Linux DRM/KMS 显示子系统深度实战：从内核架构到 GPU 驱动开发
深入拆解 Linux DRM/KMS 显示子系统的四层架构模型，通过 MiniDRM 驱动开发实例完整展示 GPU 驱动的实现细节，涵盖 CRTC/Encoder/Connector/Plane 核心对象、GEM 显存管理、DMA-BUF 零拷贝共享、Atomic Mode Setting、Fence 同步与 Render 节点权限隔离机制。
人工智能
LLM 推理优化深度实战（最终版）
深入拆解现代LLM推理引擎核心技术——从PagedAttention的显存管理、Continuous Batching的吞吐优化，到Speculative Decoding的解码加速，附带完整代码示例和vLLM部署实践。
LLM 推理加速：投机解码 (Speculative Decoding) 工程实践深度指南
LLM推理优化领域最实用的投机解码技术深度指南：从数学原理到工程实现，涵盖Draft模型选择、KV Cache管理、温度采样处理、自适应k值策略，以及Medusa/EAGLE/Lookahead等前沿变体详解，附性能基准与vLLM/SGLang/TGI部署实践。
vLLM 核心工程深度剖析：PagedAttention 与 KV Cache 调度如何重塑 LLM 推理基础设施
从操作系统内存管理思想切入，深度剖析vLLM PagedAttention核心机制：逻辑块/物理块分离、块表间接寻址、CoW并行采样、前缀缓存哈希索引，以及生产部署调优指南（含与SGLang RadixAttention对比）。
Medusa多头投机解码：LLM推理加速的工程演进与深度实战
从经典Speculative Decoding理论出发，深入Medusa多头投机架构的工程实现，涵盖Draft Model选择策略、树形验证结构、投机宽度动态调节、Medusa-2与LayerSkip变体，以及vLLM/TensorRT-LLM生产集成
Linux内核DRM/KMS显示子系统深度工程实践：从KMS原子提交到GPU调度
深度解析Linux内核DRM/KMS显示子系统：从KMS对象体系(CRTC/Encoder/Connector/Plane)到原子提交机制，从drm_sched GPU调度到DMA-BUF PRIME显存共享模型，覆盖HDR显示调试、Wayland合成器优化和AI推理零拷贝显示等实战案例。
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。
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 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
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。
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。
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 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。
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。
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。
