Low-level QUIC + HTTP/3
Cloudflare quiche 提供较低层的 QUIC / HTTP3 API，应用侧负责 I/O、socket 与 timer / event-loop 组织，适合作为 Rust QUIC 状态机与应用集成边界的参考。
SYSTEMS ENGINEERING
P06 · QUIC / NETWORK DATA PLANE
TurbineQ
一项长期的 QUIC / 网络数据面工程实践，通过架构重构、可重复 benchmark、回归分析与可观测性持续逼近生产级正确性与性能边界。
RustQUICHTTP/3Performance EngineeringBenchmark-driven DevelopmentObservability
工程闭环
AI 加速迭代，证据完成闭环。
重点不是“AI 写了多少代码”，而是复杂生产任务如何在人与 AI 协作下保持可验证、可回退、可收敛。
01 · Hypothesis从性能症状、Call Flow 与状态机提出可证伪假设。
02 · Change进行局部优化、hard cut 或架构边界调整。
03 · Benchmark测量吞吐、并发、tail latency、CPU、RSS 与稳定性。
04 · Regression对照 baseline，区分性能收益与 correctness regression。
05 · DecisionKEEP / DROP / REWORK，并把结论沉淀为下一轮约束。
参考实现
比较工程模型，而不是营销数字。
Cloudflare quiche 与 Microsoft MsQuic 是工程参考坐标。比较聚焦 API 层级、I/O ownership、event-loop / async model、performance tooling 与生产设计，而不是把不同环境 benchmark 拼成排行榜。
Production transport library
MsQuic 是跨平台 QUIC 实现，强调异步 I/O、吞吐 / 延迟、RSS、UDP coalescing 与系统级性能诊断，是生产 Transport Engineering 的另一种成熟参考。
Engineering journey as evidence
专题关注从真实 regression、性能瓶颈与状态边界中持续重构，并把 AI 辅助开发纳入严格 benchmark 与 architecture review 约束。
核心证明
生产级问题解决能力。
Architecture
从 Call Flow、Ownership、State Authority 与 Wake / Readiness 语义定位问题，而不是优先调整常量。
Performance
使用可重复 benchmark 对吞吐、并发、tail latency、CPU 与内存进行证据化判断。
AI collaboration
AI 用于扩展假设空间、加速代码审阅与分析；最终决策仍由测试、benchmark 与 invariants 约束。
Engineering discipline
允许证伪、回退与 hard cut。失败版本保留为工程证据，不把“代码改了”误当成“性能优化完成”。