模型部署与生产化
把大模型送上生产：推理服务、扩缩容、容器化与本地/云部署，涵盖 vLLM、Docker、Kubernetes 与成本优化的工程实践。
高级
大模型推理加速实战：Prefill/Decode 优化、投机解码与国产芯片适配
从底层原理到前沿方案，系统降低大模型部署成本
入门Ollama vs vLLM：本地大模型部署该选谁？（2026）
Ollama 与 vLLM 本地大模型部署深度对比
高级LLM 推理优化：vLLM、TensorRT-LLM 与规模化服务（2026）
PagedAttention、连续批处理、量化及生产级服务策略
高级AI 金丝雀分析
自动化金丝雀分析，实现安全的 AI 模型发布
进阶使用OpenAI Assistants API构建AI客户支持代理（2026版）
完整指南：利用OpenAI Assistants API的文件搜索、代码解释器和自定义工具，构建生产级AI客户支持系统
高级在树莓派 5 上部署 TinyLlama 1.1B — 家庭自动化助手
在树莓派 5 上本地运行 TinyLlama 1.1B 的完整设置指南，用于家庭自动化助手
进阶Celery 在 AI 应用中的异步任务处理指南 2026
使用 Celery 在 Python 应用中异步处理长时间运行的 AI 任务
高级在 Ollama 本地服务器上部署任意 GGUF 模型 — 本地开发 AI
在 Ollama 本地服务器上运行任意 GGUF 模型的完整设置指南，用于本地开发 AI
高级在英特尔酷睿Ultra笔记本上部署Mistral 7B——笔记本推理
在英特尔酷睿Ultra笔记本上本地运行Mistral 7B的完整设置指南
高级在ONNX Runtime CrossPlatform上部署任意ONNX模型
在ONNX Runtime CrossPlatform上本地运行任意ONNX模型的完整设置指南，实现跨平台部署
进阶Prometheus + Grafana 在 AI 应用中的监控实践：2026 指南
为 LLM API 成本、延迟和错误率搭建全面监控
进阶vLLM 高吞吐量服务：教程与最佳实践
使用 vLLM 构建生产级 AI——PagedAttention 实现 GPU 推理
高级在 vLLM Production Serving 上部署 Llama 3.1 70B — 高吞吐量服务
在 vLLM Production Serving 上本地运行 Llama 3.1 70B 的完整设置指南，实现高吞吐量服务
高级在 LM Studio Desktop 上部署 GGUF 模型——无代码本地 AI 图形界面
在 LM Studio Desktop 上本地运行 GGUF 模型的完整设置指南，实现无代码本地 AI 图形界面
高级ML 元数据管理
使用 MLMD 跟踪 ML 工件、血缘和来源