AI 训练与推理工程
关注算力资源如何被更好地组织：任务生命周期、调度效率、可观测性、失败恢复，以及性能与成本之间的平衡。
- Training Platform
- Inference
- Observability
NOW / 此刻
现在，什么问题
值得认真投入？
这不是履历，而是一张动态快照：记录当前真正占据注意力的问题，也提醒自己把时间花在长期重要的方向上。
UPDATED2026.08BEIJING · CHINA
CURRENTLY
三个正在持续深入的方向。
Agent 驱动研发流程
探索 Agent 怎样从“辅助回答”进入真实工程流程，承担代码理解、任务执行、质量检查与知识沉淀。
- Codex
- Automation
- Developer Experience
系统性能与可靠性
继续研究复杂系统里最朴素也最困难的问题：瓶颈到底在哪里，失败为什么发生，怎样让系统更容易判断和维护。
- Performance
- Reliability
- Systems Thinking
WRITING QUEUE
接下来想写清楚
- 01训练任务平台真正难的是什么？
- 02Agent 进入研发流程后，工程师的边界如何变化？
- 03从 CUDA 到 AI Infra，我对性能问题的理解发生了什么变化？