
  <rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
    <channel>
      <title>HANS</title>
      <link>https://www.hansking.cn/blog</link>
      <description>A posts created with Next.js and Tailwind.css</description>
      <language>en-us</language>
      <managingEditor>admin@hansking.cn (HANS)</managingEditor>
      <webMaster>admin@hansking.cn (HANS)</webMaster>
      <lastBuildDate>Sun, 31 Mar 2024 10:00:00 GMT</lastBuildDate>
      <atom:link href="https://www.hansking.cn/tags/KV Cache/feed.xml" rel="self" type="application/rss+xml"/>
      
  <item>
    <guid>https://www.hansking.cn/blog/2026/ContextWindow-de-nei-cun-mo-xing-yu-cheng-ben-ji-suan</guid>
    <title>Context Window 的内存模型与成本计算</title>
    <link>https://www.hansking.cn/blog/2026/ContextWindow-de-nei-cun-mo-xing-yu-cheng-ben-ji-suan</link>
    <description>[{&quot;value&quot;:&quot;Context Window 的内存模型与成本计算&quot;,&quot;url&quot;:&quot;#context-window-的内存模型与成本计算&quot;,&quot;depth&quot;:1},{&quot;value&quot;:&quot;一、Context Window 包含哪些东西&quot;,&quot;url&quot;:&quot;#一context-window-包含哪些东西&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;二、Token 不是字符，语言和内容会改变比例&quot;,&quot;url&quot;:&quot;#二token-不是字符语言和内容会改变比例&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;三、为什么上下文会占显存&quot;,&quot;url&quot;:&quot;#三为什么上下文会占显存&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;四、并发让内存问题变成乘法&quot;,&quot;url&quot;:&quot;#四并发让内存问题变成乘法&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;五、长上下文不等于模型有效利用全文&quot;,&quot;url&quot;:&quot;#五长上下文不等于模型有效利用全文&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;六、什么时候应该用检索而不是全文输入&quot;,&quot;url&quot;:&quot;#六什么时候应该用检索而不是全文输入&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;七、对话历史应该如何增长&quot;,&quot;url&quot;:&quot;#七对话历史应该如何增长&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;八、成本计算要包含输入和输出&quot;,&quot;url&quot;:&quot;#八成本计算要包含输入和输出&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;九、服务端要做上下文预算器&quot;,&quot;url&quot;:&quot;#九服务端要做上下文预算器&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;十、长上下文压测应该怎么做&quot;,&quot;url&quot;:&quot;#十长上下文压测应该怎么做&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;十一、上下文窗口会影响系统架构&quot;,&quot;url&quot;:&quot;#十一上下文窗口会影响系统架构&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;十二、我的总结：窗口是预算，不是宣传数字&quot;,&quot;url&quot;:&quot;#十二我的总结窗口是预算不是宣传数字&quot;,&quot;depth&quot;:2}]</description>
    <pubDate>Sun, 31 Mar 2024 10:00:00 GMT</pubDate>
    <author>admin@hansking.cn (HANS)</author>
    <category>AI</category><category>LLM</category><category>Context Window</category><category>KV Cache</category><category>成本优化</category>
  </item>

  <item>
    <guid>https://www.hansking.cn/blog/2026/KVCacheLLM-tui-li-wei-shen-me-hui-bei-xian-cun-ka-zhu</guid>
    <title>KV Cache：LLM 推理为什么会被显存卡住</title>
    <link>https://www.hansking.cn/blog/2026/KVCacheLLM-tui-li-wei-shen-me-hui-bei-xian-cun-ka-zhu</link>
    <description>[{&quot;value&quot;:&quot;KV Cache：LLM 推理为什么会被显存卡住&quot;,&quot;url&quot;:&quot;#kv-cachellm-推理为什么会被显存卡住&quot;,&quot;depth&quot;:1},{&quot;value&quot;:&quot;一、先理解自回归生成&quot;,&quot;url&quot;:&quot;#一先理解自回归生成&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;二、KV Cache 为什么会占很多显存&quot;,&quot;url&quot;:&quot;#二kv-cache-为什么会占很多显存&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;三、Prefill 和 Decode 对 Cache 的使用不同&quot;,&quot;url&quot;:&quot;#三prefill-和-decode-对-cache-的使用不同&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;四、为什么连续批处理需要更聪明的 Cache&quot;,&quot;url&quot;:&quot;#四为什么连续批处理需要更聪明的-cache&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;五、前缀缓存可以复用，但必须确认边界&quot;,&quot;url&quot;:&quot;#五前缀缓存可以复用但必须确认边界&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;六、Cache 量化和压缩要用质量换算&quot;,&quot;url&quot;:&quot;#六cache-量化和压缩要用质量换算&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;七、Cache 管理要考虑取消、抢占和恢复&quot;,&quot;url&quot;:&quot;#七cache-管理要考虑取消抢占和恢复&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;八、上下文窗口不是无限记忆&quot;,&quot;url&quot;:&quot;#八上下文窗口不是无限记忆&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;九、如何压测 KV Cache&quot;,&quot;url&quot;:&quot;#九如何压测-kv-cache&quot;,&quot;depth&quot;:2},{&quot;value&quot;:&quot;总结：缓存是速度和空间的交换&quot;,&quot;url&quot;:&quot;#总结缓存是速度和空间的交换&quot;,&quot;depth&quot;:2}]</description>
    <pubDate>Sun, 28 Sep 2025 10:00:00 GMT</pubDate>
    <author>admin@hansking.cn (HANS)</author>
    <category>AI</category><category>LLM</category><category>KV Cache</category><category>GPU</category><category>推理优化</category>
  </item>

    </channel>
  </rss>
