这条系列专门放源码阅读和工程落地文章。目标不是逐文件翻译源码，而是把推理引擎里的关键机制定位到真实代码路径，并用 benchmark 或小实验验证它们的行为。
阅读顺序
先按“请求路径 -> 调度决策 -> GPU 执行”的顺序读三篇核心文章：
- 请求生命周期：OpenAI API 到一次 forward
- vLLM Scheduler：请求队列如何变成 SchedulerOutput
- vLLM ModelRunner：SchedulerOutput 如何变成 GPU Forward
- 推理采样：temperature、top-p、top-k
- vLLM 架构导览：从通用推理引擎到 vLLM-Omni（草稿）
- vLLM Block Manager：从逻辑 block 到物理 KV block
- SGLang Radix Cache：为什么前缀复用要用树
- Prefix cache 命中一次到底省了什么
- Chunked prefill 的参数、调度分支和 benchmark
- Structured output / FSM decoding 为什么是 SGLang 的强项
每篇文章的固定格式
每篇源码阅读都应该回答四个问题：
- 这个机制解决什么生产问题？
- 代码入口在哪里？
- 关键数据结构如何变化？
- 用什么指标证明它确实影响 TTFT、TPOT、throughput 或显存？
这样读源码才会服务于岗位要求里的 profiling、瓶颈分析和工程落地，而不是停在“看过某个类”的层面。