从「为什么要做 GPU 调度」讲起：默认调度器的三个盲区，节点、卡、拓扑三个调度维度，HAMi v2.10 如何用一条策略链覆盖它们；最后用 kind 上可复现的判决性实验裁决 mutex 的真实语义：它要的是一张零租户的卡。
AI 工程
人工智能工程、大模型、智能体应用与实践。
GPU 共享正从软分配走向可治理，调度决策与运行时隔离开始能够对应。
HAMi 从集群走向桌面，Olares 让端侧 AI 有了真正的控制平面。
用 Kubernetes 老兵听得懂的类比，讲透 token、模型、训练、推理、Transformer、Tensor Core、HBM、KV Cache 到底是什么，以及为什么 AI 非跑在 GPU 上不可。
从 GPU 利用率到 Productive GPU-Hours，AI Infra 的效率升级。
解读 Hesham ElBakoury 的《AI Infrastructure Reliability Features and Architecture for Agentic AI》，从可靠性五维框架、容错、恢复、可观测性到混合架构，分析 Agentic AI 基础设施的设计原则，并从 AI Infra 视角给出评价。
从 GPU 到 Token：AI 基础设施的八层可观测性体系
从 GPU 硬件、Kubernetes 调度、推理引擎到 Token 成本，理解现代 AI 基础设施的八层可观测性架构。
我如何用 ChatGPT、OpenClaw、Obsidian、GitHub、飞书、GLM-5.1 和 Mac mini M4 构建一套个人 AI 基础设施。
从一线实践和开源生态角度，分析 AI Infra 核心瓶颈的演变、CPU/GPU/调度的真实角色、云原生开源调度生态演进，以及训练、推理、Agent 等不同场景下的算力需求变化。
Kubernetes 正在成为 AI 时代的 GPU Control Plane
观察 AI 基础设施控制面演化的几个趋势，聚焦 HAMi v2.9、GPU 调度和 Kubernetes 资源模型。