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...

我基本都在宿舍面试，也没啥讲究，直接开摄像头就开聊，也没有搞一个纯色背景，背后就直接是室友的床铺，不过面试官都挺理解，没也没有因为这个难为我。有次室友洗完澡，湿漉漉地从身后路过，我还在面试呢，面试官也没介意，就当是生活的一部分了，不过还是不要学我比较好，能找一个安静的环境最好

入职微软半年每天6点下班 周末从不响钉钉以为互联网全是996原来只是我见识少

刷题是找Java工作的“必修课”，但数量并不是唯一标准。关键是质量和思路。一般来说，如果是校招或秋招，建议至少刷 200–300道左右 ********，涵盖：数组、字符串：基础功底链表、栈、队列、哈希表：常考数据结构树、图、动态规划：中高级题排序、查找、双指针、滑动窗口：面试高频技巧更重要的是刷 典型题、掌握套路，会总结、会变形，而不是一味追数量。Java工作面试，不只是考算法，还看 基础语法、面向对象、JVM、并发、项目经验。底线是：刷题够你熟练应对常见算法题就好，其余时间多练项目和面试表达，你的胜算会更大。