Systems & AI Infrastructure
技术方向
以系统软件与数据基础设施为主线：已在 xv6 与 BusTub 中完成虚拟内存、文件系统、缓冲池、并发索引、查询执行与 MVCC 等核心模块；当前将这些系统能力迁移到单机 LLM Serving，聚焦请求链路、KV Cache、调度与性能工程。
- focus
- AI Infrastructure / Systems
- foundation
- OS · Storage Engine · Concurrency
- working set
- C · C++ · Python · RISC-V · Linux
- method
- implement → benchmark → source trace → write
系统项目
MIT 6.S081
RISC-V · xv6 · C · Linux
基于 RISC-V / xv6 扩展内存、进程、Trap 与文件系统路径，重点验证虚拟内存、异常处理和持久化语义。
- 实现独立内核页表与用户页表映射机制，掌握 trampoline、trapframe 与页表切换流程。
- 基于 page fault 实现 lazy allocation 与 copy-on-write fork，维护物理页引用计数。
- 扩展 trap 与 syscall 机制，实现 alarm 系统调用和用户态定时回调。
- 实现非抢占式用户级线程库，支持线程创建、上下文保存/恢复与协作式调度。
- 扩展 xv6 文件系统，支持二级间接索引、软链接、mmap/munmap 与按需映射回写。
CMU 15-445
BusTub · C++ · Linux
围绕单机数据库内核完成存储、索引、执行、优化与事务链路，实现可并发访问的 BusTub 核心模块。
- 实现线程安全的 BufferPoolManager，维护 page/frame 映射、pin count、dirty flag 与换入换出。
- 实现 LRU-K 页面替换器，并与 Buffer Pool 的 evictable 状态协同工作。
- 实现支持并发访问的 B+Tree 索引、节点 split/merge/redistribution 与有序迭代器。
- 基于 Volcano Iterator 模型实现 Scan、Join、Aggregation、Sort、Limit、Distinct 等算子。
- 实现规则优化器，将 SeqScan 改写为 IndexScan，将 NestedLoopJoin 改写为 HashJoin。
- 基于版本链和 undo log 实现 MVCC，支持快照隔离下的并发读写。
AI Infra 学习路线
完整实验路线已经从 About 独立出来，统一按“Prerequisite → Question → Work → Artifact → Checkoff → Unlocks”组织。这里仅保留状态摘要，避免出现第二份路线图。
阶段 1：LLM Serving 请求链路与可复现基线
状态：已通过 · 学习周期：2026.07.27 — 2026.08.11
先观察一个真实的单机推理服务，建立请求链路、阶段划分、指标口径和实验边界，再进入机制实现。
P1-L0 → P1-L1 → P1-L2 → P1-L3 → P1-L4 → P1-F
查看阶段 1 路线与证据 →阶段 2：推理机制、调度与 vLLM 性能工程
状态：进行中 · 学习周期：2026.08.12 — 2026.09.12
先在 NumPy 中建立可证明正确的 Attention/KV Cache Oracle，再把同一组问题迁移到真实 vLLM 的容量、调度、吞吐和延迟实验。
P0 → M0 → M1 → M2 → S0 → S1 → S2 → S3 → S4 → F0
当前：M2-C · Cached MHA
继续当前 Lab →
学习与 AI 协作原则
不回避 AI，不外包判断。独立编程用于维护建模、实现、调试与解释能力；AI 用于扩大代码库探索、验证和工程交付效率。最终结论只由代码、测试、测量与可复现证据确认。
M0 · 独立模式
用于核心机制、第一轮调试与最终解释；AI 不介入问题求解。
负责：系统模型、约束与实现
M1 · 教练模式
用于源码导航、概念澄清与反例生成；AI 提问和 Review，不直接接管结论。
负责：源码追踪、假设与权衡
M2 · Agent 模式
用于脚手架、测试、数据处理与重构；AI 在明确契约和验收标准内执行。
负责：范围、验收与最终修改
before delegation
- 定义 Question、Prediction 与 Invariant。
- 限定 Action 与 Allowed AI Help。
- 指定 Artifact 与 Acceptance。
after delivery
- 审阅完整 Diff，运行测试并复现实验。
- 脱离对话解释关键路径，独立修改一个约束。
- 记录 Feedback、Reflection 与下一项决策。
question -> prediction -> minimum reading
-> implementation -> test / benchmark
-> explanation -> review -> correction验收标准：能够在不查看 AI 对话的情况下解释机制、复现实验并修改约束；否则只视为完成交付，不视为掌握。