用静态页面连接职业简介、双语简历、工程项目与长期主题。
确定内容结构、评审设计，并在 AI 协助下实现与验证。
开发 · 测试 · 持续探索
ELL3N HSU
Python 工程师，关注 AI 应用落地。
从后端开发到测试开发，我关注业务逻辑、验证方法与系统维护。目前在将这些经验延伸到 AI 工作流，并持续学习 LLM 推理与缓存。
经验脉络
阅读简历 → 后端开发
理解业务规则，构建可维护的服务与工具。
测试开发
把需求转化为可验证的流程，重视可测试性与自动化。
AI 实践
探索 AI 与测试工作流的结合，持续学习推理系统。
代表项目
项目索引 →围绕 LLM 推理、KV Cache 与评估方法建立可追溯的学习记录。
梳理学习问题、理解推理机制，并规划可复现实验。
持续探索的主题
从实践出发，逐步深入。
AI 应用与推理
从测试工作流，到推理基础、KV Cache 与可复现实验方法。
工程实践
Python、测试自动化、业务建模与可维护的工具。
最近记录
全部笔记 →Prefill vs Decode: LLM Inference 的两个阶段
理解 LLM 推理中 prefill 和 decode 的区别，以及为什么 prefill 更适合 batching。
KV Cache 为什么会吃显存？
梳理 KV Cache 的数据结构、显存估算方式，以及长上下文为什么会放大问题。
Prefix Cache 命中率如何影响 TTFT？
分析 Prefix Cache 命中与未命中对首 token 延迟的影响，并记录后续 benchmark 计划。
继续聊聊工程与 AI。
更多代码与项目记录，可以在 GitHub 找到。