当一个 70B 基座要同时承载 200 个任务的 LoRA 适配器时，传统独立推理进程范式在显存、延迟、调度三维度失效；本文给出 S-LoRA 统一内存池、PEFT 热加载与三层路由元数据索引的生产工程真相。
2026 H2 严肃 AI 应用的缓存工程已从 “凭感觉调” 升级为 “双层架构 + 五项生产策略”：模型内层 prompt caching（命中即跳过 prefill）+ 应用层 semantic cache（cosine≥0.92 + LLM-as-judge 护栏），联合命中率 ρ_joint = ρ_s + (1-ρ_s)·ρ_p·(1-FPR_s)。
当 LLM 被视作由稀疏子图（circuit）构成的计算图，叠加假说揭示了「为什么模型能用少于特征数的神经元编码所有特征」，本文给出从归因、因果干预到稀疏编码的几何统一。
多智能体从 demo 到生产的工程真相:把协同、状态、消息三元约束形式化为 Inv₁ 终止性、Inv₂ 幂等性、Inv₃ 因果性,钉进 LangGraph 显式图 + plan 版本化 + idempotency_key + trace 串联 这套工程基座。
用 POMDP 信念状态的信息几何把 LLM agent 的世界模型形式化为隐空间后验更新,ReAct/Reflexion/Plan-and-Execute 是不同粒度的 belief update 策略,提出三条可证伪猜想刻画 prompt 工程到 world model 工程的过渡。
当量化模型在部署第 3-6 周出现“沉默退化”时，离线 benchmark 帮不了你——需要把 PPL 漂移、激活分布偏移、任务级回归三层信号收口到自动回滚决策矩阵的在线监控工程。
在 2026 年的生成式 AI 应用生产化语境下，护栏工程已从锦上添花演变为上线刚需。本文以四层治理栈为主线，系统拆解输入检测、内容过滤、越狱防御与合规审计的工程真相，给出可落地的策略即代码、决策可追溯与双模型熔断等六条铁律。
把 CoT 重新形式化为推理图 G=(V,E,W),本文用可达性测度、组合复杂度与图采样下界三件套,统一解释 CoT 有效性,并给出三条未公开验证的猜想。
从工程实战的视角,拆解 Agent 成本的四元组( T×P×(1+r) )与四大杠杆——模型分级、缓存复用、早停并发、观测归因;并给出五项硬约束与八条可执行清单。目标读者是正在把 Agent 从 demo 推向生产的 AI 工程师与 SRE。
把 Agent 记忆系统从工程黑箱拉回信息论硬地面——短期记忆是上下文窗口内的条件熵切片，长期记忆是 KV-cache 之外的率失真曲线，情景检索是互信息瓶颈下的最大信息子集，记忆压缩是失真函数下的率失真最优投影；四者在同一信息平面上的几何关系决定 Agent 长程任务的遗忘行为。
Prefix cache 是 2026 LLM serving 系统决定 TCO 的关键变量：存储、匹配、隔离、失效四维拆解与生产实证。
RAG 从论文范式落地为面向终端用户的完整产品，分块、检索、重排、引用、抑制五大模块必须在统一架构下协同演化，单点优化几乎注定失败。
DeepSeek 抛出的 NSA 把 attention 的接受域切成了可学习的压缩/选择/滑动窗三分支。本文用 metric-measure 空间给出五条主定理（紧化存在性、压缩不动点、稀疏率相变、与 Mamba-2 SSD 的对偶谱、与 GQA/MQA 的几何包含），并画出两条训练动力学相变曲线，给研究者五条未公开验证的几何猜想与一份八项工程基线。
当 Agent 从 demo 走向生产，工具调用是第一个把概率性语言模型与确定性业务系统焊在一起的接缝。本文从工程实战视角拆解 JSON 漂移、并行竞态、Schema 版本漂移与副作用幂等四类故障，给出四级错误恢复金字塔、12 条 SRE 可观测性清单与五条治理原则。
本文用 Banach 不动点几何统一 ReAct、Reflexion、Tree-of-Thoughts、Plan-and-Execute 四种 Agent 推理范式,推导四者的压缩系数谱、双算子结构、吸引子拓扑与稀疏依赖分解,给出按任务视野长度选型的三条推论与给架构师的几何清单
本文用 Saras / vLLM v1.0 / DistServe / Mooncake 四个生产样本,推导 Token 级调度在 GPU 推理栈里的工程真相——五元组决策、SM-aware 匹配、跨节点 KV 中心化,与 SLO 公平性的范式跃迁。
本文用统计场论重新推导课程学习,把课程温度 τ 与泛化误差的耦合刻画为亚临界-临界-超临界三段式相变,给出临界温度 τc 的封闭形式、盆地连通性的相变诊断,以及 SRE 训练平台可观测性的三组新指标。
Agent Skill 优化工程：把"提示词工程"升级为"可编译的优化流水线" 当 Agent 从 demo 走向生产，system prompt 不再是一段"灵感创作"，而是一个 可被版本管理、可被自动评估、可被算法搜索 的工程对象。本文系统讲清楚 Skill Optimization
2026 年的 Agent 框架市场已经分裂成图引擎派、角色剧本派、会话群智派、去中心化 Swarm 派与 SDK 极简派五大学派。本文按 9 节结构横评六款主流框架的工程真相，并给出给 SRE 与架构师的 7 条决策规则。
本文系统拆解 2026 年为 AI 编程 Agent 构造可查询仓库的四种主流索引方案 —— Repo Map 的轻量级目录骨架、CTags 的正则符号表、LSP 的精确类型图与 Embedding 的语义近邻 —— 并在末尾给出按仓库规模与 Agent 类型选型的工程决策矩阵
