我一直在往系统更底层走。

我本科在女王大学同时读商科和计算机。2025 年夏天在 Shopee，我做的是物流预测背后的 PySpark / Hive 数据链路；现在到宾大读电子工程 M.S.E.（2026–2028），继续往系统和硬件这一层深入。

网站上的项目跨度不小：多 GPU 推理、缓存路由、C++ 存储实验，还有本地运行的小模型。但我反复在追的其实是同一件事：一层抽象下面到底发生了什么，怎样才能把它真正观察出来。这学期，我也开始从固件、SoC 架构和 VLSI 往硬件这一侧继续深入。

我为什么做这些

我最早对计算机感兴趣，是因为日常用的软件会让我好奇：这些功能到底是怎么做出来的？让我一直学下去的，是写代码带来的直接反馈——改一点，再运行一次，屏幕上或者真实设备的行为就跟着变了。这也是我后来选择把计算机和商科一起读下去的原因之一。

我也不太愿意把同一件事手动做两遍。在方正证券和 Brix，我把重复出现的报告做成了可复用的工具；现在，我把同样的习惯用在更底层的系统上——RadixGates 里，一条通过了全部模拟测试的路由规则，放到真实的 llama.cpp 上反而拉低了 prefix cache 命中率，这个结果我原样写进了笔记。

我做项目的方式

1. 从要做的决策出发。 文本转 SQL 这个项目要回答的是：小模型能不能作为自主作答系统上线？结论写成一个决策，而不是一个分数。 看这篇笔记。
2. 把验收标准写下来，并说明它们从哪来。 我的验收标准是我自己设的假设，README 里写明了这一点。
3. 数字要带着它成立的条件。 “p95 611 ms”指的是 Apple M1 上单请求串行的结果；4 并发时是 1.4 s。
4. 说清楚什么会推翻这个结论。 每个仓库的结尾都写了局限；路由这个结论是否成立，取决于缓存容量有多大。 看这篇笔记。