AI 推理引擎的批处理与内存管理：从 Continuous Batching 到 PagedAttention 的工程实践
本文深入剖析现代推理引擎解决吞吐-延迟-显存矛盾的两大核心技术：Continuous Batching（迭代级批处理）和 PagedAttention（分页KV Cache）。从操作系统内存管理视角，详解其CUDA实现内核、Prefix Caching机制、分离式架构演进，并提供生产环境调优与避坑指南。
AI推理
WebAssembly边缘计算深度实战：从WasmEdge运行时到WASI-NN推理加速
深入解析WebAssembly在边缘计算中的应用，涵盖WasmEdge运行时架构、WASI-NN推理加速、Serverless Wasm、边缘容器编排、安全沙箱等实战方案，附完整代码和性能对比。
WebGPU 通用计算实战：从 Compute Shader 到浏览器端本地 AI 推理
从零编写分块矩阵乘法 Compute Shader，深入 WebGPU 内存层次与 workgroup 共享内存，并落地到浏览器端本地 AI 推理的生产级实战。
AI推理引擎核心架构解析：从NVIDIA TensorRT到AMD ROCm的开源生态与性能调优
深入解析AI推理引擎的核心架构设计，对比NVIDIA TensorRT与AMD ROCm的技术差异，介绍算子融合、量化、批处理等推理优化技术的工程实践。
LangChain Agents与ReAct推理框架深度解析：从思维链到多智能体协作的系统设计
深入解析LangChain框架中的Agent设计理念，重点讲解ReAct(Reasoning+Acting)推理框架的工作原理，包括思维链(Chain-of-Thought)提示、工具调用(Tool Use)协议、记忆管理以及多智能体协作的架构模式。
