关于我
你好，我是一名专注于 AI 基础设施与分布式系统 的开发者，长期关注如何让 大规模模型训练 更高效、更可靠。
我喜欢从底层到系统整体的全栈思考，并通过动手实验去探索性能的边界。
技术兴趣
- AI Infra：分布式训练、通信优化、模型并行
- 系统与架构：操作系统、编译系统、资源调度
- 网络与协议：TCP/IP 协议栈实现、网络拓扑与传输优化
项目与探索
在实践中，我曾参与并主导过多个与 分布式系统和 AI 基础设施 相关的项目。以下是一些代表性方向：
大模型训练加速
研究如何降低大规模模型训练过程中的跨节点通信瓶颈，优化并行算法与调度策略，显著提升分布式训练性能。系统级项目开发
在分布式系统课程实验中，从零实现了 MapReduce 框架与 Raft 共识算法，锻炼了在高并发与故障恢复场景下的系统设计能力。网络协议实践
独立用 C++ 实现了 TCP/IP 协议栈，覆盖了流控、重传、路由等核心机制，实现了协议栈与外部网络的互通。
我的理念
我坚信：理解系统的底层是推动 AI 基础设施进步的关键。
每一次优化，不仅仅是为了提升性能数据，更是为了构建一个更优雅、更可扩展的计算世界。
博客内容
在这个博客里，你会看到我对以下主题的思考与记录：
- 大模型基础设施与工程实践
- 分布式系统的原理与实现
- 网络与通信相关探索
- 个人项目与学习笔记