Welcome to my personal blog. Sharing notes on systems and technology.
逆向嫁接与纵深演进：如何将 700 行 Python 的 nano-openshell 迭代至与 NVIDIA OpenShell 架构完全对齐（v1.0.0 全量 149 项红蓝断言实录）
在第一篇《大道至简》中，我们将数万行的 NVIDIA OpenShell 脱水为 700 行纯 Python 的最小骨架。而这一次，我们用一套严密的“源码逆向嫁接协议”，在不引入任何第三方 Rust Crate 依赖、零破坏历史基线的前提下，历经 Stage 5 至 Stage 9 五轮迭代，将内核级纵深防御、HTTPS MITM、非对称密码学边界与控制面动态热重载悉数补齐，达成 149/149 项红蓝对抗断言全绿的 v1.0.0 里程碑。
合璧之路：用 1200 行手搓 Agentic RL 双卡训推分离闭环（nano-miles + nano-openshell）
当强化学习从简单的文本输出走向真实的操作系统交互（Shell / 工具调用）时，系统复杂度成倍剧增：多轮对话中的 Token Mask 漂移、环境执行的安全隔离、跨进程乃至跨卡通信的硬件瓶颈，让许多开发者望而却步。本文带你用 1200 行纯 Python 代码，将 nano-miles 与 nano-openshell 彻底打通，在双卡 GPU 上实现训推物理分离、零磁盘显存热同步与真实的 Shell 任务收敛。
大道至简：用 720 行纯 Python 手搓 miles 最小闭环（SGLang + GRPO + 50ms CUDA IPC 热更新）
当 DeepSeek-R1 掀起后训练（Post-Training）强化学习浪潮时，Ray + vLLM/SGLang + FSDP 的传统分布式框架动辄数万行代码，阻碍了研究者探究其底层数学与通信本质。本文带你从单张 GPU 物理机出发，用 720 行高内聚代码，手搓一个真刀真枪跑通 GSM8K 算术推理收敛的最小闭环框架（nano-miles）。
大道至简：用 700 行纯 Python 从零手搓 NVIDIA OpenShell 零信任 Agent 沙箱
当自治 AI Agent 具备执行任意 Bash 命令与读写本地文件的能力时，传统的容器边界已不再安全。本文通过架构裁剪方法论，将数万行代码的 NVIDIA OpenShell 浓缩为 5 个核心文件，带你从 Linux 内核命名空间到底层形式化验证，手搓一个通过 19 项红蓝对抗回归测试的最小完备实现（nano-openshell）。