5 年云原生与 DevOps 全栈研发经验，覆盖私有云到公有云、源码到内核。把构建、发布、出口、缓存与可观测性做成可复用平台：统一构建缓存把 test / prod 部署压到 80s / 110s（SLA ≤300s）；百度云 CCE Kubernetes 1.34 双集群 16/16 节点 Ready；自建 LLM 网关统一路由 DeepSeek / 智谱 GLM / 百度千帆，8 小时单模型消耗 975M token。
在线简历 · https://l1.fit六条主线：把超大规模构建集群运维得稳定高效、把网络与流量变成可定位的观测面、把研发链路做成可复用平台、把线上状态全部收敛到 IaC、把硬件与带外管理纳入日常运维、把 Agent 能力做成可弹性伸缩的生产系统。
华为云云龙 DevOps 超大仓分布式编译（昇腾 / 鸿蒙）：构建 CAS 800T，缓存命中 95%+ 时仍占 2 万核 / 40 TB，相当于节约 38 万核 CPU / 760 TB 内存；独立运维单集群 上千节点，Bazel 分布式编译集群资源消耗降低 70%。
深度排障：定位重复文件下载与重复构建并增加 fastpath，缩短构建时间 70%；QEMU 逐行 debug 内核启动；perf / strace 跨层定位。源码级经验横跨 K8s 与 OpenStack，覆盖分布式 CSI 快照与克隆、极速快照、COW 与 dentry / dcache。
网络知识覆盖从单机网络堆栈到交换机：iptables / nftables、WireGuard、tcpdump、eBPF 与 K8s Calico 网络模型，能顺着内核协议栈、转发面到交换机逐层定位连通性与丢包问题。
自研流量可观测与流量镜像分析等 debug 组件，用于出口链路、跨集群互通与转发异常的现场定位与状态回读。
GitLab CE / Runner 治理与单 Job 部署契约（validate→build→publish→deploy→verify→cleanup），工具链版本由 versions.env 单点锁定。
基于 Bazel / BuildBarn / ccache 落地分布式增量构建缓存，优化 CMake / Maven 构建链路。
Agent 沙箱快照与快速恢复、容器化沙箱、任务编排与并发限流；把批量推理、异步队列、失败重试做成可调度能力。
自建 LLM 网关支撑 Claude Code / Desktop 等 Agent 客户端规模化接入，本人为重度用户：8 小时单模型消耗 975.20M token（≈1B），近 7 天网关可监控口径 8.44B token；另有多套未接入网关监控的 Codex 账户在用，实际消耗高于此数。
线上全部由 IaC 表达：174 个注册组件（Terraform 26 / K8s 107 / Helm 3 / 主机 38），覆盖 2 个 CCE 集群、5 台 BCC、7 个 /24 子网、9 个 AppBLB、22 个安全组与 119 条规则、7 个 BOS 桶。
iac diff / apply --exact 逐组件回读，terraform plan / kubectl diff / helm template 三类判据给出 0 / 2 退出码——repo↔live 零漂移才算完成，线上不留未纳管资产。
交换机侧做 VLAN 划分、链路聚合与端口镜像（镜像流量直接喂给自研流量分析组件），排障从 MAC 表、光模块一路查到链路误码。
服务器侧用 IPMI / Redfish 做带外管理：远程开关机与 KVM、传感器与 SEL 日志判读、BIOS / BMC 固件升级；硬盘与 RAID 故障同样从 SEL 与 dmesg 入手定位。
排障与折腾：根因往往在更深的一层，好玩的东西往往自己动手做。
用 QEMU 单步跟踪引导链与内核初始化，定位内核启动失败的根因，并打通 debug 流量发送 链路。
这类问题没有现成答案，靠的是对启动流程、内存布局与硬件初始化顺序的完整理解。
崩溃栈落在 libc / libc++，根因却在上层软件的非法调用。顺着调用栈回溯到真正的调用方，核对参数约定与对象生命周期，最终从业务侧规避，而不是去改标准库。
难点在于：栈顶只是受害者，不是肇事者——定位必须穿透到真正的调用方。
从 dmesg 里区分软件除零与硬件异常，确认是硬件问题后联合厂商复现故障、定位根因，最终通过升级 flash 固件解决。
软件日志只能给线索，硬件问题要和厂商一起收敛到可复现的最小现场。
在 NFS CSI 驱动上补齐 VolumeSnapshot 与卷克隆能力，把原本缺失的存储特性接进 K8s 存储链路。
涉及 CSI 接口契约、external-snapshotter 协作与底层卷语义的一致性设计。
ESP32 蓝牙配网盒子：不用串口、不用改固件，手机端即可完成设备联网，把「设备怎么连上网」从工程操作变成普通人也能完成的动作。
AI 语音盒子：端侧拾音 + 云端大模型推理，把语音入口做成能摆在桌上的实体设备——和自建 LLM 网关是同一套思路。
把北京、武汉、长沙三地的设备组进同一内网：重编 ARM 内核启用 WireGuard 内核模块，单台成本约 50 元。
用来验证一件事：跨城组网不必依赖商业方案，内核能力用对了就够了。
自建 LLM 网关 new-api「模型统计」真实读数（本人日常开发场景）。8 小时窗口内单模型消耗 975.20M token、峰值吞吐 288.7 t/s；近 7 天 8 个（渠道、模型）组合合计 8.44B token。以上只是自建网关能监控到的那一部分——另有多套未纳入网关监控的 Codex 账户同时在用，实际消耗高于此数。
口径说明：以上仅为自建网关可监控到的部分——另有多套未接入网关监控的 Codex 账户同时在用，实际消耗高于该数。缓存命中率的差异来自渠道本身：百度渠道 49.1%，DeepSeek 渠道稳定在 96.7% 以上，这也是后面对「LLM 缓存失效」做逐渠道加权比对、并定位到动态预算提醒与尾部缓存断点的起点。
驱动我做基建的三条判断：速度是效率，可观测深度决定速度上限，治理标准靠工具强制而非人自觉。
软件构建速度直接影响产品迭代效率：编译与 CI 的每一秒，都会乘以团队人数和每天的提交次数，最终体现在产品的迭代节奏上。
所以我把它当成可量化的工程指标来做——统一构建缓存、增量构建、部署契约与 SLA 门禁，而不是「差不多能跑就行」。
车灯照射的距离，决定了你能开多快：照得远才敢加速；只照亮眼前几米，就只能慢行。
工程系统同理——可观测的深度，决定团队能安全推进的速度上限。所以我先把回读、对账、回滚做扎实，再谈提速。
日均 5,000+ PR 的仓库，靠人自觉守不住标准：统一构建、增量缓存、原子提交与可回滚发布，都必须由工具强制。
把这条当作默认工程约束——单 Job 部署契约、增量构建缓存、统一制品源，都是这条理念的落地形态。
重点不是「会调用模型」，而是把构建、发布、出口、缓存、观测与 Agent 做成可治理、可复用、能承载企业级研发流程的生产系统。
BuildKit registry 远程缓存跨 daemon 复用（空节点 export 后另一 daemon 免密 import 全层 CACHED）；test / prod deploy job 实测 80s / 110s，单组件缓存约 381 MiB。
Nexus 作唯一持久制品源（proxy store 抽样 6,213 blob / 1.55 GB），JuiceFS S3 网关压测单文件 716 MB/s、双文件 1.325 GB/s；自研 Go 出口数据面 + nftables 透明拦截 13 条路由。
同一入口暴露 OpenAI Chat / Responses / Anthropic 三协议，统一路由 DeepSeek、智谱 GLM、百度千帆，Claude 别名链式映射；百度渠道单日 6,486 请求 / 7.63 亿输入 token。
三家上游 × 两协议 × 每组 5 轮对照：去首轮加权命中率百度 24.999% vs zai 99.996% vs DeepSeek 99.675%；根因为动态预算提醒与尾部缓存断点，网关侧修复后旧客户端由 0% 恢复至 99.7%。
自建 Grafana 13.1.3（29 个看板 / 610 个面板，2026-09-09 回读）、Prometheus 3.13.2（41 个 scrape job、69 条告警 + 57 条 recording 规则）、Loki 日志；看板由脚本 diff 推送、变更零重启，告警经 Go webhook 机器人推送至飞书群。
管理 8 台采集节点、每台 10 路并发，If-None-Match:* 幂等 + 64MiB 分片断点续传；Go 482 项测试 + race 437 项 + E2E 全绿，8/8 台对象 HEAD 200 且长度逐字节相等。
从云原生基础设施、分布式构建与存储，到企业级 AI 工程化平台，长期在工程系统的关键路径上做降本增效。
以下项目聚焦同一件事：把复杂工程系统跑起来，并让它长期变好。
服务奇瑞、吉利、理想等多家头部车企：从零建设合规云与 CI + 构建系统，支撑每天 上千个仿真测试版本 发布。
交付获甲方高度认可，并收到甲方 offer。
服务 昇腾、鸿蒙 两个超大仓库源码构建：构建 CAS 缓存 800T，缓存命中 95%+ 时仍占用 2 万核 CPU / 40 TB 内存，相当于节约 38 万核 CPU / 760 TB 内存。
定位重复文件下载与重复构建问题并增加 fastpath 快速路径，缩短构建时间 70%；助力团队获得总裁嘉奖令。
2026-08-25 全链路验证通过并上线 prod：空节点 export 后另一 daemon 免密 import 全层 CACHED，实现跨 daemon 构建缓存复用。
test / prod deploy job 实测 80s / 110s（SLA ≤300s），单组件单 tag 缓存约 381 MiB；工具链版本由 versions.env 单点锁定。
华为 CloudBuild 时期基于 Bazel / BuildBarn / ccache 做分布式增量构建缓存，优化 CMake / Maven 构建链路；现网延续同一思路做 BuildKit registry 远程缓存跨 daemon 复用。
两条链路共同点：把「哪些产物可以复用」判断清楚，再把缓存做成可跨节点、可回读、可回滚的一等公民。
自研 Go 统一出口数据面承载 4 个代理口与 13 条透明出口路由；出口由 Squid 五入口重设计为三端口，3129/3127 退役。
Nexus 作唯一持久制品源（proxy store 抽样 6,213 blob / 1.55 GB），JuiceFS S3 网关压测单文件 716 MB/s、双文件 1.325 GB/s。
同一入口暴露 OpenAI Chat / Responses / Anthropic 三协议，统一路由 DeepSeek、智谱 GLM、百度千帆，支持 Claude 别名链式映射。
百度渠道单日承载 6,486 请求 / 7.63 亿输入 token；HA 迁移 600 秒探针 513/513 成功零中断，常规蓝绿切换零 502/503/504。
三家上游 × 两协议 × 每组 5 轮对照：百度去首轮加权 24.999%（OpenAI）/ 24.949%（Anthropic），对比 zai 99.996% / 99.797%、DeepSeek 99.675% / 99.824%。
定位根因（动态预算提醒 system 消息 + 尾部缓存断点）并在网关侧修复，修复后旧客户端由 0% 恢复为 0 / 99.72 / 99.35 / 99.97%，真实 Desktop 会话实测命中 99.627%。
29 个看板 / 610 个面板、41 个 scrape job、69 条告警 + 57 条 recording 规则，看板目录由脚本推送、变更零重启。
告警经 Go webhook 机器人推送到飞书群「sre告警」，critical 抑制同维度 warning，每日 02:00 投递统一巡检卡片。
管理 8 台采集节点，每台 10 路并发，上传以 If-None-Match:* 保证幂等，≥64MiB 文件按 64MiB 分片断点续传。
验收覆盖 Go 482 项测试 + race 437 项 + PW E2E 18/18 + API E2E 8/8；8/8 台对象 BOS HEAD 200 且长度与任务 sizeBytes 逐字节相等。
10.30.0.0/16 VPC 内 7 个 /24 子网跨 4 可用区，ci-01 集群 16/16 节点 Ready，BuildKit 缓存 PVC 200Gi Bound/Retain。
以 iac diff 作为 repo↔live 零差异的全局底线，盘点并归组 115 项 unassigned 云资源（BCC 21 / CDS 66 / EIP 6 / AppBLB 23 / BOS 8）。
单仓流水线 409 行 / 17 个 job，deploy 契约在单 Job 内完成 validate→build→publish→deploy→verify→cleanup。
Deploy Runner 收敛为单一 #3（并发 5）并下线 #1，跨环境无状态复用释放 2 台 BCC；GitLab 监控首屏热门请求 458.79K→909.14、P95 1.82s→469.50ms。
自建平台的真实界面与架构图：服务导航、监控看板、采集链路、只读 AI 助手，以及两张按现网实时数据生成的架构 / 部署图。截图均来自线上环境，只读页面。
横跨效率研发基建、超大规模构建集群调优、SRE / IaC、网络与硬件运维、AI 工程化平台。
面向零基础用户的免费中文 AI 自助课程——不会写代码也能上手，每天 30 分钟，从第一次对话到完成真实工作。34 节通用课，覆盖学生、文员、财务与行政场景；目标是让 AI 的门槛低到「我也可以」。
访问 ai.yzbx.tech →
完成校验后展示微信号：加载中...