无 Embedding、无向量数据库的 RAG 方法：PageIndex 技术解析
传统 RAG 的假设：相关性等于语义相似度。PageIndex 的假设：相关性等于结构化推理。
Karpathy的LLM Wiki：一种将RAG从解释器模式升级为编译器模式的架构
Karpathy没有发明新技术，他在清晰阐述一个工作流模式，让LLM天生擅长的事——快速阅读、综合、交叉引用、一致地遵循约定——去接替人类一直需要但从未能持续做好的工作。
向量相似性搜索详解：Flat Index、IVF 与 HNSW
Flat Index、IVF 和 HNSW：你需要了解的向量搜索算法
拆解推荐系统：候选生成、过滤、排序、多样性的分层设计
本文梳理一条可以实际构建并持续扩展的端到端推荐 Pipeline。
向量数据库对比：Pinecone、Chroma、Weaviate 的架构与适用场景
本文对比三个主流方案，每个都附有 Python 代码，均来自实际在生产环境中使用三者的经验。
instinct：一个基于置信度的 AI Agent 自学习记忆系统
记忆应当是 Agent 在反复实践中习得的，而非人工分配的。
投机解码原理详解：小模型打草稿，大模型一次验证
投机解码的出发点很简单：用一个小而快的模型去猜测大模型接下来要输出什么，而大多数时候它能猜对。
TPU 架构与 Pallas Kernel 编程入门：从内存层次结构到 FlashAttention
本文通过四个复杂度递增的 kernel 展示了 Pallas 的核心编程模式
知识引导上下文优化（KgCoOp）：一种解决灾难性遗忘的 Prompt Tuning 机制
如何使用知识引导损失对可学习 Prompt 进行正则化以保持泛化能力。
Claude Code 命令体系解析：三种类型、七大分类、50+ 命令
这篇文章覆盖每一个斜杠命令、每一个 CLI 标志、每一个键盘快捷键，以及开发团队从未正式宣布就悄悄上线的隐藏功能
理解 Agent 记忆：从无状态模型到持久化记忆架构
Agent 记忆并非单一概念，它是一个四层体系，各层服务于不同目的。
CRAG 架构解析：如何在生成器前修正错误检索结果
绝大多数 RAG 系统把检索当作不会出错的环节，无论拿到的文档是否真正切题，都会径直送入生成器。
构建生产级 AI Agent 系统的4大主流技术：反思、工具、规划与多智能体协作
本文拆解当下重塑AI系统构建方式的4种核心 Agentic 模式，分析每种模式的工作机制、适用场景，以及如何将它们组合出真正可用的系统。
KV Cache管理架构演进：从连续分配到统一混合内存架构
本文梳理KV cache管理经历的5个时代，从它根本不存在的阶段，到今天正在成型的统一内存架构。文中会结合多个模型的部署经验，对比vLLM、SGLang和TensorRT-LLM在各阶段的应对思路。
PhysioDSP：一个面向可穿戴设备的 Python 信号处理库
PhysioDSP 是一个开源 Python 库，它给出了一套统一、可扩展的框架来处理和分析生理传感器数据
VAE 原理拆解：从概率编码到潜在空间正则化
这篇文章从基本原理出发完整拆解变分自编码器（VAE）的构建过程。
基于能量的模型（EBM）：用能量函数替代概率分布的建模框架
Yann LeCun 反复强调过一个观点：当前LLM基于概率、逐 Token 预测的设计路线，很可能走不到人类水平的AI。他的团队更看好另一条路，基于能量的模型（EBM）。
向量搜索系统的三个核心优化维度：速度、精度与规模
向量搜索把信息检索从字面匹配带进了语义理解的时代。但光有 Embedding 还不够，真正让系统在生产环境中跑起来的是背后的工程优化
RAG 文本分块：七种主流策略的原理与适用场景
分块就是在生成 Embedding 之前，把大段文本拆成更小语义单元的过程。检索器真正搜索的对象而不是整篇文档就是这些分块。
从零开始用自定义 Triton 内核编写 FlashAttention-2
本文只实现了前向传播。扩展到完整的训练级 FlashAttention（反向传播、dropout、各种 mask 变体）留待后续工作。
