面向入门、深入、精通三个阶段的中文大模型推理学习网站。第一版是可操作的浏览器教学工具：从 Token 与网络结构，到缓存、调度、量化和源码；没有小练习、测验或评分。
建议 Node.js 22.12+；本次验证环境 Node 22.22.0 / npm 10.9.4。
npm install
npm run dev终端显示开发入口，默认 http://127.0.0.1:5173。复现锁定依赖可使用 npm ci。
npm run build
npm run preview -- --port 4173生产预览 http://127.0.0.1:4173。静态托管发布 dist/，需要将未知路由回退到 index.html，才能直接访问 /learn/kv-cache 等深链。GitHub Pages 构建使用 Hash 路由，不需要服务器配置回退。
仓库 Settings → Pages → Source 选择 GitHub Actions。公开仓库可使用免费 Pages；私有仓库需要支持 Pages 的套餐。推送到 main 或手动运行 Deploy website to GitHub Pages 工作流，会先检查脱敏、格式、单元测试与 Pages 路由，再发布 dist/。
部署后的项目地址为 https://stareatyou.github.io/LLM-Inference-For-Everyone/ ，具体页面使用 #/pipeline?depth=beginner 等路径，分享链接与刷新均可直接访问。是否已上线以 Actions 部署结果为准。
npm run test:pages
npm run build:pages
npm run preview -- --port 4173Pages 构建的默认子路径为 /LLM-Inference-For-Everyone/，可通过 PAGES_BASE_PATH 覆盖；工作流使用当前项目子路径；仓库改名或使用自定义域名时，需要同步修改构建路径和 Pages 验证配置。本地默认开发仍使用常规路径。当前网站所有教学动画在浏览器运行；GitHub Pages 不运行 GPU 推理后端。
| 页面 | 内容与操作 |
|---|---|
| 首页 | 三条学习路径、请求流动图、模型、实验与源码入口 |
| 学习地图与专题 | 38 个主题及各自独立原理动图，三种解释深度、依赖提示、术语/源码模块检索、收藏和最近浏览 |
| 推理流程 | 单请求 / 连续批请求的完整计算轨迹；分段关键帧 / 连续时间轴双模式、可调速；旅程 / 逐层 / 逐算子视图，张量、缓存、输出与释放；29 个原理的双模式动图库与输入 / 输出 shape 推导 |
| 模型结构 | Qwen3.8-27B Dense、Qwen3.6-35B-A3B MoE 的完整层矩阵、混合注意力、FFN、专家路由、RoPE / GQA、递归/卷积状态与教学张量形状 |
| 多 GPU 与通信 | TP / DP / EP / PP / CP / SP 六种切分；九种通信原语，独立的分段 / 连续动画、调速、每卡数据、shape 与数值结果 |
| 五个实验 | 全注意力 KV 分项；分页/前缀缓存；连续批处理；INT4 / INT8 量化；贪心投机解码 |
| 框架源码 | vLLM 8 个模块、SGLang 7 个模块；固定版本关系图、职责/输入输出、短代码段、定位链接与原理关联 |
中文为主，保留英文术语。收藏、最近浏览和默认深度仅存本机 localStorage（键 inference-atlas:preferences）；禁用或损坏时仍可在当前会话使用，不向服务器上传。Ctrl/⌘K 打开检索，Esc 关闭手机菜单。支持减弱动效、键盘导航、手机/平板布局。
模型预设来自仓库保存的官方 config.json，来源与哈希见 模型引用。Dense / MoE 指 FFN 类型；两个预设均为混合注意力网络。真实结构参数只读，修改隐藏维度会进入标注的自定义教学模式。
- Qwen3.8-27B：revision
1d4bf0f2ff6012fd82039f2fa52739d0dd7c60c0。 - Qwen3.6-35B-A3B：revision
995ad96eacd98c81ed38be0c5b274b04031597b0。 - vLLM v0.30.0：commit
ced6857afa0ea7b2e3f0846a62e1394e90f15607。 - SGLang v0.5.21：commit
e00930c5489053f26d86b179cee0d087f846acbb。
完整推理工作台使用固定教学 Token ID、确定性权重与 H=4 的小网络，逐层计算归一化、投影、注意力 / 线性状态、FFN / MoE、logits 与采样；数值、缓存和输出来自同一条不可变轨迹。MoE 主轨迹为 3 个路由专家选 2，再加门控共享专家。独立原理动图使用各自标注的小数组 / 工程事件示例；首页等概览仍使用说明性固定值。未运行真实 tokenizer 或 Qwen 权重。新增 shape 面板按当前请求和算子推导输入、投影、中间对象与输出，区分本轮查询 q、历史 KV 长度 t、变长批次 Token 总数 N，以及配置尺寸和 H=4 教学读数。多 GPU 演示使用可核对的小矩阵和整数缓冲区，区分逻辑切分与实现布局；不运行 NCCL。分布式工作台的分享链接保存主题和解释深度，教学 GPU 数、root、微批等参数保留在当前页面，刷新后恢复默认。
源码文件元数据、符号、行号与源文件 SHA-256 见 框架引用。短代码段遵循 Apache-2.0，许可证随引用保存。图中的调用、消息、数据边是说明性的源码导览，源码概览中的中间层折叠已有标注；推理工作台另提供教学网络的完整逐层、逐算子轨迹。
缓存公式只估算 Full Attention KV，不包括线性层循环/卷积状态、模型权重、激活、元数据和其他显存开销。量化图为小数组对称权重量化；有效字节不含尺度与打包对齐。批处理时钟与投机解码成本为显式教学假设，不代表真实 GPU 性能。数字都有来源/单位/边界说明，当前没有实测指标。
npm run typecheck
npm run test:unit
npm run build
npm run test:e2e
npm run format:checkPlaywright 在 macOS 默认使用已安装的 Chrome，其他平台默认 Chromium。没有浏览器时先运行 npx playwright install chromium，再设置 PLAYWRIGHT_CHANNEL=chromium。对已启动的生产预览运行测试：
PREVIEW_URL=http://127.0.0.1:4173 npm run test:e2e
PREVIEW_URL=http://127.0.0.1:4173 node scripts/capture-quality.mjs形状推导与分布式教学更新已通过 155 项单元测试（含真实浏览器的独立并行动图检查）、45 项端到端测试、3 项 Pages 部署测试、类型检查与生产构建。新增六张桌面 / 手机截图和复查记录见 形状与分布式复查。15 个页面/状态在 360、390、768、1440、1920px 共 75 次布局检查中无页面溢出或运行错误。原版复查见 质量复查；工作台的 30 张截图见 工作台复查；双模式新增 15 张连续场景截图见 连续动画复查；持续数据对象、层间回路与 Token 反馈的修正见 动画衔接复查。
架构说明 描述内容、模拟、图形和状态的边界。src/content/ 保存知识/模型/框架；src/simulation/ 是纯计算；src/visualizations/ 负责图形；src/education/ 推导形状；src/distributed/ 提供并行与通信的纯计算和动图；src/pages/ 与 src/experiments/ 组织交互；tests/ 验证行为；docs/references/ 固定来源。
后续按依赖逐步扩展：
- 接入服务端真实 Tokenizer、模型配置和受控推理接口；先明确硬件、模型 revision、运行参数及资源限额。
- 增加 SGLang / vLLM 实际服务适配器，以请求 ID 关联排队、Prefill、Decode、KV 与输出事件。
- 展示 TTFT、TPOT、吞吐、显存、缓存命中等实测观测值，同时保存环境与假设，区分机制模拟、理论估算和实测。
- 在现有独立动图之上深化 FlashAttention、Chunked Prefill、Tensor / Pipeline / Expert Parallel、CUDA Graph 等机制，增加真实执行跟踪与部署场景。
以上是路线，尚未实现 GPU 推理、在线 benchmark、账号或服务端学习同步。现有并行与通信工作台是可计算的教学示例，未接入实际分布式服务或通信性能测量；长期“所有阶段/模块”的目标仍将逐步扩展。
运行 npm run privacy:check 检查受版本管理的工作区文件；发布前还可使用 node scripts/privacy-check.mjs --ref HEAD --base origin/main 检查待发布文件树与新增提交的元数据。扫描只报告文件/行号和类别，不输出命中的敏感值。环境变量、本机凭据、私钥与运行缓存由 .gitignore 排除。本次处理记录见 发布脱敏记录。