AI推理优化实战：模型压缩与服务化部署全链路
深入研究AI模型推理优化技术，覆盖知识蒸馏、量化、剪枝、推理服务化和AI芯片加速等核心方向
AI推理
Linux 内核热插拔与 CPU 调度深度实战：从动态拓扑变更到 AI 推理服务的弹性伸缩
深入剖析Linux内核CPU热插拔机制与调度域动态重构原理，结合AI推理服务的生产级部署案例，给出一套完整的弹性伸缩工程实践方案。涵盖SRCU同步、中断路由迁移、cpuset协同、K8s集成及性能基准数据。
Linux 内核 io_uring 时间轮与异步超时机制深度工程：构建百万级定时器的高性能 AI 推理请求调度
深入解析 Linux 内核 io_uring 内置时间轮机制，从内核 hrtimer 到多级时间轮数据结构，构建零系统调用的百万级并发异步超时调度引擎，专为 AI 推理网关的请求生命周期管理设计。涵盖链接超时、MULTISHOT 重试、NUMA 亲和性优化及生产级部署 checklist。
Linux 内核 Memory Protection Keys (MPK)：硬件内存域隔离在 AI 推理安全中的工程实战
深入分析 Linux 内核 Memory Protection Keys (MPK) 硬件内存域隔离技术，涵盖 Intel PKU/ARM64 MPK 硬件原理、Linux 4.9+ 内核 pkey API、Rust 实战集成模型权重只读保护、Seccomp+MPK 多层沙箱隔离。附生产部署性能基准和 Checklist。
分布式推理中的 KV Cache 管理与跨节点缓存共享：从理论到生产实践
深入探讨分布式推理系统中KV Cache的核心挑战、主流架构设计、传输协议实现以及生产环境优化策略。涵盖RDMA零拷贝传输、前缀缓存共享、一致性模型等关键技术，附完整代码示例与性能基准测试。
近数据计算架构：Linux 块层与 NVMe 计算存储协议深度解析
> **摘要**：当 AI 集群的数据搬运开销超过计算本身，传统"CPU 中心"架构已触及内存墙与功耗墙。本文从 Linux 块层子系统出发，深入剖析 NVMe 计算存储（Computational Storage）协议栈的演进路径，结合 io_uring 与 SPDK 实战案例，揭示近数据计算（Near-Data Processing）如何从论文走向生产。
AI Inference Gateway 的请求调度与动态批处理：从 Continuous Batching 到 vLLM 生产级实现的深度工程实战
深入剖析 vLLM 中 Continuous Batching、Chunked Prefill 以及 Prefill-Decode Disaggregation 等关键技术的实现原理，结合生产级配置与基准数据给出可落地的调优方案。
现代编译器后端的图着色寄存器分配：从 Chaitin-Briggs 到 LLVM Greedy 的生产级工程实践
深入剖析工业级编译器中的寄存器分配算法，从经典 Chaitin-Briggs 图着色到 LLVM Greedy 生产实例，包含活跃性分析、冲突图构造、溢出代价启发式、Coalescing、区间分割、Eviction 策略，以及 AI 推理引擎中的实际问题与调优。
Linux内核io_uring资源生命周期全链路治理：AI推理百万级并发中的工程实战
深入剖析io_uring资源生命周期治理全链路，涵盖fork安全、异步取消、链接链管理、SQPOLL线程模式、ring池化架构及生产性能实战数据
Linux Kernel PSI 深度解析：从内核压力信号到 AI 推理 QoS 与自动弹性伸缩
深入Linux内核PSI（Pressure Stall Information）机制，从内核任务停滞时间统计到cgroup2 per-cgroup压力视图，结合BPF程序跟踪压力事件，构建AI推理服务的自动弹性伸缩方案
