01
AI 工程
训练、推理、任务调度与可观测性，从系统视角理解 AI 基础设施。
INFRASTRUCTUREWHAT I WRITE ABOUT
三条长期主线
不追逐信息流，沉淀可以重复使用的判断和方法。
02
GPU 与性能
CUDA、TensorRT 与性能分析，关注每一次抽象背后的真实开销。
PERFORMANCE03
研发效率
Agent、工具链与工程工作流，让经验变成团队和个人的复利。
DEVELOPER EXPERIENCESELECTED WRITING
技术文章
从底层机制出发，记录问题是怎样被理解和解决的。
训练任务平台真正难的是什么：从提交作业到交付结果
很多训练平台都从一个表单开始：选择镜像、填写启动命令、申请几张 GPU，然后点击“提交”。
CUDA Samples 学习（三）
cudaNvSci
CUDA Samples 学习（二）
clock
CUDA Samples 学习（一）
asyncAPI
TensorRT Plugin 使用笔记
```c++nvinfer1::IPluginV2* importPluginFromRegistry(IImporterContext* ctx, const std::string& plug...
KEEP THINKING IN PUBLIC