DeepSeek 技术栈详解：从模型架构到 WideEP、DSpark、DFlash、DeepGEMM

0. 先说结论 DeepSeek 相关技术栈不能只理解成“一个模型”。它更像一整套围绕 MoE 大模型训练与推理 做出来的系统工程： * 模型层：DeepSeek-V3 / V3.2 的核心是 MLA、DeepSeekMoE、辅助损失无关的负载均衡、MTP、DSA。 * 通信层：DeepEP 负责 MoE expert parallelism 里的 token dispatch / comb
笔记
#CUDA #推理系统 #DeepSeek #大模型 #MoE #Speculative Decoding

Z.ai Scaling Pain解析：超大规模Coding Agent推理里的状态一致性问题

版本说明：本文写于 2026-06-29，主要解析 Z.ai 在 2026-04-30 发布的《Scaling Pain：超大规模 Coding Agent 推理实践》。原文披露的是 GLM-5 系列在高并发、长上下文 Coding Agent 线上负载中遇到的异常输出排查过程，包括 PD 分离下的 KV Cache 复用竞态、HiCache 加载时序缺失，以及 LayerSplit 优化。本文不
笔记
#KV Cache #LLM Inference #Speculative Decoding #SGLang #Coding Agent #PD Disaggregation #HiCache

从文件系统基础到 ext4 与 XFS

本文只讨论文件系统本身，不依赖某个具体项目。以 Linux 上最常见的 ext4 和 XFS 为例，先从“文件系统到底在解决什么问题”讲起，再往下看 inode、目录、页缓存、extent、日志、空间分配和运维选型。 版本说明：本文基于 Linux kernel 文档中 ext4、XFS、page cache、writeback、VFS 相关文档，以及 man 手册中的常用工具行为整理。文件系统
Linux
#Linux #文件系统 #ext4 #XFS

LMCache论文解析：把KV Cache变成企业级LLM推理的存储层

版本说明：本文基于 arXiv:2510.09665v2《LMCache: An Efficient KV Cache Layer for Enterprise-Scale LLM Inference》整理。论文 v1 提交于 2025-10-08，v2 修订于 2025-12-05。本文重点解析论文中的系统动机、架构设计、接口、性能优化、评测结果和生产经验，不讨论本地 PegaFlow 项目实现
笔记
#KV Cache #LLM Inference #SGLang #Disaggregated Serving #vLLM #LMCache

详细理解 Prometheus 和 Grafana 看板

资料说明：本文根据 2026-06-08 可访问的 Prometheus 与 Grafana 官方文档整理。Prometheus/Grafana 的基础模型很稳定，但具体版本、UI 菜单、云服务能力会持续变化，实际部署时仍应以官方文档为准。 先说结论 Prometheus 和 Grafana 经常一起出现，但它们不是同一个东西： * Prometheus 负责采集、存储、查询和告警“指标数据
笔记
#Prometheus #Grafana #Observability #Monitoring

Tile生态详解：TileLang、TileOPs、TileScale与TileRT

1. 先说结论 版本说明：本文参考的是2026-06-05访问的Tile-AI官方GitHub、PyPI、TileRT发布说明和TileLang论文。Tile生态还在快速演进，尤其是TileRT和TileScale，很多能力属于preview或实验阶段，生产使用要以具体release、wheel和硬件约束为准。 如果只用一句话理解Tile生态： TileLang负责写和编译tile级高性能ke
笔记
#LLM Inference #TileLang #TileRT #GPU Kernel #Compiler