差分隐私工程实战：从 ε-δ 证明到生产级数据流水线
从 ε-δ 数学定义出发，拆解差分隐私的拉普拉斯/高斯噪声机制、敏感度分析、组合定理与工程实现陷阱，覆盖 DP-SGD、联邦学习隐私会计与生产级隐私保护数据流水线的构建，含可运行代码与隐私预算实战。
机器学习与深度学习
Rust Portable SIMD 生产级 AI 推理实战：从 Token 评分到 KV-Cache 管理
利用 Rust 标准化 std::simd API 在 LLM 推理后处理管线中实现生产级性能提升：从 logits softmax、top-k/top-p 采样到 KV-Cache 内存管理逐一拆解，给出经生产验证的向量化方案，覆盖 temperature scaling、并行归约、masked gather 与跨平台可移植性陷阱。
ClickHouse 深度实战：剖析下一代分析型数据库的架构内核
深入剖析 ClickHouse 的架构内核：从列存与行存的本质差异、MergeTree 存储引擎的分区/排序键/稀疏索引设计，到向量化执行管线、MPP 分布式并行与跳数索引的查询加速，逐一拆解它为何能成为 OLAP 领域的事实标准，并给出生产级建表、写入与查询优化实践。
