一份系统化 LLM 学习路线，覆盖 Transformer、预训练、SFT、RLHF、RAG、Agent、推理优化、评测和工程项目。

一份面向工程同学的 AI Infra 学习路线，覆盖后端基础、RAG、Agent Runtime、模型服务、评测观测、稳定性工程和项目落地。

用推荐系统里的用户行为日志为例，讲清楚 Kafka 的作用、Producer、Broker、Consumer、Topic、Partition、Offset 和消费语义。

面试高频算法题速记，整理 LRU Cache、合并 K 个有序链表、反转链表的核心思路、复杂度和 C++ 代码。

面试和工程都常见的限流算法总结，讲清楚固定窗口、滑动窗口、漏桶、令牌桶、并发数限制以及分布式限流如何落地。

从 OCR、版面恢复、字段归一化到安全解读，梳理医疗文档多模态原型的完整流水线。

基于源码区分请求前优化、高水位压缩和 API 报错恢复，厘清 Microcompact、Full Compact 与 Auto Compact 的关系。

拆解 Go Web、ORM、缓存、分布式锁、消息队列和压测工具组成的后端基础框架套件。

从分片上传、断点续传到异步任务、缓存和搜索，拆解 Go 云存储系统的关键链路。

从 CLI、Gateway、Channel、Plugin SDK 和 Agent Runtime 读懂个人 AI 助手的运行时架构。