从零写一个 mini-sglang：这门免费课程把推理引擎拆开讲完了

zero-to-sglang 的书面课程已经完结。项目由 Datawhale 和 RadixArk 联合发起，后者由 SGLang 团队创立。课程免费，中英文全章节完成，写作从 2026 年 8 月 24 日开始，到 11 月 10 日结束。配套视频还在制作，预计 2026 年 11 月底完成，发布在 YouTube 和 Bilibili，链接会补到课程大纲。

课程仓库：https://github.com/datawhalechina/zero-to-sglang

SGLang 主仓：https://github.com/sgl-project/sglang

推理引擎教程一直有个尴尬：讲概念的停在概念，不碰代码；直接读源码的，又把初学者丢进 SGLang 仓库里找入口。zero-to-sglang 想填这个缝。它的路径分四段。

Part 0 先部署一个 SGLang Server，用 Qwen3-0.6B 在自己 GPU 上跑起来。Part I 只讲概念，不需要 GPU，覆盖 LLM、推理、GPU、KV Cache、Benchmark。Part II 开始手写 mini-sglang，从 forward pass、generation、KV Cache、HTTP 服务，一路加到 Continuous Batching、Paged KV Cache、RadixAttention、多进程与张量并行、投机解码。Part III 回到真实 SGLang，讲 Attention 后端、量化与低精度推理、分层缓存、DP Attention/EP/PP、Prefill-Decode 分离。Part IV 更偏贡献：用 Cookbook 部署，做 profiling 和 trace 分析，走一遍 SGLang PR 流程。

课程 FAQ 说明了硬件门槛：Part I 不需要 GPU；Part II 多数代码可以在 CPU 调试，完整实现和性能测试最好上 GPU，云 GPU 也行。CUDA 不用先学，Part III 碰到 attention 后端时再补。

有网友在回复里问，有没有适合初学者的 issue 列表可以和课程搭配。Yichi Zhang 的回复是，在 GitHub 搜 good first issue 标签。另一位网友说这周已经开始 mini 项目，进展不错。这类反馈比收藏等于学会实在。

mini-sglang 参考实现：https://github.com/sgl-project/mini-sglang

如果只想要一条最短路径：先读 Part I 建立图景，跟着 Part II 写出 mini-sglang，再用 Part III 对照真实源码，最后用 Part IV 做第一次 PR。课程已经放在那里，剩下的是动手。