知识库/
├── 模型卡片/              # 每个模型的部署信息和性能数据
│   ├── Llama-3-8B.md
│   ├── Llama-3-70B.md
│   ├── Qwen-2-7B.md
│   └── ...
├── 性能基线/              # 各 GPU 型号上的性能基准
│   ├── A100-80G.md
│   ├── H100.md
│   └── L40S.md
├── 最佳实践/              # 部署 checklist、优化手册、SOP
│   ├── 模型部署 SOP.md
│   ├── 量化操作手册.md
│   └── 线上排查指南.md
├── 踩坑记录/              # OOM 排查、高延迟案例
│   ├── OOM 案例集合.md
│   ├── 延迟升高排查案例.md
│   └── GPU 掉卡案例.md
├── 技术评估报告/          # 新技术评估
│   ├── vLLM vs TGI 对比.md
│   ├── FP8 量化评估.md
│   └── Speculative Decoding 评估.md
├── 培训资料/              # onboarding 文档、技术分享
│   ├── 新人 onboarding 指南.md
│   └── 技术分享合集/
└── 前沿跟踪/              # 论文笔记、技术周报
    ├── arXiv 论文笔记/
    └── 技术周报/

# [模型名称] 模型卡片

## 基本信息
- 参数量：XX B
- 架构：Dense / MoE
- 上下文长度：XXK
- 许可证：XX

## GPU 配置
- 部署方式：单卡 / TP2 / TP4
- 量化方式：FP16 / INT8 / INT4
- 显存占用：XX GB

## 性能基线
| 指标 | 值 | 测试条件 |
|------|-----|----------|
| P50 延迟 | XX ms | input=128, output=256 |
| P99 延迟 | XX ms | input=128, output=256 |
| 吞吐 | XX tok/s | batch_size=32 |
| GPU 利用率 | XX% | |

## 已知问题
- [问题 1] + 解决方案
- [问题 2] + 解决方案

## 优化建议
- 建议 1
- 建议 2

## 部署记录
| 日期 | 版本 | 变更 | 操作人 |
|------|------|------|--------|

# [GPU 型号] 性能基线

## 硬件信息
- GPU 型号：XX
- 显存：XX GB
- CUDA 版本：XX

## 基准测试结果
| 模型 | 量化 | 延迟(P50) | 延迟(P99) | 吞吐 | GPU 利用率 |
|------|------|-----------|-----------|------|------------|

## 注意事项
- [GPU 特有的坑或优化点]

## 测试环境
- 推理引擎版本
- CUDA 驱动版本
- 测试数据集

# [问题描述] 踩坑记录

## 现象
- 发生时间：
- 影响范围：
- 症状描述：

## 排查过程
1. 第一步：[做了什么，发现了什么]
2. 第二步：[做了什么，发现了什么]
3. ...

## 根因
- 最终定位的根因：

## 解决方案
- 紧急修复方案：
- 长期修复方案：

## 预防措施
- 以后怎么避免：

## 关联知识
- 相关文档链接

---
title: 文档标题
author: 作者
date: 创建日期
updated: 最后更新日期
tags: [标签1, 标签2]
---

# 标题

> 一句话概括核心内容

## 背景
...

## 方案
...

## 数据
...

## 结论
...

## 参考
...

作者撰写 → 同行 Review → 发布 → 定期审计

技术分享 → 产出文档 → 进入知识库 → 持续更新 → 团队复用

交接清单 → 知识文档化 → 1v1 知识传递 → 验收确认

"我建了一个完整的知识库体系，核心是几个关键文档模板：
模型卡片记录每个模型的部署信息和性能基线，
踩坑记录让团队不重复踩同样的坑，
技术评估报告确保决策有数据支撑。
同时我规定每次技术分享必须产出文档，否则分享的价值会流失。
人员离职时有正式的知识交接流程，确保经验不会跟着人走。
效果是，新人上手时间从 2 个月缩短到 2 周，
同样的坑不再重复踩。"