Prompt工程完全指南：从零样本思维链到AI Agent的提示词设计方法论
系统解读Prompt工程的核心方法论：从zero-shot、Few-shot到思维链CoT、思维树ToT、ReAct框架，涵盖结构化输出、安全注入防范、自动优化前沿进展，以及面向AI Agent的提示词设计实战指南。
大语言模型
推测解码与连续批处理深度实战：突破自回归生成的双重瓶颈
深入解析大模型推理优化的两大核心技术——推测解码（Speculative Decoding）和连续批处理（Continuous Batching），从数学原理到vLLM/TensorRT-LLM的工程实现，全面拆解高性能推理系统。
大语言模型LoRA微调实战：低秩适应技术的原理与工程实践
深入解析LoRA低秩适应技术的数学原理，提供完整的PyTorch+PEFT微调实战代码，涵盖QLoRA、DoRA、LoRA+等变种方案，并探讨多任务部署策略与发展方向。
KV Cache 与 PageAttention深度实战：大模型推理优化的两大基石
深入剖析大模型推理优化的两大核心基石——KV Cache键值缓存与PageAttention虚拟内存分页管理，从数学原理、显存分析、传统方案缺陷到vLLM的工程实现，全面拆解高性能推理系统的设计哲学。
LLM推理优化实战：从KV Cache到Speculative Decoding的全链路加速
深入解析大语言模型推理优化的全链路技术栈
Transformer量化压缩技术全景：从GPTQ到AWQ的演进之路
深入解析Transformer模型量化压缩技术全景，涵盖GPTQ、AWQ、SmoothQuant、FP8等主流方法的原理、实现与工程实践，从训练后量化到量化感知训练，全面解读LLM压缩部署的最佳方案。
LoRA微调实战：从零实现参数高效微调
深入解析 LoRA（Low-Rank Adaptation）的数学原理与工程实践。涵盖核心直觉、架构设计、从零实现、训练流程、QLoRA量化微调、多任务管理、DoRA改进版，以及常见问题排查与调优指南。附完整 PyTorch 代码示例，帮助读者在消费级显卡上高效微调大语言模型。
边缘端模型推理优化：量化与张量分解的协同加速实战
深度解析边缘设备上大型AI模型推理加速的协同优化策略。从模型量化（GPTQ/AWQ/SmoothQuant）到张量分解（SVD/Tucker/CP），再到硬件感知编译优化，全面覆盖端侧推理的技术栈与实践要点。
加速思维：大语言模型推理优化技术全景
深入探讨前沿LLM推理优化技术，涵盖KV Cache管理、Flash Attention、PagedAttention、模型量化、推测解码等核心主题
大语言模型推理优化：KV Cache管理与投机解码的协同架构
深入剖析大语言模型推理优化核心技术：KV Cache的PagedAttention分页管理、投机解码的数学原理与Drafter策略权衡、两者协同架构设计（Mooncake等前沿方案），展望全局缓存池共享与记忆化推理未来方向。
Transformer架构深度解析：从自注意力机制到大语言模型的演进之路
深入剖析Transformer架构核心组件——自注意力机制、多头注意力、位置编码、前馈网络，探讨如何支撑千亿参数大语言模型的训练与推理
大语言模型推理优化：从KV Cache到vLLM的深度技术实践
系统讲解大语言模型推理优化核心技术路线，涵盖KV Cache机制、PagedAttention显存管理、Continuous Batching调度、INT8/INT4量化、Speculative Decoding推测解码、FlashAttention IO优化及现代部署架构全景
大语言模型推理部署实战：从vLLM到SGLang的生产级优化之路
深入剖析大语言模型推理部署核心技术：PagedAttention原理、Continuous Batching机制、KV Cache优化策略，对比vLLM/SGLang/TGI/TensorRT-LLM四大框架，详解生产环境硬件选型、量化调优与最佳实践
