侯瑞哲的博客

大规模推荐系统完整构建指南：层级漏斗架构（召回/粗排/精排/重排）、协同过滤与双塔模型召回、DIN/DIEN深度排序模型、实时特征工程、Embedding存储与ANN检索、在线学习与A/B测试体系。

最会训练 AI 大模型的公司，一定是最会用 AI 大模型的公司吗？从能力栈差异、组织激励、历史先例，到 OpenAI vs Cursor、谷歌 vs 字节的现实对比，深度分析训练能力与应用能力为何天然分离，以及这对行业格局意味着什么。

AI 时代什么能力最重要？不是学会用工具，而是判断力、提问能力、整合能力、深度思考，以及抵抗平庸的意志。本文从第一性原理出发，分析 AI 真正替代的是什么，以及人类能力的不可替代性在哪里。

深度解析马斯克五步工作法：质疑需求、删除冗余、简化优化、加速迭代、自动化兜底。从 SpaceX 火箭研发到特斯拉工厂实践，理解这套反直觉方法论的底层逻辑与适用边界。

JVM GC 图解：从堆内存结构、对象分代假说、Minor GC 与 Full GC 执行过程、可达性分析、引用类型，到 Serial/Parallel/CMS/G1/ZGC 五大收集器的工作原理与对比，配以大量 ASCII 图示。

从设计哲学角度深度对比 Python、Java、Go、Rust 四门主流语言：每门语言解决什么问题、为什么做出这样的设计选择、在哪些场景下是最佳选择，以及它们各自的核心权衡。

从理论角度深度解析流式计算：流 vs 批的数学本质、Event Time 与 Watermark 机制、窗口类型与触发器、有状态计算与 Checkpoint、Exactly-Once 语义的两阶段提交实现，以及流批统一的理论基础。

Apache Flume 深度解析：Source/Channel/Sink 三层架构、事务机制与可靠性保证、拦截器与选择器、Agent 拓扑设计（扇入/扇出/多路复用）、性能调优，以及与 Filebeat/Kafka Connect 的对比与选型建议。

百万 QPS LLM 推理服务系统性优化：从 Continuous Batching、PagedAttention、投机解码、量化、Prefix Caching，到 Prefill-Decode 分离部署，深入剖析大规模 LLM 推理的核心挑战与工业级解法。

Apache Doris 深度解析：FE/BE 架构、四种数据模型、存储引擎（Segment/列存/索引）、向量化执行引擎、数据导入方式、Colocate Join 原理，以及与 ClickHouse、Hive 的深度对比。