多面体编译模型深度工程实战：从依赖多面体、仿射调度到 Tiling 与 GPU 代码生成的全链路解析
沿真实工程链路拆解多面体编译：迭代域与访问函数的仿射表示、依赖分析从 GCD/Banerjee 到 Farkas+ILP 的精确化路径、Feautrier/PLuTo 仿射调度搜索、Tiling 与 isl AST 代码生成，以及在 Polly、PPCG、MLIR Affine Dialect 中的工业落地形态与工程边界。
高性能计算
WebGPU 计算着色器矩阵乘法优化：从 Naive 到 Tiled 深度实战
深入剖析 WebGPU 计算着色器实现高效矩阵乘法的完整管线：从朴素实现到 Tiled 分块策略、Workgroup Memory 利用、寄存器分块优化，包含完整 WGSL 代码、JavaScript 端管线配置、性能基准测试数据（Apple M2 Pro 实测），以及工程实践建议（TILE_SIZE 选择、Bank Conflict 避免、timestamp-query 精确计时等）。
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
Rust × CUDA Driver API 零拷贝 FFI 实战：从 Pinned Memory 到 IPC 跨进程 GPU 共享
深度解析 Rust 与 CUDA Driver API 的零拷贝 FFI 互操作，覆盖 bindgen 绑定、Pinned Memory 分配、Async Stream 回调桥接、CUDA IPC 跨进程 GPU 内存共享，附带完整代码示例与性能基准对比。
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。
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。
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。
WebGPU Subgroup 操作与 SIMT 性能优化实战：从 shuffle 到 ballot
WebGPU 的 subgroup 原语为 Web 平台带来了 GPU 级别的 SIMD 通信能力。本文深入讲解 subgroup 的核心操作（shuffle/ballot/reduction），并通过 4 个实战场景（高效归约、warp 级前缀和、分支优化、GEMM 分块策略）展示如何利用 subgroup 实现 workgroup 共享内存 3-12x 的性能突破。包含完整 WGSL 实现和 Chrome/Edge 的性能基准数据。
图计算系统深度工程实战：从 Pregel 顶点中心 BSP、PowerGraph GAS 到 GraphBLAS 代数化算子与 GPU 图遍历
拆解现代图计算系统的三条技术路线：Pregel 的顶点中心 BSP 超步与 Combiner/Checkpoint 工程、PowerGraph 的 vertex-cut 与 GAS 模型如何应对幂律分布、GraphBLAS 如何用半环把图算法重写为稀疏线性代数，以及 GPU 上 CSR 遍历的 warp 级负载均衡与前沿策略，并给出工程选型对照表。
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。
