AI Infra & Embodied Agents — 让智能体真正跑起来。
我做具身 Agent，也做它底下的推理系统。关注模型、工具与状态如何接成可以运行、检查和恢复的任务链；通过公开项目、技术复盘和上游贡献记录这些实践。
| 想看什么 | 项目 | 可以做什么 |
|---|---|---|
| 小模型如何选择动作 | Jev 决策模型实战 | 先在 CPU 上试玩推箱子，再学习候选打分、训练与页面按钮选择；独立 Jev-style 教学实现 |
| 低比特训练与压缩推理 | Bonsai 风格量化教学 | 从 CPU 方程读到 MoE 三值 QAT、恢复与单卡推理实验，逐项检查结果 |
| 用代码理解生成模型 | minimind-diffusion | 用 PyTorch 学习掩码扩散，从小模型测试走到训练与采样；生成质量仍在探索 |
| 定制自己的助手 | soul-generator | 把表达方式和工作习惯整理成可编辑的 SOUL.md |
几个已合并的具体改动：
- vLLM #56882：保留 DeepSeek V4 多模态输入中图像块的结构边界。
- Mooncake #4063：让池化 TCP 的准入预算按排队字节数计算。
- TIRx-harness #12：限定 ptxas 资源统计的 kernel report 范围，避免串用数字。
个人项目、基于他人工作的扩展和贡献用 fork 在仓库中分别标明来源。量化、生成模型与 Agent 都有各自的验证范围，具体结果以项目文档和实验记录为准。
欢迎交流 Agent 工程、量化训练、推理部署与可复现的系统问题。
