AI Fundamentals

本仓库是一个全面的人工智能基础设施（AI Infrastructure）学习资源集合，涵盖从硬件基础到高级应用的完整技术栈。内容包括 GPU 架构与编程、CUDA 开发、大语言模型、AI 系统设计、性能优化、企业级部署等核心领域，旨在为 AI 工程师、研究人员和技术爱好者提供系统性的学习路径和实践指导。

• 适用人群：AI 工程师、系统架构师、GPU 编程开发者、大模型应用开发者、技术研究人员。
• 技术栈：CUDA、GPU 架构、LLM、AI 系统、分布式计算、容器化部署、性能优化。

---

Star History:

---

1. 硬件架构与互连技术

涵盖单机基础计算芯片（GPU、TPU）设计原理，PCIe、NVLink 高速互连总线协议，GPUDirect 跨节点直通技术，以及 NVIDIA GB300 NVL72 等异构融合超级芯片的系统级架构与延迟金字塔模型。详细内容请访问：硬件架构与互连技术。

• 基础计算芯片架构
  • 深入理解 GPU 架构
  • TPU 101：深度学习专用加速器架构解析
  • GPGPU vs NPU：大模型推理训练对比
  • Ascend950 稀疏注意力 Forward 算子与优化技术简析 — 深度求索官方 950 微架构解析（1 Cube + 2 Vector、L1 双 bank、FixPipe），DSA 稀疏注意力 prefill/decode 优化转载存档
• 高速互连与数据传输技术
  • PCIe 总线技术大全
  • Linux PCIe P2PDMA 技术介绍
  • CXL 互联协议全景解读：从 PCIe 时代到可组合数据中心
  • CXL 命令行工具链全景：cxl / daxctl / ndctl 从查看到配置
  • NVLink 技术入门
  • NVIDIA GPUDirect P2P 技术详解：节点内 GPU 高速互联
  • NVIDIA GPUDirect RDMA 与 Storage 技术详解
• 异构融合架构与系统性能评估
  • NVLink-C2C：芯片级高速互连技术详解
  • NVIDIA GB300 NVL72：机架级计算系统架构解析
  • AI 基础设施延迟金字塔

---

2. AI 集群运维与高性能通信

构建高吞吐 AI 计算集群的完整运维体系，涵盖基于 Device Query、nvidia-smi 和 nvtop 的 GPU 状态监控，InfiniBand (IB) 网络架构与健康检查，以及 NCCL 分布式通信库的基准测试与多节点部署实战。详细内容请访问：AI 集群运维与通信。

• GPU 基础运维
  • 设备查询：Device Query
  • 误区解读：GPU 利用率指标分析
  • 状态监控：nvidia-smi 指南
  • 状态监控：nvtop 指南
• InfiniBand 高性能网络
  • 理论基础：IB 网络架构与协议
  • 网络运维：健康检查与性能监控实战
• 数据中心市场与容量
  • 中国数据中心有多大、建在哪、谁在租：SemiAnalysis 模型精读 - 逐栋模型精读：双速市场（高空置与 AI 容量短缺并存）、四阶段史、东数西算的配额传导机制与需求侧五家打法
• NCCL 分布式通信测试
  • 理论基础：NCCL 教程
  • 实战指南：基准测试与多节点部署

---

3. 云原生 AI 基础设施

基于 Kubernetes 的 AI 基础设施构建方案，涵盖 NVIDIA Container Toolkit 与 Device Plugin 底层机制、Kueue/HAMi 细粒度 GPU 资源切分与池化、LWS/llm-d 分布式推理调度，以及 JuiceFS、DeepSeek 3FS 等高性能分布式存储系统的架构实践。详细内容请访问：云原生 AI 平台。

3.1 Kubernetes AI 基础设施

解析 Kubernetes AI 场景核心组件，包括容器运行时 GPU 支持底层机制、设备插件源码分析、Kueue 调度整合，以及基于 LWS 的大模型分布式训练与推理架构。

• Kubernetes GPU 管理与 AI 工作负载：云原生 AI 基础设施建设指南与技术导图
• NVIDIA Container Toolkit 原理：容器使用 GPU 的底层机制深度解析
• Device Plugin 原理：Kubernetes 设备插件机制源码分析
• Kueue + HAMi 调度方案：云原生作业队列与细粒度 GPU 共享机制
• LWS (Leader Worker Set) 介绍：Kubernetes 原生的大模型分布式训练与推理调度抽象
• 分布式推理框架：基于 Kubernetes 的 LLM 推理架构设计
• Containerd 日志分析：云原生容器运行时的日志排查与分析

3.2 GPU 资源管理与虚拟化

提供异构算力环境下的 GPU 资源精细化管理方案，涵盖硬件级/内核态/用户态虚拟化机制、CUDA 流与 MPS 调度优化，并提供 HAMi 资源隔离与 Flex AI 的生产环境落地配置。

基础系列文档：

• 第一部分：基础理论篇：构建技术认知框架，解析传统模式局限性与核心技术体系
• 第二部分：虚拟化技术篇：深入剖析硬件级、内核态与用户态虚拟化的核心实现机制
• 第三部分：资源管理与优化篇：探讨 GPU 切分、CUDA 流及 MPS 等高效资源调度与优化策略
• 第四部分：实践应用篇：涵盖环境部署、监控运维及云平台集成的生产落地指南

HAMi 专题：

• HAMi 资源管理使用手册：异构算力管理与隔离实战指南
• HAMi Prometheus 监控指标：构建完善的 GPU 虚拟化可观测性体系
• KAI vs HAMi 对比分析：深度对比原生 Kubernetes AI 调度器与 HAMi 方案
• Flex AI 介绍：探讨灵活异构算力环境下的前沿实践

代码实现与配置：

• 完整实现代码：GPU 调度器、虚拟化拦截与远程调用的参考实现代码
• 配置文件集合：提供适用于生产环境和多云平台的完整部署与配置参考

3.3 高性能分布式存储

针对 AI 训练中海量小文件读取与跨节点共享的性能瓶颈，解析 JuiceFS 数据与元数据分离架构、DeepSeek 3FS 高性能设计及面向推理的 ICMS (KV Cache) 存储层机制。

• JuiceFS 分布式文件系统：数据与元数据分离的架构设计，兼容 POSIX 接口
  • 文件修改机制分析：底层数据一致性与写入流程解析
  • 后端存储变更手册：生产环境下的存储运维与数据迁移指南
• DeepSeek 3FS 设计笔记：高性能存储系统架构设计与特性分析
• NVIDIA ICMS 架构解析：面向推理的 KV Cache 存储层架构深度解析

---

4. 底层计算与异构编程

系统级 AI 底层编程路径，剖析 GPU 并行架构、CUDA 线程/网格与流处理机制、SIMT 与 Tile-Based (TileLang) 编程模型对比，以及基于 DOCA 框架的数据处理单元 (DPU) 核心编程范式。

4.1 GPU 与 CUDA 编程

涵盖 NVIDIA 容器镜像构建、CUDA 线程块/网格与流并发机制、SIMT 与 Tile-Based 编程模型对比、TileLang 算子开发，以及 nvbandwidth 显存与 PCIe 带宽调优实战，并链接 200+ Tensor Core/CUDA Core 优化内核的进阶学习资源。详细内容请访问：GPU 编程基础。

开发环境配置：

• NVIDIA 容器环境配置：NVIDIA Container Toolkit 原理与构建指南
• CUDA 镜像构建分析：大模型训练与推理框架的 GPU 镜像构建深度解析

核心编程范式：

• GPU 编程入门指南：并行计算基础与 CUDA 编程模型
• CUDA 核心概念详解：线程块、网格等基础概念的深度解析
• CUDA 流详解：CUDA 并发编程之流处理机制
• SIMT vs Tile-Based 编程模型对比：架构差异与演进分析

Tile-Based 编程：

• TileLang 快速入门：语法详解、算子开发实战与性能优化技巧

性能分析与调优：

• nvbandwidth 最佳实践：显存带宽与 PCIe 传输带宽测量指南

进阶学习资源：

• CUDA-Learn-Notes：涵盖 200+ 个 Tensor Core/CUDA Core 极致优化内核示例 (HGEMM, FA2 via MMA and CuTe)
• Nvidia 官方 CUDA 示例：官方标准范例库
• Multi GPU Programming Models：多卡编程模型示例

4.2 DPU 编程

基于 DOCA 框架的数据处理单元 (DPU) 开发指南，解析架构组件与网络加速、零拷贝 DMA、控制平面卸载、压缩、NVMe 模拟及近数据处理等典型场景的编程实践。详细内容请访问：DPU 编程。

• DOCA 框架
  • DOCA 编程入门：涵盖架构简介、核心组件及典型场景编程实践

4.3 华为 NPU 编程

基于昇腾 NPU 硬件特性和 CANN 软件栈的系统级编程路径，涵盖 Da Vinci 架构、PyTorch NPU 适配与迁移、MindSpore 原生框架、Ascend 工具链、自定义算子开发，以及 RAG pipeline、FlashAttention、Mini-GPT 和 LLM 推理（Qwen2.5-7B BF16 + LoRA 微调）等端到端实战。详细内容请访问：华为 NPU 编程入门。

• NPU 开发环境搭建 — CANN 驱动、torch_npu 安装与版本对齐
• RAG Pipeline on NPU — Embedding + FAISS + LLM 全链路 NPU 化
• LLM 推理 on NPU — Qwen2.5 本地推理、ChatML、NaN 诊断
• LoRA 微调 on NPU — BF16 + peft + 梯度检查点，HBM 峰值 16.4 GB
• 更多主题：Da Vinci 架构与 CANN 软件栈、PyTorch NPU 适配、MindSpore 框架、Ascend 工具链、Ascend C 自定义算子、NPU 性能分析、FlashAttention、Mini-GPT

---

5. 大语言模型应用开发与编排

探索以自然语言驱动与 Agent 自主决策为核心的 Software 3.0 开发范式，包含 Spring AI 企业级 Java 接入、LangGraph 有状态多智能体图计算模型，以及 Coze/n8n 无代码工作流编排技术。详细的深度探讨可参考 大模型编程指南。

5.1 Java AI 开发

剖析 Java 生态 AI 开发技术栈，通过 Spring AI 工程框架实现企业级 Java 应用对 LLM 能力的接入，并演示基于 Spring AI 构建高效 LLM 代理的工程实践。

• Java AI 开发指南 - Java 生态系统中的 AI 开发技术总览。
• 使用 Spring AI 构建高效 LLM 代理 - 基于 Spring AI 框架的企业级 AI 应用开发实践。

5.2 LangGraph 开发

LangGraph 通过图计算模型解决 LLM 应用在循环逻辑与状态持久化上的瓶颈，提供状态机机制以支持多轮推理、自我反思的复杂 Agent 工作流构建（如 AI 客服系统 Notebook 实战）。

• LangGraph 框架学习资源 - LangGraph 框架的学习资源与实践案例总览。
• LangGraph 简介 - LangGraph 的核心概念与入门指南。
• AI 客服系统实战 - 基于 LangGraph 构建的 AI 客服系统 Notebook 实战。

5.3 AI 工作流与编排

无代码/低代码（No-Code/Low-Code）AI 应用落地指南，包含 Coze 私有化部署配置、n8n 多智能体编排实践，以及 Dify、Ragflow 等主流开源编排平台的架构与商业许可对比。文章收录于 7.5 工作流编排与应用平台（文件在 06_llm_theory_and_fundamentals/workflow/）。

---

6. 机器学习基础

基于 NJU 与 SJTU 课程资源的系统化学习路径，涵盖线性代数与概率论等数学基础、SVM 与 HMM 等核心算法数学原理（《统计学习方法》《PRML》），并提供心脏病预测与房价评估等项目驱动的代码实战。

6.1 动手学机器学习

结合特征工程、模型评估与超参数调优，系统讲解监督/无监督学习、集成学习、推荐系统与概率图模型，配套心脏病预测、鸢尾花分类与房价预测等项目完成从理论推导到工程化实战的完整闭环。

动手学机器学习 - 全面的机器学习学习资源库，包含理论讲解、代码实现和实战案例。

核心特色：

• 理论与实践结合：以 NJU 课程为主线，辅以 SJTU 配套资源，从数学原理到代码实现的完整学习路径。
• 算法全覆盖：涵盖监督学习、无监督学习、集成学习、推荐系统、概率图模型及深度学习。
• 项目驱动学习：提供心脏病预测、鸢尾花分类、房价预测等实战案例。
• 工程化实践：深入特征工程、模型评估、超参数调优及特征选择。

6.2 参考资料

汇集 3Blue1Brown 线性代数可视化、MIT 18.06 线性代数课程、李航《统计学习方法》、周志华《机器学习》与 Bishop《PRML》等经典教材，以及 Andrew Ng Coursera 入门课程、Stanford CS229 进阶课程与 Kaggle 竞赛实战平台资源。

数学基础：

• 线性代数的本质 - 3Blue1Brown 可视化教程，直观理解线性变换与矩阵运算。
• MIT 18.06 线性代数 - Gilbert Strang 经典课程，深入矩阵分解与子空间理论。
• 概率论与统计学基础 - 掌握贝叶斯定理、最大似然估计与概率分布。
• Datawhale 数学基础 - Datawhale 开源的 AI 数学基础教程，涵盖微积分、线性代数与概率论。
• 华东师大矩阵计算课程 - 华东师范大学潘建瑜教授的《矩阵计算》课程主页与讲义资源。

经典教材：

• 《统计学习方法》 - 李航著，系统阐述感知机、SVM、HMM 等核心算法的数学原理。
• 《机器学习》 - 周志华著（西瓜书），全面覆盖机器学习基础理论与范式。
• 《模式识别与机器学习》 - Bishop 著（PRML），贝叶斯视角的机器学习圣经。

在线课程与实战：

• Andrew Ng 机器学习课程 - Coursera 经典入门，强调直觉理解。
• CS229 机器学习 - 斯坦福进阶课程，深入数学推导。
• Kaggle - 全球最大的数据科学竞赛平台，提供真实数据集与 Notebook 环境。

---

7. 大语言模型理论与基础

LLM 核心理论与架构基石，深入解析 Tokenizer 分词机制、Embedding 向量表示学习、混合专家模型 (MoE) 与模型压缩量化技术，并前瞻思维链 (CoT) 推理增强、基于 LLM 的意图识别及 Deep Research (深度研究) 前沿应用架构。

详细内容请访问：LLM 理论与基础 - 核心文档门户，涵盖基础理论、深度研究与工作流编排。

7.1 基础理论与概念

拆解 LLM 底层运作机制，包括 Tiktokenizer 分词编码、大模型文件格式存储规范、Chain-of-Thought (CoT) 逻辑推理增强技术，以及模型幻觉 (Hallucination) 的成因分析与工程化应对策略。

• 基础理论与概念导航 - LLM 核心概念的完整学习路径。
• Transformer 架构详解 — 从 RNN 串行瓶颈到自注意力机制，拆解 Attention、FFN、位置编码、LayerNorm 等核心组件，目标是读完能看懂 modeling_llama.py。
• Andrej Karpathy ： Deep Dive into LLMs like ChatGPT （B 站视频） - 深度学习领域权威专家的 LLM 技术解析。
• 大模型基础组件 - Tokenizer - 文本分词与编码的核心技术。
• 解密大语言模型中的 Tokens - Token 机制的深度解析与实践应用。
  • LLM Token 机制详解 - Token 的基础概念与应用原理。
  • Tiktokenizer 在线版 - 交互式 Token 分析工具。
• 一文读懂思维链（Chain-of-Thought, CoT） - 推理能力增强的核心技术。
• 大模型的幻觉及其应对措施 - 幻觉问题的成因分析与解决方案。
• AI 水印：道高一尺，魔高一丈 - AI 水印的攻防博弈：嵌入与检测技术、去除攻击与工程应对。
• 大模型文件格式完整指南 - 模型存储与部署的技术规范。

7.2 嵌入技术与表示学习

离散文本到连续向量的表示学习体系，解析 Text Embeddings 的演变历史、距离度量算法，以及独立 Embedding 模型与 LLM 原生 Embedding 层的架构选型与应用权衡。

• 文本嵌入学习资源 - 深入探讨文本嵌入原理与应用的综合指南门户。
• 深入了解文本嵌入技术 - 全面解析 Text Embeddings 的演变、距离度量及应用。
• LLM 嵌入技术详解：图文指南 - 可视化直观理解大模型 Embeddings。
• 文本嵌入技术快速入门 - 快速上手文本嵌入技术的实用指南。
• 大模型 Embedding 层与独立 Embedding 模型：区别与联系 - 嵌入层架构设计与选型策略。

7.3 高级架构与应用技术

探索提升模型性能与压缩比的关键技术，通过可视化指南解析 MoE 稀疏激活原理与量化加速机制，并结合 ChatBox 实战剖析基于 LLM 的语义理解与意图检测系统设计。

• 大模型可视化指南 - 大模型内部机制的可视化分析。
• 混合专家模型 (MoE) 可视化指南 - 深入解析 MoE 架构原理。
• 量化技术可视化指南 - 模型压缩与加速的核心技术。
• 基于 LLM 的意图检测 - 意图识别系统设计与实现。
  • 参见：ChatBox 意图识别与语义理解 - ChatBox 中意图识别的实际案例分析。

7.4 Deep Research 深度研究

多步推理规划在复杂信息检索中的应用，解构 DeepWiki、通义 DeepResearch 与 Cursor DeepSearch 等主流系统架构，并提供面向科研助手与复杂订单履约场景的 Agent 需求分析与架构设计方案。

• Deep Research 深度研究资源指南 - Deep Research 相关的技术解析与实践案例总览。
• 《Building Research Agents for Tech Insights》深度解读 - 技术洞察研究 Agent 构建指南。
• DeepWiki 使用方法与技术原理 - 技术实现细节与使用指南。
• DeepWiki 深度研究报告 - DeepWiki 的研究成果与深度分析报告。
• 通义 DeepResearch 深度分析 - 对通义 DeepResearch 的技术剖析。
• Cursor DeepSearch 解析 - Cursor AI 深度搜索功能技术分析。
• Databricks Data Agent - Databricks 数据 Agent 技术架构与实现。
• 科研助手 Agent 设计 - 面向研究者全生命周期的智能助手设计方案。
• 订单履约 Agent 需求分析 - 复杂业务场景下的 Agent 系统需求分析。
• 订单履约 Agent 系统设计 - 复杂业务场景下的 Agent 系统架构与实现。

7.5 工作流编排与应用平台 (Workflow)

将 LLM 能力转化为自动化业务流，横向评测 Dify、AnythingLLM 等开源应用编排平台功能与商用许可，并提供基于 Coze 与 n8n 构建多智能体系统的私有化部署实践。

• 工作流编排指南 - 大模型应用编排平台与自动化工作流实践总览。
• 开源大模型应用编排平台功能与商用许可对比分析 - Dify、AnythingLLM、Ragflow 与 n8n 的深度横评。
• 使用 n8n 构建多智能体系统的实践指南 - 基于 n8n 构建 Multi-Agent 系统。
• Coze 部署和配置手册 - Coze 平台的私有化部署与配置指南。

7.6 参考书籍

精选《大模型技术 30 讲》《Hands-On Large Language Models》《百面大模型》等著作，涵盖从 Transformer 理论解构、模型从零预训练到全栈工程落地的系统性阅读指南。

• 从芯片到 Agent：AI 基础设施的阅读地图 - 按本仓库章节体系组织的系统书单，覆盖硬件、集群、云原生、GPU 编程、LLM 理论/训练/推理、Agent、RAG 全链路。

• 大模型技术 30 讲 - 大模型时代，智能体崛起：从技术解构到工程落地的全栈指南。

  • 第三方：大模型技术 30 讲（英文 & 中文批注） - 带有中英文对照及批注的版本。

• 大模型基础

  

• Hands-On Large Language Models

  

• 从零构建大模型 - 从理论到实践，手把手教你打造自己的大语言模型。

• 百面大模型 - 打通大模型求职与实战的关键一书。

• 图解大模型：生成式 AI 原理与实践 - 超过 300 幅全彩图示 × 实战级项目代码 × 中文独家 DeepSeek-R1 彩蛋内容。

---

8. 大模型训练

涵盖从 SFT 监督微调、RL 后训练到大规模预训练的完整工程路径，结合 70B 模型从零训练实战，剖析数据清洗、硬件集群配置、超参数优化 (CARBS) ，以及面向 AIOps 场景的 Kubernetes 模型后训练 (Post-Training) 与评估框架设计。详细指南可参考：模型训练与微调总览 。

8.1 指令微调与监督学习

基于高质量指令-响应数据的模型行为对齐技术，包含 Qwen 2 大模型的微调 Notebook 实战，以及垂直领域模型 SFT 的理论指南与最佳实践。

• SFT 微调实战与指南 - 包含基于 Qwen2 的微调代码实战及垂域模型微调理论指南。
• Qwen 2 大模型指令微调实战 - 基于 Qwen 2 的指令微调 Notebook 实践。
• Qwen 2 指令微调教程 - 详细的图文教程。
• 一文入门垂域模型 SFT 微调 - 垂直领域模型的监督微调技术与应用实践。

8.2 大规模模型训练实践

复盘 70B 参数模型从零训练全生命周期，深度解析开源数据集清洗与评估策略、裸金属基础设施配置与自动化脚本，以及扩展至超大规模参数的优化器选型策略。

• Training a 70B model from scratch: open-source tools, evaluation datasets, and learnings - 70B 参数模型从零训练的完整技术路径与经验总结。
• Sanitized open-source datasets for natural language and code understanding: how we evaluated our 70B model - 大规模训练数据集的清洗、评估与质量控制方法。
• From bare metal to a 70B model: infrastructure set-up and scripts - 大模型训练基础设施的搭建、配置与自动化脚本。
• Open-sourcing CARBS: how we used our hyperparameter optimizer to scale up to a 70B-parameter language model - 超参数优化器在大规模模型训练中的应用与调优策略。

8.3 模型后训练与评估

保障模型生产环境表现的评估体系，解析 AIOps 后训练策略、基于 Kubernetes 的自动化模型评估框架构建，以及基准测试数据集的生成方法。

• AIOps 后训练技术 - 面向智能运维场景的模型后训练技术与实践。
• Kubernetes 模型评估框架 - 基于 K8s 的大模型评估框架设计与实现。
• Kubernetes AIOps 基准测试生成框架 - 自动化生成 AIOps 基准测试数据集的框架设计。

8.4 RL 后训练的系统约束

SFT 之后把推理能力推上去要靠 RL，而 RL 的 rollout 由推理引擎产生、梯度由训练框架计算——两个系统对同一份权重算出的 log-probability 并不相同，这个差异会直接把策略梯度带偏。

• 训练不稳，可能是推理引擎的锅：Miles 的三条对齐路线 - 逐位对齐、量化路径统一、路由重放与重要性采样修正三条路线的源码级拆解，含各自的适用边界与实测数字。

---

9. 大模型推理

企业级大模型推理系统落地指南，解构 Mooncake 以 KV Cache 为中心的调度架构、vLLM/llm-d 核心推理框架底层机制，深度剖析 LMCache 多层存储体系与 Tair 跨实例缓存共享，并提供 DeepSeek 等前沿模型在多硬件平台的部署调优实践。

9.1 推理系统架构设计

剖析现代推理系统的底层架构创新，重点解构 Mooncake 等以 KV Cache 为中心的高效 LLM 调度系统设计模式与性能调优策略。

• Mooncake 架构详解：以 KV Cache 为中心的高效 LLM 推理系统设计 - 新一代推理系统的架构创新与性能优化策略
• KV Cache 撞上 SSD：FAST'26 用九篇论文把五个场景各打了一遍 - FAST'26「AI and LLMs」九篇论文的五象限汇总：端侧/智能体/对话/数据中心/冷启动各自的核心矛盾、招式与数字，共同支点是可复现的 I/O 特征；附 4 篇 Agent 精读报告
• 当 Agent 流量成为推理系统的主要负载 - KV 生命周期错配、调度语义失真、会话粘性与容量公式失效：Agent 负载下的四连锁问题与两引擎源码级现状
• 约束解码的性能账单：vLLM 与 SGLang 的结构化输出实现拆解 - 结构化输出的编译账/每步账/交互账：双引擎实现逐项对照与 jump-forward 差异
• 线性注意力与推理系统 - delta-rule 一脉（KDA/Gated DeltaNet）落地后的系统挑战：prefill 串行化、状态检查点缓存、状态语义深水区——总览 + 机制/调度/状态语义四篇
• HBF 是 HBM 的替代吗：单位存储便宜了，Token 成本却可能更高 - Hot Chips 2026 的 (β, α) 坐标系与 $/token 公式：单位容量便宜 8–16 倍、单位容量带宽只有 HBM 的 1/25，折算成带宽单价反而贵 1.7 倍，HBF 只在一个很窄的低带宽区间里划算
• DeepSeek 把家底搬上了昇腾：六个组件、三种双端模式与一份 950 微架构报告 - 逐仓拆解 TileLang/DeepGEMM/DeepEP/TileKernels/FlashMLA/DeepSelect 的昇腾版：三种双端模式、950 微架构要点与诚实缺口清单
• 大模型推理并行策略（交互可视化） - DP、TP、PP、EP、SP 五种策略的统一拆解与混合部署案例
  • 专家并行（EP）深度解析 - EP 独立深度文章：DP/TP/PP 为什么解决不了 MoE、All-to-All 通信模式、EP+DP 耦合、DeepEP 低延迟后端、EPLB 负载均衡、选型决策

9.2 核心框架与平台

云原生推理基础设施全景，涵盖基于 LWS 的 Kubernetes 多机多卡分布式推理调度，以及高性能 llm-d 框架在不同集群规模下的技术选型与最佳实践。

• 推理优化技术方案 - 企业级推理优化全景指南，涵盖集群规模分析、核心优化技术及实施路径
• vLLM + LWS ： Kubernetes 上的多机多卡推理方案 - 大模型推理在 Kubernetes 上的最佳实践
• 云原生高性能分布式 LLM 推理框架 llm-d 介绍 - 云原生架构下的高性能推理服务栈
• nano-vllm ★ — 从零构建的轻量级 vLLM 实现（~1400 行 Python），在极简代码中保留 PagedAttention、连续批处理、张量并行与 CUDA Graph 等核心机制，推理速度与 vLLM 相当。配套 8 课 在线 PPT 实战课程，逐步拆解 Sequence 生命周期、调度器队列、KV Cache 管理与注意力算子分支

9.3 KV Cache 核心技术

长文本与高并发推理的核心瓶颈突破，解析自回归生成机制、Prefix Caching 前缀缓存与 RadixTree 自动复用原理，并深度对比 LMCache 分层架构与阿里云 Tair KVCache 的企业级分布式部署方案。

• KV Cache 技术体系 - KV Cache 技术体系全景指南
• KV Cache 原理简介 - 自回归生成的挑战与 KV Cache 的工作机制
• Prefix Caching 技术详解 (配套 PPT) - 从原理到 vLLM/LMCache 实践的前缀缓存技术
• RadixAttention 技术详解 (配套 PPT) - 基于 Radix Tree 自动复用 KV Cache 的核心原理与 SGLang 实践

9.3.1 LMCache 核心架构与后端实现

本小节详细解析 LMCache 的四层存储架构及其在跨实例缓存复用中的技术细节。

基础与架构概览：

• LMCache 源码分析指南 - 完整学习路径与文档索引
• LMCache 架构概览 - 四层存储架构 (L1-L4)、核心组件交互与典型工作流
• vLLM KV Offloading 与 LMCache 深度对比 - 架构设计、存储层级及跨实例共享能力上的核心差异与性能权衡

核心运行时组件：

• LMCacheEngine 源码分析 - 核心调度中枢、异步事件管理与层级流水线
• LMCacheConnector 源码分析 - vLLM 集成适配器、视图转换与流水线加载
• 分层存储架构与调度机制 - StorageManager 调度器、Write-All 策略与 Waterfall 检索

存储后端实现：

• LocalCPUBackend 源码分析 - 本地 CPU 内存后端与并发控制
• LocalDiskBackend 源码分析 - O_DIRECT 直通 I/O 与异步优化
• P2PBackend 源码分析 - RDMA 零拷贝与去中心化传输
• GdsBackend 源码分析 - GPUDirect Storage 零拷贝
• NixlStorageBackend 源码分析 - 高性能网络存储、S3 对象存储对接
• Remote Connector 源码分析 - Redis/S3/Mooncake 多后端适配
• PDBackend 源码分析 - 预填充-解码分离、Push-based 主动推送机制

控制面：

• LMCache Controller (控制平面) - 集群元数据管理、ZMQ 三通道通信与节点协调
• LMCache Server 源码分析 - 轻量级中心化存储服务、自定义 TCP 协议

高级特性：

• CacheBlend 技术详解 - RAG 场景下的动态融合机制、选择性重算与精度保持
• CacheGen 技术详解 - KV Cache 压缩与流式传输、自适应量化与算术编码

9.3.2 阿里云 Tair KVCache

本小节介绍阿里云企业级的 KVCache 管理系统架构及大规模部署实践。

• Tair KVCache 架构与设计深度分析 - 阿里云企业级 KVCache 管理系统架构详解，包含与 LMCache 的全面对比分析、中心化管理模式及大规模部署最佳实践

9.3.3 SGLang 推理引擎

SGLang 以 RadixAttention 前缀缓存和高效调度器著称，涵盖 KV Cache 管理源码系列（UnifiedRadixTree、KV Pool、HiCache、HiSparse）、调度器源码（Chunked Prefill、Overlap Scheduling）、版本解读、超大规模推理调优实践与交互式可视化演示。

• SGLang 内容索引 - 源码分析、案例研究与可视化演示导航
• SGLang UnifiedRadixTree：一棵树，四种注意力 - 0.5.16 默认化的统一 Radix Tree：FULL/MAMBA/SWA 统一索引与可插拔缓存语义
• SGLang 0.5.16 发布解读 - 574 个 PR 的重大版本：DSpark 置信度驱动投机解码与 Inkling 975B Day-0 支持，含破坏性变更清单
• HiCache 深入详解 - SGLang 分层 KV Cache 架构（L1/L2/L3）与 HiRadixTree 源码分析
• SGLang KV Pool 管理：物理存储、Radix Tree 索引与请求视图 - KV Pool/Radix Tree/ReqToTokenPool 三层结构与 L1→L2→L3 多级逐出
  • KV Cache L1↔L2 数据流深度分析 - write_backup/eviction/load_back 逐操作代码路径与 CXL 场景适配
• SGLang 调度器 - Prefill > Decode 优先级决策、PrefillAdder 五种准入预算与 retract_decode 内存压力保护
• SGLang Overlap Scheduling 深度解析 - CPU-GPU 双流水线：result_queue 打破串行依赖与 FutureMap relay 输入
• SGLang HiSparse 深度解析 - 将 DSA 稀疏选择提升到系统 coordinator 层：page 级选择性加载与双模式索引转换
• SGLang Scaling Pain 超大规模推理调优案例 - 利用投机采样定位 PD 分离架构下的 KV Cache 竞态与时序缺陷
• Chunked Prefill 原理与代码实现 - 长 prompt 切分、PrefillAdder 截断决策、调度循环与 HiCache 协同的完整源码级分析
• SGLang 推理流水线可视化 - 交互式 Prefill & Decode 流水线演示，追踪 HiCache 三级缓存全流程
• SGLang 调度器可视化（GIF 预览） - 模拟多请求到达与 Chunked Prefill 的调度过程

9.4 推理优化技术体系

多维度提升推理吞吐的系统级技术，包含 vLLM 注意力机制演进 (MLA/NSA)、CUDA Graphs 与 Hybrid KV Cache 管理，结合参数显存占用估算、KV Block Manager 内存机制与 Layer-wise 流水线进行深度调优。

vLLM 核心机制分析：

• vLLM 推理系统优化与分析 - vLLM 底层机制和系统架构的深度解构
• vLLM 注意力机制演进与支持全景 (配套 PPT) - 从 MHA 到 MLA 与 NSA 的架构解析及 vLLM 支持现状
• vLLM 内置 KV Cache Offloading 模块解析 - 原生 KV Cache CPU Offloading 功能原理与实现
• vLLM Hybrid KV Cache Manager - vLLM 针对混合注意力架构的显存优化机制
• vLLM CUDA Graphs 深度解析 - 深入探讨 vLLM 解码阶段 CUDA Graphs 的核心机制与实践
• vLLM Router 架构解析 - 高性能、轻量级请求转发系统
• vLLM Semantic Router - 基于语义的智能路由策略
• DeepSeek V4 长上下文注意力支持解析 - 深入探讨 vLLM 对 DeepSeek V4 模型高效注意力机制的底层实现与算子优化
• PagedAttention 退役的技术原因 - 从 MLA 不兼容、两遍遍历浪费带宽、无原生 FP8 计算、模板爆炸等角度分析 PagedAttention 被取代的技术必然性
• gpu-memory-utilization 的谢幕：vLLM 如何用「实测」替代「估算」 - VMM 机制、四步显存核算流程与可增长 KV Cache 的前瞻分析
• MLA 的 TP 切分：KV Cache 冗余分析 - MLA 将 KV cache 压缩到标准 MHA 的 ~1.8%，但 TP 对其显存节省为 0%，冗余率达 87.5%

显存与缓存优化：

• LLM 显存占用分析与计算 - 模型参数、KV Cache 与中间激活值的显存估算方法
• KV Block Manager 分析 - KV Cache 内存管理机制深度解析
• 分层流水线技术 - Layer-wise Pipeline 技术原理与性能优化

网络与模型工具：

• 模型优化导航 - 模型优化技术概览与导读
• NIXL 网络存储介绍 - 高性能网络存储架构与应用
• NVIDIA 模型优化器 - NVIDIA 模型优化工具链详解
• 图解投机解码 - Speculative Decoding 的核心思想、系统实现与工程调优要点
• 一次前向，白赚 4 个 token：DFlash 2 块扩散投机解码技术详解 - 块扩散式的投机解码架构与实现深度解析
• vLLM GB200 优化 - vLLM 在 GB200 硬件上的性能优化策略

9.5 推理优化参考设计

企业级 LLM 推理服务全流程实施指南，从集群规模特征评估、异构执行图调度架构设计，到边缘设备/多模态模型专项优化，并提供安全合规、指标体系与上线检查清单。

• 推理优化参考设计导航 - 企业级 LLM 推理服务架构设计全景导读

基础理论与技术选型：

• 背景与目标 - 推理优化的背景分析与核心目标
• 集群规模分类与特征分析 - 不同规模集群的特点与需求
• 核心推理优化技术深度解析 - KV Cache、批处理、量化等核心技术
• 不同集群规模的技术选型策略 - 针对性的技术方案选择

架构设计与评估体系：

• 推理服务架构设计 - 企业级推理服务架构设计方案
• 面向推理执行图的异构调度系统架构设计 - 跨设备、跨阶段、跨模型的精细化调度方案
• 性能评估指标体系 - 推理性能评估指标与方法

专业领域优化：

• 多模态推理优化 - 多模态模型推理优化策略
• 边缘推理优化 - 边缘设备上的推理优化方案
• 安全性与合规性 - 推理服务的安全与合规要求

实施落地与运维：

• 实施建议与最佳实践 - 落地实施的指导建议
• 实施检查清单 - 推理系统上线检查清单
• 场景问题解答 - 常见问题与解决方案
• 参考资料与延伸阅读 - 推荐阅读与延伸资料
• 总结与展望 - 推理优化技术发展趋势

9.6 推理成本与容量规划

大模型推理成本的定量分析与容量规划决策，涵盖 API 按量计费与 Coding Plan 包月订阅的定价数据建模，以及基于业务前缀复用率的 KV Cache 各级存储（HBM/DRAM/NVMe）容量推演。

• 推理成本分析 — 基于 OpenRouter 的多模型成本测算与动态抓取脚本

• Coding Plan 订阅对比 — 11 款 AI 编程工具订阅成本与隐藏条款解析

• Token Factory：AI 推理的成本革命（图文讲解） — 对外演讲的 PPT 24 页逐页配图讲解：AI 白菜化与 Token 单位化 → 从「算力房东」到「产品制造商」→ 提升产能的成本革命 → 让 token 更值钱，附国产算力差距的现场互动。配套素材库（可排练提纲 + 产能度量文档 + 12 份参考资料）见 项目 README

  

• L1 KV Pool 与系统并发上限 — 并发上限公式、三态记账与指标观测；为什么 L2 空余救不了 P99 TTFT（SGLang/vLLM 对照）

• KV Cache 容量规划 — GLM-5 显存容量推演与 ROI 评估

• KV Cache 压缩技术 — INT8/FP8 量化、稀疏化与注意力优化

• Claude Prompt Caching 机制分析 — 提示词缓存的终端 Agent 源码实现与成本优化

9.7 模型部署与运维实践

跨硬件平台的模型服务化落地指南，涵盖 Mac 本地 DeepSeek-R1 运行、Ollama 架构原理，以及 DeepSeek-V3 MoE 在 H20、Qwen2-VL 在华为昇腾、B300 在 Blackwell Ultra 上的专项部署调优。

• 动手跑大模型 - 手把手教你如何跑大模型
• Ollama 推理框架详解 - Ollama 的架构原理与进阶配置
• 输出差了一点点？用 logprobs 分清「噪声」还是「bug」 - logprobs 精度判别与推理排错实战
• DeepSeek-V3 H20 推理优化：基于 vLLM 源码的深度分析 - PD 分离、EPLB、DP 适配、MTP 加速、FP8 量化的源码级分析
• Qwen2-VL-7B 华为昇腾部署 - 国产硬件平台的部署优化
• B300 上的模型部署与 KV Cache：官方手册最佳实践 - vLLM/SGLang 官方手册的推荐配置与调优判据：SM103 三道门槛、Kimi-K3/DeepSeek-V4 启动配方、-O0~-O3 与 2+N 物理核公式、KV 量化官方精度表、HiCache 三档配置、NVFP4 KV 禁用理由；含 §三 K3 从 16 卡到 64 卡的权重/KV/通信三笔账
• 大模型启动，七成时间花在加载权重上：FAST'26 论文用可编程页缓存把延迟砍了 79% - FAST'26 华为论文精读：三个测量驱动的观察（SSD 带宽只用 17%、NUMA 亲和够不着、一次性读撞上 LRU），PPC 用 stacking 只读 FS 加用户态策略运行时满足透明/非侵入/无硬件依赖三约束，MAIO 以 I/O 模板驱动三机制拿下模型加载延迟 −79%、弹性吞吐 +36%；含 openEuler ModelFS 落地路径与 3 张手绘图

9.8 DeepSeek 专题

DeepSeek 模型极致性能优化实战，深度解析 vLLM 宽端点 (Wide Endpoint) 专有并行架构，以及在 Blackwell 等下一代高性能计算平台上的可扩展性评估与部署策略。

• vLLM WideEP 架构 - vLLM 宽端点 (Wide Endpoint) 架构解析
• Scaling DeepSeek on Blackwell - DeepSeek 在 Blackwell 平台上的扩展性优化
• 从 MLA 到 CSA + HCA：DeepSeek 注意力架构的进化之路 - 结合 vLLM 推理引擎源码，深度解析 DeepSeek 注意力机制演进

---

10. 企业级 AI Agent 开发

构建生产级 AI Agent 的系统化指南，涵盖 BDI 认知理论、ReAct/12-Factor 等架构模式，深度拆解动态上下文工程、MemoryOS 多层记忆架构与 MCP 互操作协议，并提供基于 LangGraph 的企业级多智能体系统与 Kagent 基础设施演进分析。

详细内容请访问：AI Agent 开发与实践 - 核心文档门户，涵盖理论、架构与实战。

10.1 核心理论与架构设计

解析多智能体协作机制与企业级落地框架，包含 ReAct 推理机制、复杂写作/指代消解系统设计模式，并深度剖析世界模型认知引擎与 Data Agent 数据智能体的新兴架构范式。

多智能体系统：

• 理论基础与框架 - BDI 架构、多 Agent 协作机制与企业级落地
• 企业级构建实战 - 基于 LangGraph 的架构设计与企业级代码落地

智能体设计模式：

• ReAct Agent 模式详解 - 推理与行动深度协同的经典机制
• 写作 Agent 设计 - 针对复杂长文本内容创作的架构设计
• 指代消解系统设计 - 高级对话状态管理与多轮交互技术
• 12-Factor Agents - 构建高可靠、可扩展 LLM 应用的 12 要素原则
• TradingAgents-CN 设计 - 交易领域的智能体设计与交互分析
• AI Agent 设计模式 - 企业级智能体架构设计模式
• All Agentic Architectures 深入详解 - 17 种 Agent 架构深度对比与实现解析

数据智能体 (Data Agents)：

• 数据智能体综述 (配套 PPT) - Data Agent 新兴范式的核心架构与应用挑战
• 企业级 Data Agent 产品需求文档 (配套 PPT) - 完整的商业级 L2 条件自动化 Data Agent PRD
• 企业级 Data Agent 敏捷落地规划 (配套 PPT) - 针对 MVP 阶段通过技能挂载盘活存量 API 的落地战术

认知与基础理论：

• 世界模型简介 - 解析智能体理解世界的内部引擎

10.2 核心工程组件与基础设施

解构构建高可靠 Agent 的底层支撑体系，涵盖动态上下文组装与压缩工程、Claude/Mem0 记忆架构机制、MCP 工具互操作协议规范，以及 Agent Sandbox 与 Kubernetes 运维智能体基础设施演进。

上下文与记忆系统：

• 上下文工程原理 - 动态数据组装、压缩与检索技术
  • 快速入门 | Anthropic 指南 | LangChain 实践 | OpenViking 剖析 | Claude Code 上下文压缩
• 记忆系统架构总览 - 赋予智能体长期记忆与个性化能力的核心机制
  • 理论与实践综述 | 大模型记忆综述 | 记忆系统演进思考
  • MemoryOS 架构 | MemMachine 深度解析 | Mem0 快速入门 | Hermes 内存架构解析
  • Claude Code: 记忆机制解析 | Claude-Mem: 系统介绍 | Claude Code: Agent 执行流程解析 | SuperMemory: 集成分析

工具及协议：

• Model Context Protocol (MCP) - MCP 原理与实战，探讨 AI 工具链的未来

Agent Skill：

• Claude Skills 开发指南 - 扩展智能体能力的工具定义规范与最佳实践
  • 构建完整指南 (PDF)
• Agent Skill 开发指南（在线版）- 由原力注入博主维护的优秀认知技能（Agent Skill）合集，包含深度代码阅读、架构分析、文档评审等自动化工作流。
• CUDA Code Skill - 面向 AI IDE（Claude Code、Trae 等）的 CUDA 知识增强代码生成与性能分析技能库。
• mmx-cli - MiniMax AI 平台的 CLI 技能，支持文本、图片、视频、语音、音乐生成与 Web 搜索，遵循 agentskills.io 标准。

AI Agent Infra：

• 基础设施技术栈 - 全面梳理工具层、数据层与编排层
• 基础设施的崛起 - 生态演进趋势与未来投资方向
• OpenHarness 深入浅出：解密开源智能体基础设施 (配套 PPT) - 大型语言模型 (LLM) 在推理与生成能力上取得了突破性进展，但它们本身受限于静态的上下文窗口，无法直接与真实世界进行交互。要让模型成为能够自主解决复杂任务的工程化智能体 (Agent) ，必须为其配备执行动作的工具、持久化的记忆以及安全隔离的运行边界。这就是“智能体基础设施” (Agent Harness) 的核心使命。
• 4 个工具、42 家供应商、11 万 star：Pi 的极简 harness，与 DeepSeek Harness、OpenHarness 的路线对比 - 极简 harness 源码深读：默认 4 工具、系统提示 677 token、可替换协议与 42 家供应商；含与 DeepSeek Harness、OpenHarness 的三路线对比
• Agent Sandbox 的演进与设计范式 (配套 PPT) - 探讨 Agent Sandbox 的核心设计理念，对比 OpenShell、Sandlock 等沙箱方案，揭示从“硬件级隔离”向“策略优先”演进的技术趋势。
• 深度解析 Kagent：以构建 Kubernetes 运维智能体为例 (配套 PPT) - 深度解析 Kagent 的核心架构与工作机制，并以“构建阿里云 ACK 运维智能体”为实战案例，展示大模型与运维工具的编排。
• OpenClaw Operator 架构深度解析 - 云原生时代 AI Agent 运行时环境编排机制
• DeepSeek-TUI 实战 - 榨干 DeepSeek V4 长上下文红利的命令行编程 Agent 实战指南
• Claude Code Sandbox 安全隔离机制解析 - Linux 环境下基于 Bubblewrap 的底层隔离架构
• 扩展托管智能体 - 让决策与执行解耦，各行其职的 AI 原生基础设施
• 在 Elasticsearch 之上实现虚拟文件系统 - Elasticsearch 虚拟文件系统实现解析（英文原文）

10.3 实战代码与演示项目

从理论走向落地的工程实践代码库，包含基于异步通信总线的企业级多智能体系统、多轮指代消解微服务、MCP 客户端/服务端交互 Demo，以及结合 LangChain 的记忆功能与 PDF 智能翻译器实现。

完整端到端系统：

• 企业级多智能体系统 - 包含异步通信总线、状态监控与容错机制的完整 MAS 实现
• 多轮指代消解对话系统 - 支持实体识别、状态管理与微服务部署的 NLP 实战

专项工具与演示：

• MCP 智能体演示 - MCP 服务端与客户端交互的完整示例
• LangChain 记忆功能集成 - 包含基础记忆类型、智能客服应用和 LangGraph 记忆管理的演示
  • 代码实现示例
• Agent Skill：PDF 智能翻译器 - 结合 OCR 与 LLM 的多模态文档处理工具

10.4 前沿学术与行业研究

汇集 24 种主流 Agent Workflow 模式综述、Deep Research 深度研究架构等核心学术论文，以及 2025 年度 LangChain 开发者诉求与 Agent 工程化现状等权威行业报告。

学习路径：

• Agent 学习课程 Hub - 从零学 AI Agent 的课程与项目导航：七阶段学习路线图、系统课程与开源框架清单、27 个高频术语速查（对外发布版路线图适合公众号等渠道转发）

学术论文：

• Agent Workflow 综述 - 涵盖 24 种主流 Agent 工作流模式的权威系统性总结
• Deep Research Agents - 探讨深度研究智能体的多步推理规划能力与核心架构
• 论文资源库汇总 - AI Agent 领域必读核心论文持续更新索引

行业报告：

• LangChain Agent 工程现状报告 - 2025 年度 Agent 领域最新技术趋势与开发者诉求

---

11. 检索增强生成与文档智能

解构从非结构化数据解析到高可信知识库构建的完整技术栈，涵盖 Naive/Advanced RAG 架构演进、Embedding 选型与 Chunking 策略，并深入 GraphRAG (Neo4j/KAG) 复杂关系推理与 MinerU/Marker 等文档智能解析引擎应用。

详细内容请访问：rag 与工具生态 - 核心文档门户，涵盖 RAG、GraphRAG 与文档智能工具。

11.1 检索增强生成基础与进阶

RAG 技术全景演进导航，对比不同检索架构优劣势，系统评估文本分块 (Chunking) 策略，并提供面向中文场景的 Embedding 模型深度评测与选型指南。

• rag 快速开发实战（从 0 到 1 搭建） - RAG 技术全景导航，涵盖基础概念到进阶优化
• rag 策略对比 - 不同 RAG 架构（Naive RAG、Advanced RAG 等）的优劣势分析
• chunking 策略评估总结 - 检索分块策略的深度总结与最佳实践
• 中文 rag 系统 embedding 选型指南 - 面向中文场景的 Embedding 模型评测与推荐

11.2 图检索增强生成与知识图谱

解决复杂多跳关系推理难题的图计算架构，深度解析 GraphRAG 核心概念与 KAG 框架，并提供图数据库 Neo4j 安装配置与 Cypher 查询语言的实战教程。

• graphrag 学习指南 - GraphRAG 的核心概念、架构原理与入门路径
• kag 框架介绍 - Knowledge Augmented Generation（KAG）框架深度解析
• neo4j 实战指南 - 图数据库 Neo4j 的安装、配置与企业级实战
• neo4j cypher 教程 - Neo4j 查询语言 Cypher 完整教程

11.3 大模型与知识图谱协同应用

构建高可信、可解释智能应用的最佳实践，结合完整源码与图谱数据，深入剖析基于 LLM+KG 架构的银行反电诈智能风控系统设计方案。

• 银行反电诈智能系统设计 - 基于 LLM + KG 的金融风控系统设计方案，实战反欺诈场景
• 反欺诈 demo 源码 - 完整的反欺诈系统演示代码，包含数据生成、图谱构建与智能体推理

11.4 文档智能解析

突破 RAG 系统的数据质量瓶颈，解析 MinerU 与 Marker 等基于深度学习的复杂 PDF 布局检测与公式提取引擎，以及 Microsoft MarkItDown 跨格式文档转换工具。

• mineru 文档解析 - 上海人工智能实验室开源工具，助力复杂 PDF 高效解析
• marker pdf 布局检测 - 基于深度学习的高精度 PDF 解析与布局分析引擎
• markitdown 入门 - Microsoft 开源的文档转换工具，支持多种办公文档格式到 Markdown 的高质量转换

---

12. 课程体系与学习路径

系统化学习路径与进阶指南集合，包含 ZOMI 酱 AI System 全栈硬件架构、大模型底层原理与演进基础、Trae AI 辅助编程实战，以及基于 LangGraph 的企业级多智能体系统培训资源。

12.1 AI System 全栈课程（ZOMI 酱）

ZOMI 酱主导的高分开源 AI 基础设施架构体系，从底层 AI 芯片架构、硬件加速器到 AI 编译器原理、推理性能调优与分布式框架设计进行深度解构。

AISystem - AI 系统全栈课程代码与资料库。

• 系统介绍 - AI 系统概述、发展历程与技术演进路径。
• 硬件基础 - AI 芯片架构、硬件加速器与计算平台深度解析。
• 编译器技术 - AI 编译器原理、优化技术与工程实践。
• 推理优化 - 模型推理加速技术、性能调优与部署策略。
• 框架设计 - AI 框架架构设计、分布式计算与并行优化。

12.2 AI Infra 基础课程（入门）

面向初学者的 AI 基础设施普及讲座（90 分钟），围绕一条主线：一切 AI 基础设施优化的最终目标，都是降低每 token 成本。沿"模型架构 → 硬件 → 推理引擎 → 基础设施与生态"四层杠杆展开，覆盖 2026 年最新格局（DeepSeek-V4、Kimi K3、开源价格战、1M 上下文、Agentic 编程）。

• 大模型原理与最新进展 - 交互式在线课程平台。
• AI 编程入门 - AI 编程基础知识与应用入门。
• Token Factory 讲座大纲与讲稿 - 40 页 PPT 大纲（单一数据源）+ 552 行完整演讲逐字稿 + 自制 PPT 成品。
• 学习目标：理解 AI 推理成本四年下降 100 倍背后的四层杠杆（架构/硬件/引擎/生态）。
• 核心内容：
  • Token 工厂概念：token 作为 AI 经济基本单位，四年价格下降 100 倍（对数坐标曲线）。
  • 第一层杠杆·模型架构：MLA（KV Cache -93.3%）、MoE（激活 5.5%）、CSA/HCA（DeepSeek V4 成本 -73%）、KDA（Kimi K3 线性注意力）。
  • 第二层杠杆·硬件：Blackwell FP4、HBM3e 8 TB/s、NVLink-C2C、CUDA 优化、GPU 虚拟化共享。
  • 第三层杠杆·推理引擎：KV Cache 四层解法、连续批处理、DSpark 投机解码、FP8/FP4 量化。
  • 第四层杠杆·基础设施与生态：PD 分离、开源价格战（28 倍价差）、成本下降打开 AI 编程/长上下文/Agent 三大应用形态。

12.3 Trae 编程实战课程

系统掌握 AI 辅助开发工作流，从 IDE 环境配置与交互模式，进阶至 Web 开发、数据库设计与 DevOps 微服务架构等复杂场景的实战演练。

• Trae 编程实战教程 - 从基础入门到高级应用的完整 Trae 编程学习路径。

课程结构：

• 第一部分：Trae 基础入门：环境配置、交互模式、HelloWorld 项目实战。
• 第二部分：常见编程场景实战：前端开发、Web 开发、后端 API、数据库设计、安全认证。
• 第三部分：高级应用场景：AI 模型集成、实时通信、数据分析、微服务架构。
• 第四部分：团队协作与最佳实践：代码质量管理、项目管理、性能优化、DevOps 实践。
• 第五部分：综合项目实战：企业级应用开发、核心功能实现、部署运维实战。

12.4 多智能体 AI 系统培训

面向企业研发团队的生产级架构指南，深度解析 LangGraph 核心调度机制、LangSmith 监控平台集成以及企业级 Multi-Agent 架构设计模式。

• 多智能体 AI 系统培训材料：涵盖 LangGraph 框架深度解析、LangSmith 监控集成及企业级架构设计。

12.5 微软 AI Agents for Beginners 课程

由微软提供的初学者课程，旨在帮助学习者全面了解 AI Agent 的构建与应用。

• AI Agents for Beginners 课程之 AI Agent及使用场景简介 - 涵盖 AI Agent 基础概念、开发框架、设计模式与应用场景。

---

13. AI Native 全栈实践

以"认知性质决定技术分层"为裁断准则的 AI Native 方法论体系，包含应用架构（Agent / Skill / Tool 三层 + 七项工程治理）和 DevOps（AI 增强而非替代的全流程协同框架），通过真实电力交易场景推导可复用架构。详细内容请访问：AI Native 全栈实践，配套 DevOps 参考：ai-native-devops（在线版）。

13.1 AI 时代的软件工程

软件工程正向以 Agent First 与自主推理为核心的 Software 3.0 时代演进，涵盖驾驭工程 (Harness Engineering) 体系与 Spec 驱动开发工作流。

• Agent First：软件工程的下一个范式转移 - 梳理编程范式的演变历史，探讨 Agent First 的核心理念与实战指南。
• 驾驭工程 - 深度解析如何构建驾驭系统，提升 AI 编程助手的可控性与效能。
• OpenSpec 实战指南 - Spec 驱动开发 (Spec-Driven Development) 的工程实践，演示了"意图 → Spec → AI → 代码 & 验证"的新一代开发工作流。

13.2 把 AI 交付到客户业务现场

AI 进入开发流程与应用架构之外，还有一条线：进入客户的业务流程。这一步发生在组织边界之外，靠的不只是工具链，还有人的派驻、语义层的沉淀和交付模式的设计。

• 模型不稀缺了，稀缺的是把模型塞进业务的人 - 从 80/95/99 规律出发讲清 FDE：是什么、不是什么（不是售前、不是驻场外包、不是咨询顾问、不是产品工程师）；三道成本门槛如何被 AI 拉低；本体层、Skill 与连接器如何构成规模化的地基。含腾讯研究院报告与范冰开源手册两份材料的用法指引
• 《FDE：AI落地实战指南》导读 - 樊中恺（百度主任架构师、文心应用技术负责人）著，人民邮电出版社 2026 年 10 月出版。七篇三十章的骨架，五种死法、访谈提问法与"工作化石"三处要点，以及第 22 章按周复盘的案例写法
• 别让写代码的 Agent 评审自己：AI 代码评审的三道闸门 - 生成成本归零后评审成为新瓶颈：METR 实验自评 +20% 实测 −19% 的感知差、LLM 评审的否定盲区、假统计传播三个信号失真；给出机械门（确定性脚本）、流程门（六步自评审）、多 Agent 门（Builder–Critic 信息边界）三道闸门，融合 OpenCodeReview 三阶段架构与公开研究数据，含 6 张手绘图

---

Buy Me a Coffee

如果您觉得本项目对您有帮助，欢迎购买我一杯咖啡，支持我继续创作和维护。

---