第01讲：AI Infra 工程师的 C++ 与 Python 底层必修课 主讲人：👓 Ringi（AI Infrastructure 工程师） 所属模块：Module 00：性能工程与系统前置 关键词：C++17 / RAII / 智能指针 / 移动语义 / 模板 / PyBind11 / ATen / PyTorch C++ Extension / Autograd 学习目标：建立从 Python API 一路追踪到 C++、ATen、CUDA/设备执行层的能力，并能够独立编写、编译、导入和验证一个最小 PyTorch C++ 扩展。 ...

📐 第02讲：AI Infra 数学第一性原理——从张量物理寻址、GEMM 算力账本到自动微分与数值防爆 主讲人：👓 Ringi（大厂 AI Infrastructure 工程师） 所属模块：Module 00: 性能工程与系统前置 篇章范式：📐 模型架构、算法与显存建模篇（Model Architecture & Memory Ledger Paradigm） 核心导读：AI Infra 不要求每天手推纯数定理，但要求看到公式时能立刻回答 Ringi 三问：张量是什么 Shape？需要多少 FLOPs 计算与显存带宽？底层硬件怎样实现才稳定？ 本讲融合 6 张 16:9 手办级 3D 架构工坊插图、全流程数学手算推导、8 大工业综合算例、4 组可运行 PyTorch 验证代码与 12 道课后思考题，带你用“第一性原理”彻底击穿 AI Infra 核心数学底座！ ...

万字长文｜WorkBuddy 从入门到精通：别再拿聊天框做 AI 交付了！ 作者：Ringi ｜ 云原生与 AI 基础设施探索者 💡 原文灵感：@miles_mazy ｜ 架构提炼与实战重构：Ringi ...

🚀 AI Infra 大话西游实战之Transformer小白学习笔记（一） Google 大神 × 👓 Ringi 导学版（公式全兼容 / 小白友好 / AI Infra 实战贯通） 📌 导读寄语： 学习 Transformer 不是为了死记硬背公式，而是要建立清晰的数据流动直觉与硬件执行心智模型。 本笔记以 Google 大神的第一性原理视角，结合极客导师 Ringi 的手办级 3D 架构工坊插图，把每个公式、每个张量形状（Shape）以及后续在 CUDA / 分布式训练 / vLLM 推理中的对应关系彻底讲透！ ...

别再把 RDMA 当成一根更快的网线：从交换机一路看到 GPU 显存 作者：Ringi ｜ 云原生与 AI 基础设施探索者 图 0｜从交换机一路看到 GPU 显存：TCP、RoCE、InfiniBand 与 GPUDirect RDMA 全景数据路径 ...

World Model：从强化学习到具身智能的完整入门 过去两年里，“世界模型”（World Model）突然变成了 AI 领域最拥挤也最混乱的词之一。 视频生成公司说自己在做世界模型，自动驾驶公司说自己在做世界模型，机器人公司也说自己在做世界模型。游戏引擎、3D 生成、强化学习、VLA、视频扩散模型、JEPA、物理仿真，全都被塞进了同一个词里。结果是：每个人都在谈 world model，但很多时候谈的并不是同一件事。 ...

引言：从资本版图到入场地图 我们这个系列一共有三篇。上篇画了技术版图，中篇画了资本版图。到这一篇，问题落到最实的一层：这个赛道里，一个没有名人堂履历、也没有数亿美元的人或团队，到底还有没有位置，位置在哪，如何才能进入这个赛道？ ...

[译] Anthropic 的产品团队为什么能比其他公司更快（2026） 译者序 本文整理翻译自 2026 年的一档播客 How Anthropic’s product team moves faster than anyone else | Cat Wu (Head of Product, Claude Code) ， 嘉宾是 Claude Code 的产品主管 Cat Wu。 ...

引言：从技术版图到资本版图 上篇讲的是AI for Science的技术版图：哪些方向已经跑出来，哪些还停在论文和原型阶段，哪些更像长期想象。看完技术版图之后，下一步要问的就是资本问题：这个领域到底有没有人愿意持续掏钱，钱投向哪里，又避开了哪里。 ...

Claude Code 给你两个似乎都能"让答案更好"的设置：模型（model）和努力级别（effort level）。但它们到底对输出做了什么？你怎么知道应该换模型还是只调整努力级别？很容易认为选择更大的模型（如 Fable）会比 Sonnet 给出更聪明的输出，更高的努力级别只是让 Claude 在回答前思考得更久。 ...