Linux / 存储
从 fsync、无锁到 io_uring：系统层踩坑入口
从 fsync 失败语义、内存屏障、Zero Copy 到 Direct I/O、文件锁与分配器擂台；也可以按工程问题反查。
从这里开始
第一次访问时先按主题切入，比直接沿着时间线翻文章更快。
大模型基础设施
从 GPU 心智模型到推理服务化
把训练、推理、量化与服务化串成一条工程主线；先建立 GPU 心智模型，再进入引擎与量化落地。
量化交易
从因子研究到订单成交的买方工程
从数据底盘、因子、组合、风险到回测、执行、做市、高频与合规。先读 01 全景建立链路，再用 16 风险模型 / 25 做市进入深水区。
系统架构
过载保护、混沌工程与边缘架构
限流与过载、混沌实验、多租户、Cloudflare/Discord 案例，以及 AI 原生架构。
热门专题
与上方主线不重复的四个深挖入口，减少在 1865 篇文章里盲找的成本。
最新文章
按最近更新时间排序；如果你想系统性阅读一个主题，优先回到上面的专题入口。
【量化交易】风险模型：Barra 多因子、风险归因、压力测试
股票数接近样本天数时，样本协方差会把最小方差组合的风险低估到真实值的约 1-N/T 倍。本文用 Barra 式因子模型降维，对比 Ledoit-Wolf 收缩与 eigenfactor 调整，配合欧拉风险归因、VaR/ES 回测和压力测试，用可运行的模拟代码给出各方法的偏差大小与适用边界。
【量化交易】做市策略：Avellaneda-Stoikov 与库存管理
做市不是猜方向，而是为流动性定价。本文从买卖价差与库存成本的经济学起步，沿 Glosten-Milgrom 走到 Avellaneda-Stoikov，讲清 reservation price、optimal spread、HJB 推导、库存惩罚、对抗逆选择（VPIN、订单流毒性）、加密做市的资金费率与跨所对冲、监管红线（操纵 vs 流动性供给），最后给出可运行的 AS 仿真、双边报价器与 VPIN 触发撤单的 Python 实现。
【io_uring 系列】Go 如何集成 io_uring：从 CGO 封装到纯 Go 实现
系统梳理 Go 集成 io_uring 的关键问题：何时值得做、CGO 与纯 Go 如何取舍、runtime.Pinner、固定缓冲区与 SQPOLL 的工程实践。
大模型基础设施工程
面向中国工程团队的大模型基础设施系列。从 GPU/CUDA/互联、训练框架与 3D 并行、vLLM/SGLang 推理引擎、量化与推测解码、RAG/Agent 到服务化、网关、可观测性与安全合规，覆盖 LLMOps 全链路。
【量化交易】量化交易全景：从信号到订单的工程链路
量化交易不是策略写得好就能赚钱，更难的是把数据、特征、因子、信号、组合、执行、风控、复盘这八段链路在工程上连成一条不漏数据、不串时间、不丢订单的流水线。本文是【量化交易】系列的总目录与读图，给出八段链路的输入输出、失败模式、不变量清单，并用研究流程图把从一个想法到一笔实盘订单之间所有该过的卡点串起来。
量化交易
从因子研究到生产执行的量化交易全栈工程。覆盖市场微结构、数据管线、因子构造、组合优化、回测方法论、执行算法、做市策略、高频架构到生产运维。面向策略研究员与工程师。
全部系列索引
本站所有系列专题的总目录。按大模型基础设施、Transformer、量化交易与金融科技、数据与数据库、分布式与存储、密码学与安全、操作系统与底层、网络与 I/O、算法与可观测等方向分类整理，每个系列均给出简介与入口链接。
【量化交易】数据陷阱：幸存者偏差、复权、前视、未来函数
回测漂亮、实盘失效，常因数据在时点 t 泄漏了未来。本文拆解幸存者偏差、前视、未来函数、复权、停牌与日历陷阱，用可复现仿真说明退市收益的填补口径能翻转因子符号、财报时间戳错位能凭空造出收益，并给出 PIT 库实现与 CI 断言。
【金融科技工程】幂等、事务与一致性：SAGA、TCC、对账补偿
超时重试会让支付扣两次、退两次。本文按 Stripe 文档、IETF 草案与 Seata 实现拆解 Idempotency-Key 状态机、业务唯一键、2PC/TCC/SAGA/Outbox 的取舍与空回滚防悬挂，结论是每一跳都必须可安全重试。
【量化交易】市场微结构：订单簿、价差、流动性、冲击
回测按中价成交，实盘却被价差、冲击和逆向选择吃掉收益。本文从限价订单簿出发拆解价差口径与分解、流动性四维、OFI、Kyle λ、VPIN 与 Hawkes，并用币安 LTCUSDT 真实数据验证：10 秒 OFI 解释约六成中价变化，有效价差三分之二以上表现为价格冲击。
【量化交易】交易成本模型：冲击成本、滑点、Implementation Shortfall 与 TCA
回测按收盘价成交，实盘却多付几十 bp。本文把交易成本拆成显性费用、滑点、冲击、机会成本四层，用平方根律标定、Almgren-Chriss 与 Implementation Shortfall 统一口径，附合成数据验证的 Python 代码和按 2026 年官方规则核对的四市场费率。
【Transformer 与注意力机制】17｜Causal Mask：让模型只看过去不看未来
自回归模型训练要并行、生成不能偷看未来。本文从 teacher forcing 推到 mask 矩阵，对比 causal、prefix LM、滑窗与 packing 文档掩码，结合 KV cache 对齐、FlashAttention 跳块与 GPT-2 实测 attention sink，说明 mask 决定训练并行性、推理对齐方式和 sink 落点。
【密码学百科】格基后量子方案：ML-KEM（Kyber）与 ML-DSA（Dilithium）原理、参数与部署
ML-KEM（FIPS 203）与 ML-DSA（FIPS 204）都建立在 Module-LWE 上。本文从 LWE 归约讲到 KeyGen/Encaps/Sign 流程、NTT 实现（附与朴素乘法对拍过的 Python 代码）、FO 变换与拒绝采样，说明参数集怎么选、core-SVP 估计为何不能直接和 NIST 级别相减，以及 TLS、Signal 等部署现状。
【大模型基础设施工程】14：量化工程 —— INT8 / FP8 / FP4 / AWQ / GPTQ 怎么选
decode 受显存带宽限制，量化把权重从 BF16 压到 FP8 或 INT4 就能直接换来显存和延迟收益。本文讲清 FP8/FP4/MX 数据类型、GPTQ/AWQ/SmoothQuant/旋转法各自解决什么问题、KV Cache 量化的收益边界，给出按硬件选位宽的规则和 AutoAWQ + vLLM、TensorRT-LLM FP8 的落地命令。
【量化交易】回测陷阱：前视偏差、过拟合、数据窥视与 Deflated Sharpe
回测 Sharpe 漂亮却上线失效，多半死于前视偏差、过拟合和数据窥视。本文给出前视偏差的三条机械自查规则，用可复现仿真说明零信号数据上挑出的最佳策略能通过 PSR 却被 DSR 拒掉，并附 Bonferroni、BH-FDR、DSR 的 Python 实现与 30 条上线前自检清单。