LLM 推理加速：投机解码 (Speculative Decoding) 工程实践深度指南
LLM推理优化领域最实用的投机解码技术深度指南：从数学原理到工程实现，涵盖Draft模型选择、KV Cache管理、温度采样处理、自适应k值策略，以及Medusa/EAGLE/Lookahead等前沿变体详解，附性能基准与vLLM/SGLang/TGI部署实践。
大语言模型
AI Agent工程实践（第44部分）：知识图谱与动态知识更新——从相似度匹配到关系推理的架构演进
系统拆解AI Agent知识图谱工程架构：从RAG到知识图谱的演进逻辑、核心表示方法、知识抽取与融合技术、动态知识更新三大策略与冲突消解、生产级知识图谱架构设计、向量检索与图遍历的混合检索系统、知识增强的记忆系统六层架构，以及2026年LLM+KG融合、多模态知识图谱前沿趋势。
Agent原生应用架构：从聊天界面到自主应用范式的工程革命
探讨Agent原生应用架构的工程革命：从传统应用的确定性流程到意图驱动架构的根本转变，提出四层参考模型(意图/规划/执行/呈现)，总结七个工程步骤，分析三个不同类型案例(运营/知识/DevOps)，展望从功能菜单到能力画布的范式升级。
NVIDIA TensorRT-LLM 深度工程实战：从图编译到千卡集群的 LLM 推理系统设计
深入剖析 NVIDIA TensorRT-LLM 的架构设计与生产实践，从底层图编译优化到多机多机推理的完整方案，涵盖算子融合、CUDA Graph 捕获、Paged KV Cache、FP8 量化及 Disaggregated Serving 等核心技术，附完整代码示例。
Agent知识工程实战：从本体建模到动态知识图谱的系统化构建
系统讲解Agent知识工程的全栈方法论：从本体设计(OWL/RDF/SHACL)到知识抽取管道(实体/关系/融合)、图数据库工程选型(Neo4j/Neptune/Nebula)、知识推理(本体/规则/神经符号融合)、动态知识演化的置信度衰减模型、以及Agent知识系统的架构实战和效果度量。
MoE 推理架构深度实战：从 Expert Parallelism 到 DeepSeek-V3 的工程落地
深入解析 Mixture of Experts（MoE）推理架构的工程实现，涵盖 Expert 路由机制、分层 All-to-All 通信优化、Prefill/Decode 阶段调度策略、Expert Cache 管理，以及 DeepSeek-V3 级别模型的部署实战。
CXL 2.0 内存池化在 AI 推理中的工程实践：冷热分层、动态容量扩展与 vLLM 集成
深入解析 CXL 2.0 内存池化协议栈、Linux 内核 CXL 子系统驱动架构，以及与 vLLM/SGLang 推理框架集成的 KV Cache 冷热三级分层方案。探讨 PagingAttention 与 CXL swap space 扩展的实战工程路径，附实测性能对比与调优建议。
大模型量化与推理系统架构演进：从GPTQ精确校准到PagedAttention内存管理的全链路优化
大模型量化与推理系统架构演进：从GPTQ精确校准到PagedAttention内存管理的全链路优化，全面解析LLM推理加速的核心技术与工程实现。
Agentic AI评估工程：衡量多智能体协作效能与涌现能力，构建智能时代的度量衡体系
2026年AI Agent评估工程实践全景：从LLM评测到Agent评估的范式转变，组件级→系统级→涌现层三级评估体系，4A涌现度量框架（Additionality/Adaptability/Autonomy/Alignment），CI/CD评估流水线设计，影子评估工程化，评估反模式识别，以及Agent评估标准化与伦理问题。
AI Agent运行时架构：从Function Calling到多层级ReAct的工程实践
深入解析AI Agent运行时工程架构，从单循环ReAct到多Agent协作的完整工程化路径，涵盖工具注册体系、上下文窗口管理、层级化推理、可靠性工程等核心议题。
KV Cache 量化与压缩工程实战：从 FP16 到 FP8/INT8/INT4，精度、速度、显存的黄金三角
深入解析 LLM 推理系统中 KV Cache 的量化与压缩工程实战，从 FP16 到 FP8/INT8/INT4 的精度-显存-速度权衡，涵盖 Per-token 量化、GQA 压缩、LazyKV 淘汰、Prefix Sharing、Delta 压缩等前沿技术，附 SGLang 生产级配置与实测数据。
Agent系统工程：从碎片化能力到完整Agent系统的工程整合
探讨Agent系统工程的方法论——如何将26篇系列讨论的碎片化Agent能力整合为协调运行的完整系统，提出全栈参考模型(基础设施/通信编排/认知决策/知识记忆/交互体验/治理安全)、四项设计原则、五个核心流程，总结常见陷阱与Agent系统工程师能力模型。
从 Function Calling 到确定性编排：生产级 AI Agent 工具调用层的工程化
从 Function Calling 协议本质出发，构建一个可落地的工具调用运行时，并讨论确定性编排与自由规划的取舍、生产级必补的三个工程坑，以及 Agent 的适用边界。
KV Cache 共享与复用：从 Prefix Caching 到多租户KV重用的生产实践
深入剖析KV Cache共享与复用的技术体系，从vLLM的Automatic Prefix Caching实现原理，到多轮对话上下文管理策略，再到生产级多租户KV Cache复用架构设计。
大模型推理优化深度实战：从 KV Cache 机制到 Speculative Decoding 与 vLLM 生产级部署的完全工程指南
大模型推理优化深度实战完全指南：从 KV Cache 机制(PagedAttention/Prefix Caching/FP8)到 Speculative Decoding(Medusa/EAGLE)、Continuous Batching、Chunked Prefill、vLLM 生产部署、分布式调度与弹性扩缩容、GPU 量化选型到 2026 年 MoE/超长上下文前沿趋势。
