全栈生存笔记 — 用广告系统的经验理解 AI 芯片、推理优化与 Agent 架构。不学新东西，做模式迁移。https://www.lujunxu.com/https://www.lujunxu.com/blog/ad-recall-basics/https://www.lujunxu.com/blog/ad-recall-basics/刚加入广告团队的第一篇总结——广告检索系统的基本架构，以及触发召回的核心逻辑。Mon, 14 Mar 2016 16:00:00 GMThttps://www.lujunxu.com/blog/agent-framework-design/https://www.lujunxu.com/blog/agent-framework-design/从 Tool Calling 到 ReAct 到 Multi-Agent——如何用你熟悉的广告出价系统（OCPC、预算控制、多广告位竞价）理解 Agent 架构的核心逻辑。Sun, 12 Jul 2026 16:00:00 GMThttps://www.lujunxu.com/blog/ai-agent-in-action/https://www.lujunxu.com/blog/ai-agent-in-action/如何用 AI Agent 实现广告 某业务线 业务全托管——从 prompt 设计到 tool calling，以及为什么大多数 Agent 项目会失败。Sat, 04 Nov 2023 16:00:00 GMThttps://www.lujunxu.com/blog/ai-chip-core-concepts/https://www.lujunxu.com/blog/ai-chip-core-concepts/算子、计算图、显存层次、流水线——如果你懂广告检索漏斗，AI芯片的底层逻辑比你想象中好懂十倍。Sun, 14 Jun 2026 16:00:00 GMThttps://www.lujunxu.com/blog/ai-era-engineer-2026/https://www.lujunxu.com/blog/ai-era-engineer-2026/当 某AI Coding工具 能写出 90% 业务代码时，工程师的核心价值在哪里？不是 coding 速度，而是系统判断力。Sun, 04 Jan 2026 16:00:00 GMThttps://www.lujunxu.com/blog/ai-foundry-deep-dive/https://www.lujunxu.com/blog/ai-foundry-deep-dive/如果你建过广告投放系统，AI Foundry 的逻辑就好懂了——模型是广告位，Agent 是投放策略，数据飞轮是效果反馈闭环。Sun, 19 Jul 2026 16:00:00 GMThttps://www.lujunxu.com/blog/ai-foundry-diagnose/https://www.lujunxu.com/blog/ai-foundry-diagnose/用 某AI平台 搭建客户经营诊断系统——自动发现无效投放问题，策略推荐，覆盖客户无效率明显下降。Mon, 09 Dec 2024 16:00:00 GMThttps://www.lujunxu.com/blog/claude-code-agent/https://www.lujunxu.com/blog/claude-code-agent/基于 某AI Coding工具 构建研发 Agent 工具链的真实体验——从代码生成到业务全托管，研发效率提升了多少？Sun, 19 May 2024 16:00:00 GMThttps://www.lujunxu.com/blog/connection-pooling/https://www.lujunxu.com/blog/connection-pooling/一次数据库连接到底有多贵？从 TCP 握手到内存分配，拆解连接池背后的权衡与最佳实践。Tue, 07 Jul 2026 16:00:00 GMThttps://www.lujunxu.com/blog/continuous-batching/https://www.lujunxu.com/blog/continuous-batching/从 Static Batching 的"等最慢的人"到 Continuous Batching 的"随时进出"——用广告请求批处理的动态调度类比，彻底搞懂。Sun, 05 Jul 2026 16:00:00 GMThttps://www.lujunxu.com/blog/ctcvr-esmm/https://www.lujunxu.com/blog/ctcvr-esmm/CTCVR 模型如何驱动 TROI 优化——从多任务学习到 ESMM 架构，以及在百度广告系统中的应用效果。Sun, 09 Jul 2023 16:00:00 GMThttps://www.lujunxu.com/blog/dl-embedding-recall/https://www.lujunxu.com/blog/dl-embedding-recall/从手工特征到神经网络，如何用 DNN 嵌入搞定广告语义匹配——效果碾压传统方法，但工程落地有坑。Wed, 11 Apr 2018 16:00:00 GMThttps://www.lujunxu.com/blog/gaussian-random-projection/https://www.lujunxu.com/blog/gaussian-random-projection/在广告匹配场景中，用随机投影把高维稀疏向量压缩到低维，既保留距离信息又能大幅加速计算。Wed, 21 Sep 2016 16:00:00 GMThttps://www.lujunxu.com/blog/index-compression-192g/https://www.lujunxu.com/blog/index-compression-192g/数百G内存、千余台物理机的节省，背后是索引结构重构 + 混合压缩 + 按需加载的组合拳。Wed, 14 Oct 2020 16:00:00 GMThttps://www.lujunxu.com/blog/inverted-index-optimization/https://www.lujunxu.com/blog/inverted-index-optimization/详细拆解广告检索系统倒排索引的设计——从数据结构到截断策略，以及 P97 延迟优化 21ms 的实战经验。Sat, 19 Jan 2019 16:00:00 GMThttps://www.lujunxu.com/blog/kv-cache-paged-attention/https://www.lujunxu.com/blog/kv-cache-paged-attention/为什么 KV Cache 是大模型推理的头号内存杀手？PagedAttention 如何用 OS 的分页思想解决——用广告正排索引的分层加载类比，彻底搞懂。Sun, 28 Jun 2026 16:00:00 GMThttps://www.lujunxu.com/blog/llm-ad-system/https://www.lujunxu.com/blog/llm-ad-system/用 GPT 类模型做广告创意生成和定向优化——效果惊人，但成本控制、延迟、可控性是三道坎。Thu, 17 Mar 2022 16:00:00 GMThttps://www.lujunxu.com/blog/llm-inference-chip/https://www.lujunxu.com/blog/llm-inference-chip/十年广告系统经验如何迁移到 AI 芯片业务——索引压缩与量化、截断策略与 KV Cache、漏斗优化与推理加速的底层共通性。Mon, 24 Mar 2025 16:00:00 GMThttps://www.lujunxu.com/blog/pd-separation/https://www.lujunxu.com/blog/pd-separation/Prefill 和 Decode 为什么要分开部署？从计算特征到工程实践——用广告检索的召回/排序分离类比，一步拆透。Sun, 21 Jun 2026 16:00:00 GMThttps://www.lujunxu.com/blog/tech-lead-management/https://www.lujunxu.com/blog/tech-lead-management/从 IC 到 TLM 的转型总结——这不是升职，而是换了一个职业。技术 leader 和管理者之间的微妙平衡。Sun, 13 Feb 2022 16:00:00 GMThttps://www.lujunxu.com/blog/truncation-optimization/https://www.lujunxu.com/blog/truncation-optimization/如何把广告召回的截断率从 5% 降到 0.19%，做到近似 limitless——动态截断 + 分场景策略 + 在线反馈闭环。Sat, 07 Aug 2021 16:00:00 GMThttps://www.lujunxu.com/blog/why-smart-matching/https://www.lujunxu.com/blog/why-smart-matching/一次让广告曝光增长 27 倍的策略优化，核心是将精确匹配升级为语义匹配，并在毫秒级延迟内完成。Wed, 07 Jun 2017 16:00:00 GMT