CXL (Compute Express Link) 内存技术深度解析：从协议革命到池化架构实战
全面解析 CXL 协议族（CXL.io、CXL.cache、CXL.memory），涵盖内存池化、内存分解、缓存一致性协议、CXL 2.0/3.0/3.1 演进、Type1/Type2/Type3 设备形态、分层内存管理（Tiered Memory）、内核 CXL 子系统、および生产环境部署挑战与未来演进方向。
高性能计算
FlashAttention 算法深度解析：从 IO-Aware 优化到 GPU 硬件极致
FlashAttention 通过 IO-Aware 的 Tiling + Recomputation 策略，将 Self-Attention 的 HBM 访问复杂度从 O(N²) 降至 O(N²/d)，在不牺牲数学精度的前提下实现 2-4× 端到端训练加速。本文深入推导 Online Softmax 数学基础、解析 FlashAttention/2/3 三代算法演进、剖析 Hopper/Tensor Core 适配优化，并给出一套完整的工程性能分析框架。
LLM 推理引擎 Continuous Batching 与 PagedAttention：从 vLLM 原理到生产级部署实战
深度拆解LLM推理引擎核心架构：Continuous Batching迭代级调度原理、PagedAttention虚拟分页KV Cache管理、Chunked Prefill长Prompt处理、Prefix Caching前缀共享、分离式Prefill/Decode架构、生产监控指标与调优指南、投机解码等前沿演进
Linux 内核 Restartable Sequences 深度实战：per-CPU 的无锁世界
深入解析 Linux 内核 Restartable Sequences (rseq) 机制——per-CPU 无锁编程的全新范式。从 ABI 原理、glibc/Go/JVM 集成，到 Linux 6.x 新特性、性能对比与生产调试，完整呈现 rseq 的设计哲学与实战细节。
eBPF 与 io_uring 深度融合：构建高性能可编程 I/O 数据平面
深入解析 eBPF 与 io_uring 深度融合的架构设计、内核实现和生产级实战，涵盖 BPF_URING 完成事件拦截、SQ 操作型辅助函数、Map 与 Fixed Buffer 协同，以及自反馈可观测数据平面的完整工程路径。
CUDA Tensor Memory Accelerator (TMA) 深度工程：Hopper 架构的异步张量搬运引擎
从硬件机制到 CuTe 编程模型，全方位拆解 NVIDIA Hopper 架构引入的 Tensor Memory Accelerator (TMA)。涵盖 cp.async.bulk、多维张量描述符、mbarrier 多级流水线同步，以及 TMA + WGMMA 协同实现 940+ TFLOPS 的工程实践。
io_uring深度实战：Linux异步IO革命与高并发性能优化全栈指南
Linux io_uring深度实战：从共享环形队列设计哲学，核心数据结构（SQE/CQE/io_ring_ctx），内核提交模式（SQPOLL/IOPOLL），到用户态HTTP静态文件服务器实战、性能基准测试与生产调优策略全栈解析
LLM 推理服务生产化：从 POC 到高吞吐低延迟的系统工程实践
本文从 KV Cache 内存管理、Continuous Batching 调度、投机解码加速、模型量化策略四个维度，深入拆解 LLM 推理服务从实验室 Demo 走向千级 QPS 生产系统的工程实践。
FlashAttention Tiling 策略与在线 Softmax：从数学推导到 IO-Aware 工程实战
深入分析FlashAttention的Tiling策略与在线Softmax数学原理：从增量归约公式推导，到Forward/Backward Tiling设计、Tensor Core WGMMA编程适配、三级异步流水线，延伸至Flash-Decoding与Flash-Decoding 推理优化，并给出A100/H100实测性能对比与工程落地要点。
CUDA Graph 与持久化内核：AI 推理的零启动开销革命
深入解析CUDA Graph与Persistent Kernel技术如何消除AI推理中的GPU启动开销。涵盖动态形状处理、GPU Direct RDMA集成、生产级调度架构设计，以及A100上70%吞吐提升的实测数据。
