團隊資訊
已成團
源來適愛開緣
原來不是有緣千里來相會，是有 Source千里來 Pull Request！有人因程式結緣，有人因 Bug 結怨，但只要願意把心「開源」，再難解的衝突也能 Merge。愛不一定要藏在心裡，也可以寫進 README；緣分不一定從月老開始，也可能從一顆 Star、一個 Issue 開始。畢竟人生最大的浪漫，就是你願意 Fork 我的世界，我也願意 Commit 我們的未來。源來適愛，開源即開緣！
預計開賽日期 2026.08.17
團隊成員 (9人)
richhuang7420
團長
AI Engineering
GPU很忙？他真的有在做事嗎？
gpu很忙？我們要如何解析他是不是真的在忙？
學習gpu kernel , mfu , nccl 等知識
運用nsys-ai 來協助你優化你的gpu體驗！
ref: https://github.com/GindaChen/nsys-ai
郁庭 Cady
Software Development
深入 SQL 查詢引擎：30 天用 Rust 與 Apache DataFusion 解構資料處理流程
資料工程不只是 ETL 與搬運資料。一段 SQL 從送出到產生結果，背後還包含資料讀取、查詢規劃、最佳化與運算。
本系列將使用 Rust 與 Apache DataFusion，透過 30 天實作拆解 SQL 查詢的執行流程。內容涵蓋 CSV、JSON、Parquet、Apache Arrow、Logical Plan、Physical Plan、欄位裁剪與條件下推，並實作多表查詢、自訂函數、簡易 ETL、錯誤處理及測試。
最終將完成一套本機資料分析工具，讓使用者載入不同格式的資料、執行 SQL、查看查詢計畫並輸出結果，從實作中理解現代查詢引擎如何運作。
botsz
Software Development
自製核融合反應爐模擬器：基於 LLVM IR 動態生成 PARTICLE-IN-CELL
開發一款高效能的核融合電漿物理模擬器，核心框架採用Particle-in-Cell(PIC）演算法，藉此模擬電漿在複雜電磁場中的微觀動態交互作用。
有別於傳統的靜態編譯，透過在執行期（Runtime）動態生成 LLVM IR，並利用即時編譯（JIT）技術，讓模擬器能根據不同的運算需求與硬體環境，展現編譯器原理（LLVM IR 動態生成）與進階物理演算法（PIC）的跨領域結合。
rosa_lai
Software Development
1+1+1>3 ~ Spark 與 DataFusion、Comet 效能煉金術 ~
關於 Spark 與 DataFusion 、Comet 的 30 天探索之旅，深究為什麼這樣設計。本系列將潛入一條 SQL 查詢的最深處，展開五層架構的縱剖面探險：從最底層的硬體指令（SIMD）與記憶體佈局出發，一路向上拆解儲存格式（Parquet）、DataFusion 查詢引擎、Iceberg 表格式，最後回到 Spark 與 Rust 的跨界整合，徹底看懂現代大數據引擎如何榨乾硬體效能。
chia7712
IT Operation
開源大佬的脆弱心靈日記
其實標題的開源大佬只是騙點閱。
這系列會收錄各種公開與私下的情緒崩潰文，來源包含但不限於：
* 台灣開源基金會董事很不懂事的崩潰文
* 國際開源基金會台灣負責人很不負責的自爆文
* 開源系統 Top 維護者很 down 的哀嚎文
所以這系列的技術和情緒大概 1:9，濃得恰到好處。
aloha_1357
Software Development
GPU 效能優化實戰：30 天從 Kernel 到 Profiling
我這一生如履薄冰，你說我能優化這個 Kernel 嗎？
我這一生如綠豆糕，可不可以讓我遠離棋盤？
我也不知道。
「我這版一定比較快。」——每個開始改 CUDA Kernel 的人，應該都曾經這麼想過。然後打開 Profiler：蛤，怎麼更慢了。
這 30 天想拿一些實際的 Kernel（以及以前寫過的東西）出來鞭屍。大概每三天一個小循環：實作 → Profile 抓戰犯 → 優化 → 看數字，試著從數據裡找出「為什麼慢」以及「憑什麼覺得還能更快」。
Memory、Warp、Occupancy、PTX……能踩的坑應該都會踩一點。
能不能成功走到效能的對岸，我也不知道...
ryankert01
guan404ming
AI Engineering
一行 torch.compile 背後發生了什麼？30 天深度拆解 PyTorch 編譯器
torch.compile 一行就能讓模型加速，但沒人告訴你背後發生了什麼。本系列用 30 天拆解 PyTorch 編譯器的三層架構：Dynamo 怎麼捕獲 Python、AOTAutograd 怎麼生成反向、Inductor 怎麼產出 GPU kernel。這個系列會直接深入原始碼、用簡單易懂的圖來幫助理解，把黑盒子打開給你看。讀完你會知道它什麼時候快、為什麼慢以及怎麼修。
Vic
AI Engineering
模型之外：30 天搞懂 AI Infrastructure
本系列將從系統工程的角度，介紹現代 ML Infrastructure 背後的重要概念，內容涵蓋資料表示與傳輸、分散式執行環境、Execution Engine、資源排程、記憶體管理與 GPU 運算等主題，並延伸至現代模型 Serving。系列透過 Ray、Kubernetes、vLLM 等實際系統作為案例，理解 Data Locality、Backpressure、Task Scheduling、Object Store、Operator Fusion、Parallelism 等核心設計，建立一套能延伸到不同資料與機器學習系統的武功秘笈！