这里写自定义目录标题欢迎使用Markdown编辑器一、为什么推理基础设施规划如此困难二、第一步明确你的工作负载类型三、第二步用六个维度量化需求四、第三步GPU 选型与容量计算五、第四步本地与云端的容量组合六、第五步持续优化 TCO 的六个手段六、案例复盘一次完整的容量规划过程七、规划不是一次性的而是一个循环新的改变功能快捷键合理的创建标题有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能丰富你的文章UML图表流程图FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好 这是你第一次使用# LLM 推理基础设施规划GPU 选型、容量设计与成本优化一、为什么推理基础设施规划如此困难当一个 AI 应用从原型走向生产团队迟早要面对一个棘手的问题该买多少 GPU买什么型号部署在哪里这个问题之所以困难是因为它交织着延迟目标、模型选择、流量模式和预算约束等相互矛盾的变量。更麻烦的是几乎没有团队敢拍胸脯说我的容量规划是准的——流量预测本身就充满不确定性而 GPU 采购周期长、成本高昂错了很难回头。许多团队的第一反应是买最贵的卡、买最多的卡结果发现利用率长期徘徊在低位成本失控。另一些团队则走向反面一切用云端按需实例结果流量高峰时延迟飙升、账单爆炸。真相是推理基础设施规划远不止每秒 Token 数这么简单它是一套从业务场景出发、逐层推导的系统工程。本文提供一套可执行的规划框架帮助团队把使用场景映射到合适的 GPU 配置。二、第一步明确你的工作负载类型一切规划的起点是回答一个看似简单却至关重要的问题你在解决什么问题不同使用场景对应截然不同的基础设施配置。业界通常把推理工作负载归为四类对话与 Copilot 场景。用户与 AI 助手交互特点是交互式、对延迟敏感、请求较短。这类负载的核心指标是 TTFT首 Token 延迟用户等待超过一两秒就会流失。Agent 与深度推理场景。智能体执行多步骤任务特点是长上下文、多次工具调用、输入输出序列都很长。这类负载的 KV Cache 需求极大对内存带宽和容量提出双重挑战。内容生成场景。文章、代码、营销文案的批量生成特点是请求量大、对延迟容忍度高、输出长。这类负载适合最大化吞吐的配置延迟优化不是重点。翻译与格式化场景。结构化转换任务特点是输入输出比例固定、对格式要求严格。这类负载相对轻量可以用较小模型 较大的并发配置。工作负载类型决定了后续所有决策的方向延迟敏感的选低延迟优先配置吞吐优先的选大 batch 配置长上下文的选大显存配置。跳过这一步直接选 GPU等于蒙着眼睛开车。三、第二步用六个维度量化需求确定了工作负载类型后用以下六个维度把模糊的需求量化为具体的数字。并发与 QPS。并发数同时处理的请求数比日活用户数更能反映基础设施压力。需要评估DAU 是多少、高峰时段的并发峰值是多少、每个用户每小时的请求频率。公式很简单并发需求 ≈ 峰值 QPS × 单请求平均处理时间。输入/输出序列长度。这是最容易被低估的维度。输入越长预填充阶段的算力消耗越大输出越长解码阶段的 KV Cache 占用越大。Agent 工作流的序列长度往往是普通对话的数倍甚至数十倍规划时必须按最坏情况估算。KV Cache 命中率。如果系统做了前缀缓存或语义缓存部分请求可以跳过重复计算。命中率越高实际需要的 GPU 算力越少。对话和 Agent 场景天然有较高的前缀复用率善用缓存能显著降低容量需求。延迟指标。需要明确的延迟目标TTFT 的 P50/P99 是多少每秒输出多少 Token 可接受不同场景的延迟敏感度差异巨大规划时必须把业务可接受的延迟翻译成需要多少算力。Token 吞吐与成本预算。单卡能提供多少 Token 吞吐、单位 Token 的成本是多少这是把需求翻译成 GPU 数量的桥梁。不同型号显卡的吞吐能力差异可达数倍成本差异更是巨大。模型选择。模型大小直接决定显存需求。7B 模型单卡可跑70B 模型需要多卡并行百B 以上模型进入集群范畴。选型原则是满足质量要求的最小模型——微调一个小模型往往比部署一个大模型更划算。四、第三步GPU 选型与容量计算量化了需求就可以进入 GPU 选型环节。这里提供一套经验性的决策框架先算显存再算算力。模型推理的显存需求 模型权重 KV Cache 运行时开销。以 7B 模型 FP16 为例权重约 14GB加上 KV Cache 和运行开销单卡 24GB 起步。70B 模型 FP16 需要约 140GB 权重通常用 2 到 4 张 80GB 卡张量并行。显存决定了能不能跑算力决定了跑多快。用量化扩大单卡容量。INT8 量化把显存需求减半INT4 减到四分之一。量化的价值不仅是省显存更是在相同显存下容纳更多并发请求直接改善单卡的经济性。代价是精度损失需要在业务数据上验证。吞吐与延迟的平衡。追求吞吐选大 batch 配置和更大的算力卡追求低延迟选小 batch 和更高主频的卡。没有全能卡只有适合特定工作负载的卡。容量计算用峰值 缓冲。用高峰时段的并发需求计算基准容量在此基础上加 20% 到 30% 的缓冲应对流量波动再考虑故障冗余。容量规划宁可略有余量也不要捉襟见肘——推理服务的降级体验是用户无法接受的。五、第四步本地与云端的容量组合GPU 采购决策还涉及一个关键问题自建还是上云成熟的方案几乎都是核心 弹性的组合。核心容量本地化。对于流量稳定、可预测的基线负载用本地部署或长期合约锁定价格单位成本更低。这类负载的特征是日间波动有规律、预测性强、利用率可以保持较高水平。弹性容量云端化。对于流量波动大、不可预测的峰值负载用云端按需实例或 Spot 实例弹性扩容。高峰拉起、低谷释放避免了为一年只用几次的峰值流量支付全年成本。探索期用云。项目早期需求不明确、模型迭代频繁用云端按需实例灵活试错。当需求稳定、模型定型后再把核心负载迁移到成本更优的方案。很多团队的错误是在探索期就大举采购硬件结果模型一换硬件全废。六、第五步持续优化 TCO 的六个手段基础设施上线只是开始持续的成本优化才是长期命题。以下是六个被验证有效的优化手段模型优化先行。量化、剪枝、知识蒸馏是降本的源头手段。知识蒸馏用大模型训练小模型让小模型在特定任务上逼近大模型的效果是降本不降质的典范。缓存最大化。前缀缓存 语义缓存双管齐下。对话场景启用前缀缓存FAQ 类场景启用语义缓存能把实际算力需求降低可观的比例。批处理调优。通过 vLLM 等框架的连续批处理把 GPU 利用率拉满。很多时候不是 GPU 不够而是利用率太低——同样的卡利用率从 40% 提到 80%等于成本减半。负载整形。对非实时任务批量生成、离线分析做错峰调度避开高峰时段的算力竞争让基础设施全天候平稳运行。实例规格审计。定期检查每个实例的利用率把长期低利用率的实例降配或合并把超负荷的实例升级。实例规格与负载的匹配度是 TCO 优化的高频抓手。监控驱动决策。建立 GPU 利用率、TTFT、P99 延迟、Token 成本四类核心指标的监控看板。容量决策、选型决策、优化决策都以数据为依据而不是靠感觉。六、案例复盘一次完整的容量规划过程用一个简化的案例演示整套框架如何运转。假设要上线一个面向企业用户的文档问答助手模型选择 7B 级开源模型FP16 权重约 14GB预期 DAU 一万高峰时段约 5% 的日活用户同时在线使用每个用户高峰期的请求频率约每分钟 1 次单次请求平均处理时间含检索与生成约 5 秒。先算并发峰值并发 ≈ 10000 × 5% × 1 / 60 × 60 秒 ≈ 每小时峰值请求 5000 次换算成同时处理中的请求约为 5000 / 3600 × 5 ≈ 7 个并发。这个数字看起来不大但每个请求的上下文约 2K Token、输出约 1K Token单卡在给定延迟目标下大约能同时处理 4 到 8 个此类请求。于是得到初步结论单卡INT8 量化后即可满足常规负载加上 30% 的流量缓冲初期部署 2 张卡一主一备或负载分担是稳妥选择同时保留云端按需实例作为流量突增时的弹性补充。再用成本视角复核如果乐观预测 DAU 半年后翻三倍并发需求约 21单卡不够需要提前评估多卡张量并行或升级模型量化方案。此时核心本地 弹性云端的组合就体现出价值——本地两卡覆盖基线云端实例承接增量避免了为半年后的规模提前买断硬件。整个决策链路从业务数字出发经过量化计算落到具体配置每一步都有据可查这就是规划方法论的意义。这个案例提醒我们容量规划的精度不取决于公式多复杂而取决于你对业务数字的把握有多准。与其纠结参数的精细度不如把 DAU、请求频率、序列长度这几个关键假设调查清楚——它们对结论的影响远超计算公式本身的差异。七、规划不是一次性的而是一个循环最后要强调的是推理基础设施规划不是一次性的项目而是一个持续的循环。需求在变、模型在变、技术在变——今天的最优解三个月后可能就不再最优。正确的姿态是建立一套可重复的规划方法论让每次调整都有数据支撑保持架构的弹性让容量可以平滑伸缩把成本优化当作常态化工作而不是上线前的突击任务。回顾整套框架从工作负载分类出发用量化维度锁定需求经 GPU 选型与容量计算落到配置通过本地与云端组合控制成本再以持续优化形成闭环——这五个步骤构成了一条从业务到硬件的完整链路。AI 应用的竞争不只是模型能力的竞争也是工程成本的竞争。把推理基础设施规划做扎实就是为你的 AI 业务装上了一个既跑得快、又花得省的引擎。Markdown编辑器所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章了解一下Markdown的基本语法知识。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持除了标准的Markdown编辑器功能我们增加了如下几点新功能帮助你用它写博客全新的界面设计将会带来全新的写作体验在创作中心设置你喜爱的代码高亮样式Markdown将代码片显示选择的高亮样式进行展示增加了图片拖拽功能你可以将本地的图片直接拖拽到编辑区域直接展示全新的KaTeX数学公式语法增加了支持甘特图的mermaid语法1功能增加了多屏幕编辑Markdown文章功能增加了焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置等功能功能按钮位于编辑区域与预览区域中间增加了检查列表功能。功能快捷键撤销Ctrl/CommandZ重做Ctrl/CommandY加粗Ctrl/CommandB斜体Ctrl/CommandI标题Ctrl/CommandShiftH无序列表Ctrl/CommandShiftU有序列表Ctrl/CommandShiftO检查列表Ctrl/CommandShiftC插入代码Ctrl/CommandShiftK插入链接Ctrl/CommandShiftL插入图片Ctrl/CommandShiftG查找Ctrl/CommandF替换Ctrl/CommandG合理的创建标题有助于目录的生成直接输入1次#并按下space后将生成1级标题。输入2次#并按下space后将生成2级标题。以此类推我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。如何改变文本的样式强调文本强调文本加粗文本加粗文本标记文本删除文本引用文本H2O is是液体。210运算结果是 1024.插入链接与图片链接: link.图片:带尺寸的图片:居中的图片:居中并且带尺寸的图片:当然我们为了让用户更加便捷我们增加了图片拖拽功能。如何插入一段漂亮的代码片去博客设置页面选择一款你喜欢的代码片高亮样式下面展示同样高亮的代码片.// An highlighted blockvarfoobar;生成一个适合你的列表项目项目项目项目1项目2项目3计划任务完成任务创建一个表格一个简单的表格是这么创建的项目Value电脑$1600手机$12导管$1设定内容居中、居左、居右使用:---------:居中使用:----------居左使用----------:居右第一列第二列第三列第一列文本居中第二列文本居右第三列文本居左SmartyPantsSmartyPants 是一个文本转换工具主要功能是将普通的 ASCII 标点符号自动转换为更美观的印刷体标点符号。例如原始符号转换后说明引号“引号”直引号变弯引号单引号‘单引号’直单引号变弯单引号--–两个连字符变短破折号---—三个连字符变长破折号...…三个点变省略号创建一个自定义列表MarkdownText-to-HTMLconversion toolAuthorsJohnLuke如何创建一个注脚一个具有注脚的文本。2注释也是必不可少的Markdown将文本转换为HTML。KaTeX数学公式您可以使用渲染LaTeX数学表达式 KaTeX:Gamma公式展示Γ ( n ) ( n − 1 ) ! ∀ n ∈ N \Gamma(n) (n-1)!\quad\forall n\in\mathbb NΓ(n)(n−1)!∀n∈N是通过欧拉积分Γ ( z ) ∫ 0 ∞ t z − 1 e − t d t . \Gamma(z) \int_0^\infty t^{z-1}e^{-t}dt\,.Γ(z)∫0∞tz−1e−tdt.你可以找到更多关于的信息LaTeX数学表达式here.新的甘特图功能丰富你的文章2014-01-072014-01-092014-01-112014-01-132014-01-152014-01-172014-01-192014-01-21已完成进行中计划一计划二现有任务Adding GANTT diagram functionality to mermaid关于甘特图语法参考 这儿,UML图表可以使用UML图表进行渲染例如下面产生的一个序列图王五李四张三王五李四张三李四想了很长时间, 文字太长了不适合放在一行.你好李四, 最近怎么样?你最近怎么样王五我很好谢谢!我很好谢谢!打量着王五...很好... 王五, 你怎么样?关于UML图表语法参考 这儿,流程图链接长方形圆圆角长方形菱形关于Mermaid语法参考 这儿,FLowchart流程图我们依旧会支持flowchart.js的流程图语法Created with Raphaël 2.3.0开始我的操作确认结束yesno关于Flowchart流程图语法参考 这儿.导出与导入导出如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到文章导出生成一个.md文件或者.html文件进行本地保存。导入如果你想加载一篇你写过的.md文件在上方工具栏可以选择导入功能进行对应扩展名的文件导入继续你的创作。mermaid语法说明 ↩︎注脚的解释 ↩︎ LLM 推理基础设施规划：GPU 选型、容量设计与成本优化
这里写自定义目录标题欢迎使用Markdown编辑器一、为什么推理基础设施规划如此困难二、第一步明确你的工作负载类型三、第二步用六个维度量化需求四、第三步GPU 选型与容量计算五、第四步本地与云端的容量组合六、第五步持续优化 TCO 的六个手段六、案例复盘一次完整的容量规划过程七、规划不是一次性的而是一个循环新的改变功能快捷键合理的创建标题有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能丰富你的文章UML图表流程图FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好 这是你第一次使用# LLM 推理基础设施规划GPU 选型、容量设计与成本优化一、为什么推理基础设施规划如此困难当一个 AI 应用从原型走向生产团队迟早要面对一个棘手的问题该买多少 GPU买什么型号部署在哪里这个问题之所以困难是因为它交织着延迟目标、模型选择、流量模式和预算约束等相互矛盾的变量。更麻烦的是几乎没有团队敢拍胸脯说我的容量规划是准的——流量预测本身就充满不确定性而 GPU 采购周期长、成本高昂错了很难回头。许多团队的第一反应是买最贵的卡、买最多的卡结果发现利用率长期徘徊在低位成本失控。另一些团队则走向反面一切用云端按需实例结果流量高峰时延迟飙升、账单爆炸。真相是推理基础设施规划远不止每秒 Token 数这么简单它是一套从业务场景出发、逐层推导的系统工程。本文提供一套可执行的规划框架帮助团队把使用场景映射到合适的 GPU 配置。二、第一步明确你的工作负载类型一切规划的起点是回答一个看似简单却至关重要的问题你在解决什么问题不同使用场景对应截然不同的基础设施配置。业界通常把推理工作负载归为四类对话与 Copilot 场景。用户与 AI 助手交互特点是交互式、对延迟敏感、请求较短。这类负载的核心指标是 TTFT首 Token 延迟用户等待超过一两秒就会流失。Agent 与深度推理场景。智能体执行多步骤任务特点是长上下文、多次工具调用、输入输出序列都很长。这类负载的 KV Cache 需求极大对内存带宽和容量提出双重挑战。内容生成场景。文章、代码、营销文案的批量生成特点是请求量大、对延迟容忍度高、输出长。这类负载适合最大化吞吐的配置延迟优化不是重点。翻译与格式化场景。结构化转换任务特点是输入输出比例固定、对格式要求严格。这类负载相对轻量可以用较小模型 较大的并发配置。工作负载类型决定了后续所有决策的方向延迟敏感的选低延迟优先配置吞吐优先的选大 batch 配置长上下文的选大显存配置。跳过这一步直接选 GPU等于蒙着眼睛开车。三、第二步用六个维度量化需求确定了工作负载类型后用以下六个维度把模糊的需求量化为具体的数字。并发与 QPS。并发数同时处理的请求数比日活用户数更能反映基础设施压力。需要评估DAU 是多少、高峰时段的并发峰值是多少、每个用户每小时的请求频率。公式很简单并发需求 ≈ 峰值 QPS × 单请求平均处理时间。输入/输出序列长度。这是最容易被低估的维度。输入越长预填充阶段的算力消耗越大输出越长解码阶段的 KV Cache 占用越大。Agent 工作流的序列长度往往是普通对话的数倍甚至数十倍规划时必须按最坏情况估算。KV Cache 命中率。如果系统做了前缀缓存或语义缓存部分请求可以跳过重复计算。命中率越高实际需要的 GPU 算力越少。对话和 Agent 场景天然有较高的前缀复用率善用缓存能显著降低容量需求。延迟指标。需要明确的延迟目标TTFT 的 P50/P99 是多少每秒输出多少 Token 可接受不同场景的延迟敏感度差异巨大规划时必须把业务可接受的延迟翻译成需要多少算力。Token 吞吐与成本预算。单卡能提供多少 Token 吞吐、单位 Token 的成本是多少这是把需求翻译成 GPU 数量的桥梁。不同型号显卡的吞吐能力差异可达数倍成本差异更是巨大。模型选择。模型大小直接决定显存需求。7B 模型单卡可跑70B 模型需要多卡并行百B 以上模型进入集群范畴。选型原则是满足质量要求的最小模型——微调一个小模型往往比部署一个大模型更划算。四、第三步GPU 选型与容量计算量化了需求就可以进入 GPU 选型环节。这里提供一套经验性的决策框架先算显存再算算力。模型推理的显存需求 模型权重 KV Cache 运行时开销。以 7B 模型 FP16 为例权重约 14GB加上 KV Cache 和运行开销单卡 24GB 起步。70B 模型 FP16 需要约 140GB 权重通常用 2 到 4 张 80GB 卡张量并行。显存决定了能不能跑算力决定了跑多快。用量化扩大单卡容量。INT8 量化把显存需求减半INT4 减到四分之一。量化的价值不仅是省显存更是在相同显存下容纳更多并发请求直接改善单卡的经济性。代价是精度损失需要在业务数据上验证。吞吐与延迟的平衡。追求吞吐选大 batch 配置和更大的算力卡追求低延迟选小 batch 和更高主频的卡。没有全能卡只有适合特定工作负载的卡。容量计算用峰值 缓冲。用高峰时段的并发需求计算基准容量在此基础上加 20% 到 30% 的缓冲应对流量波动再考虑故障冗余。容量规划宁可略有余量也不要捉襟见肘——推理服务的降级体验是用户无法接受的。五、第四步本地与云端的容量组合GPU 采购决策还涉及一个关键问题自建还是上云成熟的方案几乎都是核心 弹性的组合。核心容量本地化。对于流量稳定、可预测的基线负载用本地部署或长期合约锁定价格单位成本更低。这类负载的特征是日间波动有规律、预测性强、利用率可以保持较高水平。弹性容量云端化。对于流量波动大、不可预测的峰值负载用云端按需实例或 Spot 实例弹性扩容。高峰拉起、低谷释放避免了为一年只用几次的峰值流量支付全年成本。探索期用云。项目早期需求不明确、模型迭代频繁用云端按需实例灵活试错。当需求稳定、模型定型后再把核心负载迁移到成本更优的方案。很多团队的错误是在探索期就大举采购硬件结果模型一换硬件全废。六、第五步持续优化 TCO 的六个手段基础设施上线只是开始持续的成本优化才是长期命题。以下是六个被验证有效的优化手段模型优化先行。量化、剪枝、知识蒸馏是降本的源头手段。知识蒸馏用大模型训练小模型让小模型在特定任务上逼近大模型的效果是降本不降质的典范。缓存最大化。前缀缓存 语义缓存双管齐下。对话场景启用前缀缓存FAQ 类场景启用语义缓存能把实际算力需求降低可观的比例。批处理调优。通过 vLLM 等框架的连续批处理把 GPU 利用率拉满。很多时候不是 GPU 不够而是利用率太低——同样的卡利用率从 40% 提到 80%等于成本减半。负载整形。对非实时任务批量生成、离线分析做错峰调度避开高峰时段的算力竞争让基础设施全天候平稳运行。实例规格审计。定期检查每个实例的利用率把长期低利用率的实例降配或合并把超负荷的实例升级。实例规格与负载的匹配度是 TCO 优化的高频抓手。监控驱动决策。建立 GPU 利用率、TTFT、P99 延迟、Token 成本四类核心指标的监控看板。容量决策、选型决策、优化决策都以数据为依据而不是靠感觉。六、案例复盘一次完整的容量规划过程用一个简化的案例演示整套框架如何运转。假设要上线一个面向企业用户的文档问答助手模型选择 7B 级开源模型FP16 权重约 14GB预期 DAU 一万高峰时段约 5% 的日活用户同时在线使用每个用户高峰期的请求频率约每分钟 1 次单次请求平均处理时间含检索与生成约 5 秒。先算并发峰值并发 ≈ 10000 × 5% × 1 / 60 × 60 秒 ≈ 每小时峰值请求 5000 次换算成同时处理中的请求约为 5000 / 3600 × 5 ≈ 7 个并发。这个数字看起来不大但每个请求的上下文约 2K Token、输出约 1K Token单卡在给定延迟目标下大约能同时处理 4 到 8 个此类请求。于是得到初步结论单卡INT8 量化后即可满足常规负载加上 30% 的流量缓冲初期部署 2 张卡一主一备或负载分担是稳妥选择同时保留云端按需实例作为流量突增时的弹性补充。再用成本视角复核如果乐观预测 DAU 半年后翻三倍并发需求约 21单卡不够需要提前评估多卡张量并行或升级模型量化方案。此时核心本地 弹性云端的组合就体现出价值——本地两卡覆盖基线云端实例承接增量避免了为半年后的规模提前买断硬件。整个决策链路从业务数字出发经过量化计算落到具体配置每一步都有据可查这就是规划方法论的意义。这个案例提醒我们容量规划的精度不取决于公式多复杂而取决于你对业务数字的把握有多准。与其纠结参数的精细度不如把 DAU、请求频率、序列长度这几个关键假设调查清楚——它们对结论的影响远超计算公式本身的差异。七、规划不是一次性的而是一个循环最后要强调的是推理基础设施规划不是一次性的项目而是一个持续的循环。需求在变、模型在变、技术在变——今天的最优解三个月后可能就不再最优。正确的姿态是建立一套可重复的规划方法论让每次调整都有数据支撑保持架构的弹性让容量可以平滑伸缩把成本优化当作常态化工作而不是上线前的突击任务。回顾整套框架从工作负载分类出发用量化维度锁定需求经 GPU 选型与容量计算落到配置通过本地与云端组合控制成本再以持续优化形成闭环——这五个步骤构成了一条从业务到硬件的完整链路。AI 应用的竞争不只是模型能力的竞争也是工程成本的竞争。把推理基础设施规划做扎实就是为你的 AI 业务装上了一个既跑得快、又花得省的引擎。Markdown编辑器所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章了解一下Markdown的基本语法知识。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持除了标准的Markdown编辑器功能我们增加了如下几点新功能帮助你用它写博客全新的界面设计将会带来全新的写作体验在创作中心设置你喜爱的代码高亮样式Markdown将代码片显示选择的高亮样式进行展示增加了图片拖拽功能你可以将本地的图片直接拖拽到编辑区域直接展示全新的KaTeX数学公式语法增加了支持甘特图的mermaid语法1功能增加了多屏幕编辑Markdown文章功能增加了焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置等功能功能按钮位于编辑区域与预览区域中间增加了检查列表功能。功能快捷键撤销Ctrl/CommandZ重做Ctrl/CommandY加粗Ctrl/CommandB斜体Ctrl/CommandI标题Ctrl/CommandShiftH无序列表Ctrl/CommandShiftU有序列表Ctrl/CommandShiftO检查列表Ctrl/CommandShiftC插入代码Ctrl/CommandShiftK插入链接Ctrl/CommandShiftL插入图片Ctrl/CommandShiftG查找Ctrl/CommandF替换Ctrl/CommandG合理的创建标题有助于目录的生成直接输入1次#并按下space后将生成1级标题。输入2次#并按下space后将生成2级标题。以此类推我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。如何改变文本的样式强调文本强调文本加粗文本加粗文本标记文本删除文本引用文本H2O is是液体。210运算结果是 1024.插入链接与图片链接: link.图片:带尺寸的图片:居中的图片:居中并且带尺寸的图片:当然我们为了让用户更加便捷我们增加了图片拖拽功能。如何插入一段漂亮的代码片去博客设置页面选择一款你喜欢的代码片高亮样式下面展示同样高亮的代码片.// An highlighted blockvarfoobar;生成一个适合你的列表项目项目项目项目1项目2项目3计划任务完成任务创建一个表格一个简单的表格是这么创建的项目Value电脑$1600手机$12导管$1设定内容居中、居左、居右使用:---------:居中使用:----------居左使用----------:居右第一列第二列第三列第一列文本居中第二列文本居右第三列文本居左SmartyPantsSmartyPants 是一个文本转换工具主要功能是将普通的 ASCII 标点符号自动转换为更美观的印刷体标点符号。例如原始符号转换后说明引号“引号”直引号变弯引号单引号‘单引号’直单引号变弯单引号--–两个连字符变短破折号---—三个连字符变长破折号...…三个点变省略号创建一个自定义列表MarkdownText-to-HTMLconversion toolAuthorsJohnLuke如何创建一个注脚一个具有注脚的文本。2注释也是必不可少的Markdown将文本转换为HTML。KaTeX数学公式您可以使用渲染LaTeX数学表达式 KaTeX:Gamma公式展示Γ ( n ) ( n − 1 ) ! ∀ n ∈ N \Gamma(n) (n-1)!\quad\forall n\in\mathbb NΓ(n)(n−1)!∀n∈N是通过欧拉积分Γ ( z ) ∫ 0 ∞ t z − 1 e − t d t . \Gamma(z) \int_0^\infty t^{z-1}e^{-t}dt\,.Γ(z)∫0∞tz−1e−tdt.你可以找到更多关于的信息LaTeX数学表达式here.新的甘特图功能丰富你的文章2014-01-072014-01-092014-01-112014-01-132014-01-152014-01-172014-01-192014-01-21已完成进行中计划一计划二现有任务Adding GANTT diagram functionality to mermaid关于甘特图语法参考 这儿,UML图表可以使用UML图表进行渲染例如下面产生的一个序列图王五李四张三王五李四张三李四想了很长时间, 文字太长了不适合放在一行.你好李四, 最近怎么样?你最近怎么样王五我很好谢谢!我很好谢谢!打量着王五...很好... 王五, 你怎么样?关于UML图表语法参考 这儿,流程图链接长方形圆圆角长方形菱形关于Mermaid语法参考 这儿,FLowchart流程图我们依旧会支持flowchart.js的流程图语法Created with Raphaël 2.3.0开始我的操作确认结束yesno关于Flowchart流程图语法参考 这儿.导出与导入导出如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到文章导出生成一个.md文件或者.html文件进行本地保存。导入如果你想加载一篇你写过的.md文件在上方工具栏可以选择导入功能进行对应扩展名的文件导入继续你的创作。mermaid语法说明 ↩︎注脚的解释 ↩︎