文章小改

docs/sop/maindocs/blockchain-web3-virtual-currency-stablecoin.md

@@ -83,13 +83,22 @@ publish: true
 
 </div>
 
-我第一次接触到这类虚拟货币，不是搞投资，也不是炒币。因为有很多国外的服务要充值，比如ChatGPT，Claude。有些服务虽然是白嫖的，但是还是需要卡里有钱来验证。但是实体卡是开不了的，只能找虚拟卡。常见的虚拟卡都是和虚拟币挂钩的，不过现在想想确实虚拟币解决了跨境支付的问题。
+&emsp;&emsp;我第一次接触到这类虚拟货币，不是搞投资，也不是炒币。因为有很多国外的服务要充值，比如ChatGPT，Claude。有些服务虽然是白嫖的，但是还是需要卡里有钱来验证。但是实体卡是开不了的，只能找虚拟卡。常见的虚拟卡都是和虚拟币挂钩的，不过现在想想确实虚拟币解决了跨境支付的问题。
 
-我唯一受益的点在于能避开各类政策和法律的围堵，然后把钱给到中介，中介又帮我把钱给到商家。但是对于炒作虚拟币，似乎不太行，因为虚拟货币的价值似乎一直是个迷。
+&emsp;&emsp;我唯一受益的点在于能避开各类政策和法律的围堵，然后把钱给到中介，中介又帮我把钱给到商家。但是对于炒作虚拟币，似乎不太行，因为虚拟货币的价值似乎一直是个迷。
 
-基于我浅陋的认知，我来举个小小的例子：如果我来发行一个虚拟货币，就叫辛木币，如果做成和比特币一样的机制，那么就可以通过挖矿来计算出区块，然后基于辛木币的规则给这个人发币。但是最为重点的价格何来呢？这来自于**价值共识**。技术上的共识机制（如PoW）保证了辛木币无法被伪造和双花，但它的市场价格，则需要大家都认可它的价值才有用。比如此时我和我开的便利店店挂钩，你可以用一辛木币来换一瓶水（早期挖矿效率极高，工作量证明也越多）。后面慢慢的很多大老板都有了我的辛木币，他们也支持辛木币交易，那么辛木币的价值在这个圈子里面就慢慢升值了。只要这个圈子够大，辛木币的价值够大，就和今天的比特币一样。说到虚拟货币，几乎都知道比特币。
+&emsp;&emsp;基于我浅陋的认知，我来举个小小的例子：如果我来发行一个虚拟货币，就叫**辛木币**，如果做成和比特币一样的机制，那么就可以通过挖矿来计算出区块，然后基于**辛木币**的规则给这个人发币。但是最为重点的价格何来呢？这来自于**价值共识**。技术上的共识机制（如PoW）保证了**辛木币**无法被伪造和双花，但它的市场价格，则需要大家都认可它的价值才有用。比如此时我和我开的便利店店挂钩，你可以用一**辛木币**来换一瓶水（早期挖矿效率极高，工作量证明也越多）。后面慢慢的很多大老板都有了我的**辛木币**，他们也支持**辛木币**交易，那么**辛木币**的价值在这个圈子里面就慢慢升值了。只要这个圈子够大，**辛木币**的价值够大，就和今天的比特币一样。说到虚拟货币，几乎都知道比特币。
 
-那么在价值挂钩这一步，是不是可以是黄金，期权，股权，石油……现在的稳定币就是和美元挂钩，挖矿机制也和比特币的挖矿不一样了。比特币纯靠GPU计算哈希值，稳定币的挖矿就靠质押，靠股权（如USDT的PoS股权证明），也靠兑换（GUSD的美元兑换）
+&emsp;&emsp;那么在价值挂钩这一步，是不是可以是黄金，期权，股权，石油……现在的稳定币就是和美元挂钩，挖矿机制也和比特币的挖矿不一样了。比特币纯靠GPU计算哈希值，稳定币的挖矿就靠质押，靠股权（如USDT的PoS股权证明），也靠兑换（GUSD的美元兑换）
 
 
-(没写完，后面慢慢写)………………………………
+<div align="center">
+
+## 贰
+
+</div>
+
+
+&emsp;&emsp;反正都是随便讲讲，再来说说交易所和web3钱包。其实我损失过一个web3钱包，因为我忘记助记词了。还好那个卡可以直接扣费，所以就挂支付宝刷了。交易所顾名思义，和股票、证券的交易所一样，不过这个炒的是虚拟货币。一般用到的就是C2C交易，给人发法币，获得虚拟币，或者给人发虚拟币，换法币。或者是闪兑，用一种虚拟币换另外一种虚拟币。
+
+&emsp;&emsp;然后就是这个神奇的Web3钱包，他居然只需要用助记词就可以绑定一个钱包了，但是失去助记词等于失去了这个钱包，连官方都无法恢复。所以助记词不能泄露也不能忘记，他是加密钱包的私钥。

docs/sop/notes/vllm-learning-notes-pre.md

@@ -32,7 +32,7 @@ recommend: true
 
 ---
 
-## 2. vLLM 的总体架构（抓主线）
+## 2. vLLM 的总体架构
 
 
 * **LLMEngine**：一次迭代做三件事：`schedule()` → `execute_model()` → `process_outputs()`。
@@ -42,11 +42,11 @@ recommend: true
 
 ---
 
-## 3. 调度器原理（continuous batching）
+## 3. 调度器原理
 
 ### 3.1 核心策略
 
-* **Iteration-level（continuous batching）**：每生成一个 token 后**重新调度**，因此 batch 大小可变。
+* **Iteration-level**：每生成一个 token 后**重新调度**，因此 batch 大小可变。
 * **阶段区分**：vLLM 将请求分为 **Prefill（填充）** 与 **Decode（生成）** 两类批次，**同一轮只处理同一阶段**。
 
 ### 3.2 三个队列
@@ -69,7 +69,7 @@ recommend: true
 
 ---
 
-## 4. Worker 原理（模型执行链路）
+## 4. Worker 原理
 
 ### 4.1 角色与初始化
 
@@ -95,7 +95,7 @@ recommend: true
 
 ---
 
-## 5. Prefill vs Decode（执行特点与调优，展开版）
+## 5. Prefill & Decode
 
 ### Prefill（填充阶段）
 
@@ -125,47 +125,11 @@ recommend: true
 
 ---
 
-## 6. TP 与 PP：概念、区别与 vLLM 现状
+## 6. TP & PP
 
 * **TP（Tensor Parallelism）**：层内张量切分；通信频繁；适合实时推理。
 * **PP（Pipeline Parallelism）**：层间切分；通信少但需流水线调度；更多见于训练。
-* **vLLM 支持**：TP 是主力；PP 支持有限。
 
----
 
-## 7. 关键流程串讲
 
-### Prefill 批
 
-1. waiting 进入 running；BlockSpaceManager 分配块；
-2. Worker `_prepare_prompt` → FlashAttn → 写入 KV；
-3. Sampler 采样首 token。
-
-### Decode 批
-
-1. Scheduler 选择 running 序列；
-2. `_append_slot` 写 KV；
-3. Worker 调 PagedAttention → 输出；
-4. 采样 → EOS/长度 → 释放序列。
-
----
-
-## 8. 参数与调优清单
-
-* **`block_size`**：16；权衡碎片与索引开销。
-* **`gpu_memory_utilization`**：估算可分配 KV；预留峰值空间。
-* **`max_num_seqs`**：提升解码并发。
-* **`max_num_batched_tokens`**：限制长 prompt。
-* **`swap_space_bytes`**：CPU 交换空间，优先考虑 Recompute。
-* **采样参数**：top-k/top-p/温度/惩罚影响解码步数。
-* **CUDA Graph**：捕获稳定批，降低开销。
-
----
-
-## 9. 可讲的亮点/考点总结
-
-1. **PagedAttention**：block 化 + 块表管理，解决碎片问题。
-2. **continuous batching**：每 token 重调度，提升吞吐。
-3. **Recompute vs Swap**：计算 vs 带宽权衡。
-4. **TP 优先，PP 备选**。
-5. **Prefill vs Decode**：不同执行路径与瓶颈决定不同调优抓手。