-
海门回声 | 黑鬼
黑鬼已经死了好多年了，大概在我上初中还是高中的时候。听大人们说，是在某一年的春节里，二月的天气还很冷，他像往常一样被铁链子拴在家院子前面的小屋子里，有好几天家人忘了给他送饭，便饿死了。也有人说是冻死的。我后来真的见过他——脸发青，像苔藓，不像电视剧里画着黑眼圈的饿汉。
-
QQ 经典农场辅助：挂机收菜、种菜、偷菜的一键工具
一个跑在 Windows 上的 QQ 经典农场（微信小游戏）桌面辅助：用图像识别锁定微信窗口，自动收菜、补种、逛好友农场偷菜，支持虚拟机前台挂机。双击 init.bat 初始化，双击 start.bat 开跑，日志写在 logs/daemon.log。
-
海门回声 | 静谧的生日夜晚
二〇〇三年的夏天，海岛入夜后，田埂旁的杂草里蟋蟀叫成一片，晚风从海面方向吹进村子，带着咸腥和青草的气味。村子里的路坑坑洼洼，月光照在上面，一块亮一块暗。父母在外地打工，十二岁的姐姐和六岁的我留在岛上。那天傍晚，姐姐拎回村口小卖部的一红塑料袋饼干，喊伟华哥过来，客厅里没有开电灯……
-
用 AI 做好软件项目：上下文工程实践指南
在复杂软件项目中引入 AI，常见困境不是模型不够强，而是 每次会话都在重复建立上下文 ——Agent 全量读取大文件、反复追问架构、上一轮的结论无法延续、任务边…
-
PeerCache：一个去中心化的 RDMA 零拷贝 KV 缓存后端
PeerCache 是我写的一个面向 SGLang HiCache 的 L3 KV 缓存后端：它做的是跨请求、跨节点的 KV 前缀复用，提供和 Mooncake Store 类似的能力，却砍掉了中心化的 master 与 metadata 服务。单卡能吃到裸 ib_read_bw 的 94%，整机 8 卡聚合 413 GB/s。这篇文章讲清楚它的定位、为什么这样设计、双 MR 模型怎么工作，以及实测性能基线。
-
大模型推理的 PD 分离：原理、动机与 Mooncake 的实现
当我们谈论 LLM 推理优化时，绕不开一个关键词—— PD 分离 （Prefill Decode Disaggregation）。这篇文章从第一性原理出发，讲清…
-
CPTI：手机上就能玩的恋爱人格小测验
CPTI 是一个偏手机体验的恋爱向趣味测验：刷题像刷短内容，最后给你「你像谁」和「谁更适合接住你」两套结果，再配一整套恋爱角色卡。本文只聊怎么玩、能玩出什么，不聊实现细节。
-
GitBlog：一个带伪后台的博客站点
一个完全静态、托管在 GitHub Pages 上的博客，但带有可以在浏览器里直接写、直接发的'伪后台'。这篇文章记录它能做什么，相比传统方案为什么这样设计，以及如果你也想搭一个，要怎么开始。
-
关于小红鸡
关于这个博客和写它的人 —— 一名做系统软件的程序员，这些年从图数据库、推荐系统一路走到大模型推理基础设施（KV 缓存 / RDMA 零拷贝 / 分布式存储），业余写点代码、读点书、记点流水账。
-
Smallpond 源码走读：DuckDB × 3FS × Ray 是如何拼成一台分布式数据处理机的
Smallpond 是 DeepSeek 开源的轻量级分布式数据处理框架，专为 10 TB 到 PB 量级的 AI / 数据场景设计。它把 DuckDB 的列式向量化执行、3FS 的高带宽存储、Ray 的任务调度三块拼到一起，做成了\"一台机器\"。本文从架构分层、端到端工作流、Parquet 基础到核心源码走读，把这台\"机器\"的工作原理说清楚。
-
3FS 的零拷贝之路：USRBIO 是怎么把存储吞吐推到 6.6 TiB/s 的
DeepSeek 开源的 3FS 在 180 节点集群上实测聚合读取吞吐约 6.6 TiB/s。本文从 FUSE 的性能瓶颈讲起，拆解 3FS 如何通过共享内存、io_uring 风格的环形队列、以及 RDMA 直接传输三层叠加，把数据通路上的每一次拷贝都抠掉。
-
多维数组的索引方案与内存设计
多维数组的内存结构 类似ndarray之类的多维数组，实际上是一个连续的内存地址+一种索引方案。我们可以将一个多维数组对象分为两部分，一部分是实际存储数组数据的连续内存段，另一部分…
-
推荐系统——推荐引擎的架构
什么是推荐系统 谈推荐系统之前我们先聊一下搜索系统，推荐系统和搜索系统都是为了解决互联网信息过载的问题，互联网信息的数量远超过人类可以逐一浏览的程度，而搜索引擎便是解决这一问题的代…
-
nebula graph 图计算数据库
更新历史 在学习过程中，本文持续更新 2021 12 13：更新nebula官方介绍 2021 12 14：更新编译与部署方式，总结importer导入方式 2021 12 15：…
-
nebula代码走读——从Validator到Executor
整体架构 Nebula Graph Query Engine 主要分为四个模块，分别是 Parser、Validator、Optimizer 和 Executor。 Parser …
最新
系列
留言板
