多模型协同推理架构：请求编排引擎与异构调度深度工程
深入解析多模型协同推理的核心工程挑战，涵盖异构调度、请求编排引擎设计、跨模型缓存机制与实际生产优化。从DAG建模到Work Stealing，从放置策略到实战案例。
LLM
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
AI Agent开发实战：从原型到生产部署的完整指南
深入探讨AI Agent架构设计、工具编排、记忆管理、安全边界与生产部署的实战指南，涵盖规划器、工具层、记忆系统、执行引擎四大核心模块，以及注入攻击防御、延迟优化、可观测性等工程实践。
大模型微调实战：从LoRA到QLoRA的高效参数微调技术
深入讲解大模型高效参数微调技术，涵盖LoRA、QLoRA、数据准备和训练工具链
Transformer架构的演进之路：从注意力机制到通用计算引擎
系统梳理Transformer架构从2017年诞生至今的完整演进脉络：从原始自注意力机制，到Encoder/Decoder架构分化，到MoE、线性注意力、状态空间模型等前沿方向。深入分析Flash Attention、RoPE、SwiGLU、DeepNorm等关键技术变革，并展望Transformer与SSM混合、推理时计算扩展、多模态统一等未来趋势。
LLM推理部署实战：从模型优化到生产级服务
深入讲解大语言模型推理部署完整技术栈：模型量化、推理框架选型(PagedAttention/TensorRT-LLM)、KV Cache优化、动态批处理及生产级部署架构
RMSNorm 深度实战：从 LayerNorm 的协方差偏移到 FP8 融合 Kernel 的数值稳定性工程
当你打开 LLaMA、Qwen、DeepSeek、Gemma 或 Mistral 任意一份模型配置文件时，几乎都会看到同一行：`"norm_type": "rms_norm"`。RMSNorm（Root Mean Square Normalization）已经成为现代大语言模型事实上的默认归一化层，取代了 Transformer 原始论文中使用的 LayerNorm。但绝大多数工程实现只是把它当作…
大语言模型高效微调实战：从LoRA到QLoRA——参数高效微调技术全景解析
深度解析大语言模型高效微调技术：从LoRA的低秩适应理论到QLoRA的量化创新，全面覆盖AdaLoRA、DoRA、PiSSA等变体家族，以及LoRA Hub多适配器服务架构与企业级实战指南。
大模型推理加速实战：KV Cache、PagedAttention、FP8量化与投机解码全面解析
深入解析LLM推理加速四大核心技术：KV Cache、PagedAttention、FP8量化、投机解码，含SGLang/vLLM实战部署与横评。
Prompt Engineering进阶：从Few-shot到思维链的系统方法论
系统梳理Prompt Engineering从入门到进阶的方法论，涵盖思维链CoT、RAG和工具调用
