计算机基础
操作系统、组成原理、网络、Linux/容器、编程工程与分布式基础，先补足 AI Infra 面试的系统底座。
计算机基础知识
AI Infra Interview Notes
把面试知识组织成一张系统地图
毕业准备 · 面试 / 项目 / 简历 / 学习笔记总入口
从硬件互联、Linux 内核、Kubernetes 调度、分布式训练到 LLM 推理，把每个模块放到资源路径和回答结构里理解，而不是孤立背概念。
11学习主题
5复习主线
QA面试问答
AI Infra 核心系统
从 Transformer、GPU/CUDA 到算力资源模型，建立大模型系统最核心的硬件与模型执行直觉。
GPU 硬件与资源共享 / Transformer 与大模型基础
调度与集群
任务调度理论、Kubernetes 与 GPU 集群管理，覆盖多租户、拓扑、队列和稳定性治理。
Kubernetes 核心 / 任务调度理论 / GPU 集群管理
推理 / 训练 / 性能
LLM 推理、分布式训练与性能预测建模，聚焦吞吐、延迟、显存、通信和容量判断。
LLM 推理系统 / 分布式训练 / 性能预测与建模
论文项目与 Agent
论文工作和 Agent 工程表达，服务自我介绍、项目深挖和高频追问；综合设计题已归入各专题专栏。
论文工作 / AI Agent
Foundation
计算机基础
操作系统、组成原理、网络、Linux/容器、编程工程与分布式基础，先补足 AI Infra 面试的系统底座。
Core Systems
AI Infra 核心系统
从 Transformer、GPU/CUDA 到算力资源模型，建立大模型系统最核心的硬件与模型执行直觉。
Scheduling
调度与集群
任务调度理论、Kubernetes 与 GPU 集群管理，覆盖多租户、拓扑、队列和稳定性治理。
Serving & Training
推理 / 训练 / 性能
LLM 推理、分布式训练与性能预测建模，聚焦吞吐、延迟、显存、通信和容量判断。
Projects & Interview
论文项目与 Agent
论文工作和 Agent 工程表达，服务自我介绍、项目深挖和高频追问；综合设计题已归入各专题专栏。