从零手写的 CUDA FlashAttention 实现：标量内核到 WMMA Tensor Core 前向、FlashDecoding/Split-KV 与 Roofline 性能分析，支持 FP16/BF16/FP32 前反向，覆盖 sm_70–sm_90。

CUDA · C++ · FlashAttention · Tensor Core

CUDA/C++17 精简 LLM 推理运行时：GGUF 加载与反量化、W8A16 推理、显式与分页 KV Cache、tokenizer、采样，以及 CUDA Graphs 加速 decode。

CUDA · C++ · LLM Inference · KV Cache

Rust 实现的 LLM Serving 控制面：Paged KV 调度、continuous batching、OpenAI 兼容 API 与 SSE，经 C ABI 接入 tiny-llm 真实 CUDA 后端。

Rust · LLM Serving · Systems

面向 Transformer 推理的可验证 Triton 融合算子：RMSNorm+RoPE、Gated MLP 与 FlashAttention 前向，经 torch.library 注册并附差分测试与 benchmark。

Triton · Python · GPU Ops

系统性 CUDA 算子工程学习路径：从 SGEMM 优化阶梯到可复用 kernel 库、进阶 HPC 模式与轻量推理组件，四个模块含完整测试与文档。

CUDA · C++ · SGEMM · HPC

云服务器深度评测脚本与方法论：fio p99 长尾延迟、%steal 超售检测、物理核/线程拆分与指令集检查，原始产物全量保留可复核。

Shell · Benchmark · fio

个人技术网站，将旧 Hugo 博客迁移至 Astro，并整合技术写作、项目展示和个人介绍。

Astro · TypeScript · Static Site