大模型编译工程图谱：面向端侧 NPU 的技术栈、工具链与学习路线
从技术架构师视角梳理面向端侧 NPU 的大模型编译：模型导出、IR、图优化、量化、计算分块、内存与 KV 状态；比较开源编译基础设施和厂商工具链，并给出课程驱动、按天实践的 8 周学习路线。
大模型推理与部署工程图谱：技术栈、开源项目与学习路线
从技术架构师视角建立大模型推理与部署的全景地图：梳理技术演进、系统分层、主流开源项目与选型权衡，区分通用核心知识和方向性技术栈，给出可验证的学习路线。
TensorRT 官方样例学习笔记（二）核心 API 详解：从 sampleOnnxMNIST 构建推理引擎
本文以 TensorRT v10.14 的官方 sampleOnnxMNIST 开源样例为主线，梳理 ONNX 模型解析、网络定义生成、引擎构建与推理执行过程中涉及的核心 API、对象关系和数据流转。
TensorRT 官方样例学习笔记（一）环境搭建与项目结构解析
从零构建高性能推理环境：深度解析 TensorRT 开发环境配置、项目架构设计及核心工作流原理。
![Featured image of post 图解深度学习模型量化[转][译]](/posts/%E5%9B%BE%E8%A7%A3%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%A8%A1%E5%9E%8B%E9%87%8F%E5%8C%96%E8%BD%AC%E8%AF%91/e9d17077-d9af-4b37-9b9b-57ef9aaa1ca9_800x606.png)
图解深度学习模型量化[转][译]
揭开大型语言模型的压缩之谜
解剖Requests：从Python小白到源码猎手的进阶之路
一次HTTP请求背后的模块化设计与代码抽象艺术
构建可复用的知识引擎：我的终身学习体系设计
在信息过载中保护认知系统的稳定性
书籍精简与写作实践计划之阅读《掌控习惯》
习惯塑造的终极指南：微小改变的力量
