从 Function Calling 到确定性编排：生产级 AI Agent 工具调用层的工程化
从 Function Calling 协议本质出发，构建一个可落地的工具调用运行时，并讨论确定性编排与自由规划的取舍、生产级必补的三个工程坑，以及 Agent 的适用边界。
人工智能
LLM 推理引擎架构演进：PagedAttention、Continuous Batching 与 vLLM/SGLang 深度工程
深度解析现代 LLM 推理引擎 PagedAttention 和 Continuous Batching 两大核心技术，结合 vLLM 与 SGLang 工程案例，完整拆解 KV Cache 内存管理、Iteration-Level 调度、RadixAttention 缓存复用的底层原理与生产最佳实践。
AI 推理引擎的批处理与内存管理：从 Continuous Batching 到 PagedAttention 的工程实践
本文深入剖析现代推理引擎解决吞吐-延迟-显存矛盾的两大核心技术：Continuous Batching（迭代级批处理）和 PagedAttention（分页KV Cache）。从操作系统内存管理视角，详解其CUDA实现内核、Prefix Caching机制、分离式架构演进，并提供生产环境调优与避坑指南。
机密 AI 推理实战：在 Intel TDX / AMD SEV-SNP 可信执行环境中部署 LLM 推理服务
深入探讨如何利用现代CPU的可信执行环境（TEE）构建机密AI推理体系，在Intel TDX和AMD SEV-SNP硬件保护下部署LLM推理服务，确保数据在使用过程中（Data-in-Use）始终处于加密保护状态。
构建一个有手有脑的 AI Agent：ReAct 推理循环、函数调用与多智能体编排实战
深入剖析生产级 AI Agent 的工程实现：ReAct 推理闭环、function calling 强类型工具契约、分层记忆与主管-Worker 多智能体编排，附可运行 Python 代码与上线四道保险。
Model Context Protocol (MCP) 工程实践：构建 AI Agent 的万能接口
深入解析 MCP 协议的核心架构设计、消息传输机制、安全模型，通过生产级实战案例（文件系统 Agent、数据库查询 Agent、多工具协作文档生成 Agent）展示从零构建健壮 MCP Server 的完整路径。涵盖 2026 年 MCP 生态的 Streamable HTTP 扩展、安全模型演进与多 Agent 协作架构。
LLM 推理引擎显存与调度深度实战：从 PagedAttention 到 Continuous Batching 与 Prefix Caching 的生产调优
从显存算术出发拆解LLM推理成本：KV Cache容量模型、PagedAttention分页管理、Continuous Batching迭代级调度、Prefix Caching前缀复用，以及vLLM/SGLang生产级调优清单与踩坑记录。
AI Agent 上下文工程实战：从上下文腐烂到 Compaction、Offloading 与多智能体隔离
深入剖析 AI Agent 长时运行中的上下文腐烂问题：四种失败模式、上下文预算建模，以及 Write/Select/Compress/Isolate/Cache/Forget 六大策略，附上下文管理器、两阶段压缩、子智能体隔离与前缀缓存布局的完整 Python 实现。
AI Agent 长程记忆工程实战：从分层记忆模型到遗忘机制与生产级检索闭环
从工程落地视角拆解 AI Agent 长程记忆子系统：情景/语义/程序性三层记忆模型、抽取-去重-固化的写入链路、BM25+向量+元数据过滤的三路混合检索与 RRF 融合、时间衰减与冲突消解驱动的遗忘机制、以及记忆召回率/污染率/无效召回率三大评测指标，附可运行的 Python 实现与生产落地清单。
MoE 专家并行深潜：从 All-to-All 通信瓶颈到 DeepEP 的工程突围
从 MoE 层的两次 All-to-All 出发量化分析专家并行的通信瓶颈，解析路由负载均衡、capacity 截断、EP 与 TP 的适用性差异，以及 DeepEP 的双域 buffer、纯 RDMA 低延迟 kernel 与通信计算重叠设计，并给出生产环境落地 checklist。
AI Agent 的代码执行沙箱：WebAssembly 与 WASI 0.2 的安全边界工程实践
Agent 生成的代码该在哪一层被隔离？本文对比容器/gVisor/Firecracker 与 WebAssembly，论证 WASM 在短生命周期不可信代码场景的成本与安全优势，并用 WIT 接口定义、Rust+Wasmtime 完整实现（fuel 计量、epoch 中断、内存上限）讲透最小权限沙箱的工程落地。
投机解码深度实战：从草稿-验证采样到 EAGLE 树状草稿，把 LLM 解码延迟砍一半
从内存墙出发推导投机解码的第一性原理，给出可直接运行的接受-拒绝采样完整实现与残差重采样推导，对比独立草稿模型/Medusa/MTP/EAGLE/n-gram 五条路线，讲透树状草稿与 tree attention mask，最后给出 vLLM、SGLang 生产配置、四种不该开启的场景与真实接受率调优方法论。
LLM 推理引擎内部原理：PagedAttention、Continuous Batching 与现代推理架构剖析
深入剖析现代 LLM 推理引擎的核心机制——PagedAttention 内存管理和 Continuous Batching 调度策略，揭示 vLLM 如何将吞吐量提升 2-4 倍
MCP 协议深度实战：从零手写一个 Server，拆解 AI Agent 的「USB-C 接口」
从 JSON-RPC 握手报文到可上生产的只读数据库 MCP Server，深度拆解 MCP 协议的三大能力原语、工具描述设计、传输层选型、间接提示注入风险与上下文成本优化，给出 AI Agent 工具层的工程实践结论。
LLM 后训练量化深度实战：从 GPTQ/AWQ 到 FP8 与 KV Cache 量化的显存-带宽极限工程
从 Roofline 模型定量证明 decode 阶段 Tensor Core 利用率仅 0.33% 的内存墙困境出发，系统拆解 LLM 后训练量化的完整工程栈：group-wise 量化粒度、SmoothQuant 的 outlier 迁移、GPTQ 的 Hessian 误差补偿、AWQ 的激活感知缩放、FP8 延迟缩放与 KV Cache 分级量化，并给出逐层重建误差定位法与生产选型决策树。
