以让它给我生成一段高质量的讲解视频或播客。3️⃣完成一...

1. 问实习经历，但是拷打的是自己的项目，正规的规则引擎了解过吗，没有。2. 浏览器键入网址全过程3. http为什么是无状态4. 死锁条件5. 子网掩码的作用6. mysql b+树和b树7. redis数据结构，用什么结构实现延迟消息队列8. redis分片集群，如何分片的，有什么好处9. jvm内存分布，有垃圾回收的是哪些地方10. spring的aop是如何实现的11. 算法： 数组最大子串和 经过提示才写对，太菜了面完一个小时约二面。

鼠鼠我呀，究竟是怎样的结果，才配得上这一路的颠沛流离啊啊啊，原来是字节呀。从此化身节孝子，我的心只为你跳动

想写这个很久了，因为自己在开源和实习中也接触过一些 ai 的工程化内容，对这一块也有一些自己的思考，这个路线图说是 AI 应用开发全景路线图，其实我是想写从 maas 平台到 AI infra 的整个模型工程化的全链路的知识，但是笔力有限，第一版应该先聚焦于平台和应用开发。学识尚浅，也欢迎各位牛友一起交流，探讨，完善阅读建议：每个模块开始是我的一点思考和收集的信息，后面就是学习建议和资料（主要是开源项目+文档，视频资源如果有比较不错的也会放上去），有些技术可能没有好的教程，后续会陆陆续续的出文章+ demo 和大家交流一，AI 应用开发到底是什么概述AI 应用开发这个字眼从 gpt 刚开始火的...