工具、产品、作品集与资料库。做过的都在下面；没做过的，可以聊聊。
从 G-Buffer 讲到 GPU-Driven，一条管线走完。按「这一章要解决什么 → 怎么解 → 代价是什么」的顺序写，每篇末尾留三件收尾：要点、问题、下一步。
从物理约束出发，一路算到测量本身：移动端为什么必须在约束里做取舍，这些取舍在一线工程里长什么样，以及怎么证明一次优化真的生效。七篇已完结。
把「一次 Draw 走了多少路」拆成硅片上的实账：命令怎么提交、前端怎么消化、显存与着色器如何接力 —— 十二篇，从命令前端一路走到像素背后。
给定硬件能力与引擎约束，混合渲染管线该怎么组织、代价落在哪里、哪些常见做法其实不划算。从「什么时候该从光栅切到光线」这条分界线出发，一路算到加速结构、降噪、采样与跨平台差异。
把渲染管线里的某一环，它的先验从「人手写的启发式」换成「训练出来的网络」——代价到底转移到了哪里。先从四类替换的落点与三道判据立起分界线，再经过最成熟的落地（降噪、纹理、外观），进到着色器内部的推理，最后落到资产、时间轴与总账。
会渲染，不等于会验证。以 RenderDoc 量 API 层的一帧、Perfetto 量系统层的整条路径，交叉出一张「画错 / 画慢 / 卡 / 迟延」各归其位的决策地图；再以「自跑 → 真图 → 归因 → 结论」这条可复现证据链，把图形性能验证做成方法论底座。全系列 13 篇都在这张图上走。
从「矢量怎么变成像素」出发，把几套引擎摆在一起比：Skia 的两代后端、Vello 的 GPU compute，以及字形光栅化这条最容易被略过的支线。另一条线是自跑三篇（第七、八、十）——换后端、换输入，把同一件事量到底；其中第十篇再把 Vello 的 GPU、CPU 与混合三路摆在一起对账。十一篇已完结。
前面七个专题讲的是「画面怎么被算出来」，这一个专题换到平台侧：一帧从 App 到屏幕要穿过 Choreographer、RenderThread、BufferQueue、SurfaceFlinger、HWC 与 vsync 这条链，每一环都拿本机的 dumpsys 与 trace 对账。十三篇已完结。
本站第一次把镜头转向渲染之外的题域：物理引擎。Jolt 把「多核扩展性」与「确定性」押在最前——本机实测 8 线程 6.44×、1 至 16 线程下终态哈希全同；两处流传很广的说法也在这里被钉死：v5.6 的 GPU Compute 只服务发束头发、不是 GPU 刚体，官方清单里查无 Solver 与 TGS 命名。十三篇规划中，首篇为全景与边界。
本站第一次写「应用框架层的引擎」。前九个专题都在讲画面与物理怎么被算出来，这一个换到引擎内部：把一次 2D 绘制拆成四层落点，逐层给出源码坐标。首篇把这条链走通，并用本机三后端启动读数把「三种渲染方法 × 四种驱动」的矩阵现场演示出来。第二篇把镜头压到场景层，回答一条绘制命令是谁在什么时候下发的。第三篇进服务层，讲 RenderingServer 的接口为什么长成一组 RID 型命令。第四篇讲画布剔除与排序，回答一条绘制命令有没有被画出来、在谁前面。第五篇进画布渲染抽象层，讲那条链交出去之后长什么样、又是怎么变成一次提交的。第六篇进批处理，讲这批是怎么切出来的、容量从哪来、代价又付在哪。第七篇进渲染设备抽象层，讲一批命令怎么变成一张有序的依赖图、屏障又凭什么能变少。第八篇换了个问题：同一批命令落到四张不同的桌子上会怎样，分叉在哪三处、默认值又藏在哪几层。第九篇换到时间轴上问：这套账在什么时刻、被哪个线程算出来，顺带把两个帧率口径分清。第十篇继续往上游走一步：盘上的东西是怎么进到引擎里的，导入那一次又换出去了什么。第十一篇是收官：这条线官方先后给过三种口径，而每一段账都在本机重算了一遍。
本站第一次写「从进程外面挤进来」的那类工具。前十个专题都在讲画面、物理与平台怎么被算出来，这一个换到渲染之外的位置上：注入式后处理不是后处理的一种实现，而是后处理的一种位置——引擎自己的后处理链跑完之后、交换链呈现之前那一段原本没人的缺口。位置一变，能拿到什么、要付什么代价全都跟着变：它手里只有成品帧与条件满足时的深度，没有几何缓冲，所以只能做屏幕空间近似；换来的是不挑引擎、零侵入。本机在自有开源场景上把这句话量了一遍。第二篇往里走一步，回答一次调用是怎么被接过去的：凭什么轮到你被加载，同一批导出函数又有哪三种接法——这两件事都在本机量过，四组实验全部单变量带反向对照。第三篇换到语言这一层：这门着色语言到底是不是 HLSL 的一个子集、它为什么会自带编译器，都在本机编过一遍。第四篇回到运行时的账上：一个 effect 从源码到画面中间过了几道、执行顺序从哪来、那些写在文件里的渲染状态最后落到 API 的哪几个调用上。第五篇换到「差异去哪了」这个问题上：同一行 add-on 代码凭什么在六种图形 API 上都跑——官方的答案不是抹平差异，而是先选一个坐标系（modeled after the Direct3D 12 and Vulkan APIs），其余四个后端是被翻译进来的那一侧；本篇把「抽象住了」「翻译了」「没抽」三件事分开说。第六篇把镜头从「差异去哪了」转到「接口面长什么样」：一个 add-on 凭什么不导出函数、也不用链接任何库，靠的是一张 100 个格子的事件表、18 个跨 DLL 边界的 C 导出，和一个三档取值的构建开关——签名版在编译期就摘掉了其中 30 个事件。第七篇换到「条件」这一层：为什么深度类效果时灵时不灵——关掉它的那一手根本不在深度模块里，而 MSAA 的能力位、界面不在深度里、子矩形判据这三道条件各自独立。第八篇横切一刀，落到「生态与许可」：那些效果能不能转，取决于这份清单有没有托管任何东西——45 个包全部是指针，同一份清单里并存七种许可状态。第九篇第一次真的把它装上去：在自有的极简 D3D11 demo 上布线、注入、逐档抓图，把「开与不开差多少」拆成四档可核的格子——同一台机器上，深度探针与色调映射一眼可见，而景深几乎看不出。第十篇把画面换成了账：把「多花多少」定义成毫秒每帧，三笔钱分开记——注入层常驻约 0.15 毫秒每帧，而八个单效果里五个同口径档全部低于「效果全关」档，叠加的边际也不等于三个单效果之和；顺带自写了一个小 .fx，把从源码到屏幕那条链走通一遍。十一篇规划中，前十篇分别立边界、拆入口、讲清语言本身、摊开运行时、统一坐标系、摊开接口面、拆开深度条件、横切生态与许可、把画面真的跑出来、把账算出来。
同一段 C/C++，编译器和链接器到底对它做了什么、代价落在哪。这一卷不写语法，也不写面试题速查——它把已有几卷里天天出现的 sizeof、对齐、虚表、异常、内存序、编译时间接过来，专讲这些东西是怎么被决定的。取材只有两种：机制引原文（标准条款、Itanium ABI、官方文档快照），代价靠自跑（两套工具链的布局转储与读数；探针源码、编译命令、原始输出随篇入库）。十二篇分四波：布局与内存 → 编译器与链接器 → 运行时代价 → 跨平台专项。
「官方最佳实践」这五个字，在 Vulkan 这边找不到对应的那一份文档——它散在四套体系里（Guide 的 74 页、Tutorial 的 18 章加 10 门进阶课、Samples 的 25 个 Performance 样本、以及验证层里一个开关），而其中最关键的那个开关默认是关的。这一系列不写 API 教程，只回答两件事：官方那条建议原本是什么形态、连同它的硬件前提；以及搬到这台机器上，它到底值多少。取材以自写最小用例的自跑读数为主，官方 Samples / Guide / Validation 只作 Do/Don't 的文本来源与对照，十篇按「2026 新范式 → 同步 → 管线缓存 → render pass → 命令缓冲 → 描述符 → layout transition → swapchain → 验证层闭环」推进。
G-Buffer 的布局选择如何影响带宽，以及为什么移动端最后大多放弃了它。
从最朴素的深度比较，到滤波后的方差估计，每一步都在拿精度换柔度。
三者在帧缓冲里如何互相影响，以及为什么顺序错了整个画面就发灰。
一条积分式的落地过程，以及 split-sum 近似到底把什么误差藏了起来。
从 Gribb-Hartmann 平面提取讲到 meshlet，中间隔着二十年的一次次妥协。
同一份渲染代码，桌面流畅、手机烫手 —— 两台被不同物理约束塑造的机器。
把 framebuffer 搬到片上：TBR 与 TBDR 的两阶段机制，以及随之而来的三笔代价。
把一帧的字节账从头算到尾，再看四类降带宽手段各自能省下多少。
把「为什么会掉帧」从温度阈值换成一本预算账：每帧花多少焦耳，每秒付得起多少。
把「不适合」这句话拆开算：落主存约 10 BU、留片上 1 BU，硬线在 128 bit/像素。
三个旋钮摆在同一本账上，判据只有一条 —— 有没有破坏片上流程。
把「优化生效了」做成可证伪的命题：口径、噪声、统计三条线缺一不可。
谁在提交、提交成什么、前端怎么消化 —— 五层软件栈、一块环形缓冲与一颗命令处理器。
带宽几百 GB/s 起步，延迟却比一级缓存慢上百倍 —— 存储层次、页表与 TLB、页错误与有效带宽逐层拆开。
占用率不是越高越好：两套口径、三类约束资源，以及从「装得多」到「发得出」的那道沟。
采样请求怎么进 TMU、坐标怎么换算、滤波与 LOD 怎么落地，缓存与压缩怎么把取数那头省下来 —— 一条几百级深流水线的硅片实账。
顶点着色器算完 clip 坐标，屏幕像素位置不是它定的 —— 装配捆图元、透视除法与视口定坐标、guard band 兜底、背面与退化剔除，中间压着整整一段固定功能。
顶点进了光栅化，屏幕上的像素到底由谁、按什么规则被三角形填上色？setup 阶段的一笔账、边函数怎么在硅片上算、顶左规则怎么保共享边只画一次、重心坐标与透视校正插值，再到小三角形为什么那么贵。
深度缓冲这张"第三张图像"，怎么被生产又被消耗——early-Z 何时敢提前、何时必须退到 late-Z，stencil 这 8 位通道能干哪些活，移动端 TBDR 又怎么用 HSR 把整条 hidden-surface 换成另一个算法。
光栅厂把三角形倒成像素流之后，颜色、深度、模板、覆盖要怎样真正落进显存？像素怎么在最后一站 fork 派发、着色后 join 回 render target，ROP/Output Merger 做哪六件事——再到 overdraw、压缩、MSAA resolve、TBDR 的 HSR，这笔带宽账在同一处结算。
图元装配把顶点连成三角形之后、光栅化把它倒成像素之前，GPU 还有一段能改变图元命运的几何前端：几何着色器按图元改/生成图元、流输出把顶点旁路写回内存、细分把低位图元按 patch 铺细——二次装配、不可预知的输出规模、成倍增长的顶点流，这笔量价账在同一处结算。
图形管线告别几何着色器之后，"改几何"这件事换了一整套更通用的模型来做——计算着色器（compute shader，CS）。它把线程当成只有 32 条 lane 一起前进的执行单元原子（波前），自带一块能协作的共享内存（shared memory / LDS），用屏障在不同层级间建立执行序与内存可见性。波前怎么被调度进执行槽、bank 冲突要赔几拍、三种屏障各自贵在哪里、occupancy 占得高不等于快——这笔并行账在同一处结算。
命令明明提交了、API 也没报错，屏幕上却「看起来没画出来」——问题不在某次绘制，而在 CPU 与 GPU 之间那层异步鸿沟，以及资源换用途时没被正确声明的身份切换。本篇把「规范怎么写」和「硬件实际怎么做」分开：fence、semaphore、barrier、event 只是正确性规则的遥控器，硬件真正做的是 cache flush、pipeline drain、fence register 写标记与跨队列一致性切换。提交、可见、资源身份三笔账摊开，最后落到「范围与对象」两个词的判据上。
十一期拆完硬件环节，这一期回答收官问题：2011 到 2026，那张硬件地图上哪些位置被改写了、哪些一动没动。写法是判定式而不是编年史——每条机制都落到三问：替代了哪个环节、代价转移到哪一侧、哪条原本由硬件兜底的保证被降级了。变的是几何前端、绑定模型、工作发起，外加求交硬件化、着色速率可按需降级、渲染目标与片上内存显式化、chiplet 与 HBM；没变的是 SIMT 波前、固定光栅与 ROP、纹理采样器，以及留在应用侧的同步职责。所有数字按规范事实 / 厂商宣传 / 第三方实测三档标注。
把「光栅还是光线」从新旧之争换成三道可核对的问题：屏幕空间近似在什么硬条件下会失效、走光追的成本与什么成正比、这次切换把代价转移到了哪一侧。从 SSAO/SSR/SDFGI 的官方失效清单，到三条成本模型与一页六类效果速查表，再到两条接口路线与降噪器那笔常驻预算。
加速结构是一笔预付：构建一次，买下之后每一次遍历的便宜。本篇把三科账摆开——构建（尺寸与标志、建树器怎么挑）、更新（什么能改、改完遍历会变成什么样）、压缩（能省多少、省下来的钱要不要还回去），附一张可直接套用的内存预算表。
场景一动，预付账就变成活账。本篇算动态场景那一本：TLAS 的分区更新与决策树、BLAS 的 refit/rebuild/混合三选、CLAS 与 OMM 各自换到了什么，以及一笔从 10 万到 100 万 instance 的压测账——规模上去以后，哪些开销不是等比例长的。
光线停下来之后呢？一个场景里金属、玻璃、木头、皮肤、植被各有一套算法，SBT 就是那张「谁执行哪段」的电话簿。本篇讲清四区域结构、hit group 的三着色器组合、any-hit 为什么最贵、intersection 留给谁，以及 SBT 能踩的五个坑。
光栅化与光追是一条接力赛的两棒。本篇拆开这条赛道：G-buffer 六个通道与它的带宽账、两种工作模式的选型依据、一帧的 Pass 顺序与两个队列的重叠空间、16.67 ms 预算怎么分，以及阴影/反射/GI/AO 四类效果的混合档位矩阵。
1 spp 的输出几乎全是噪声，把它变成可看的画面靠的是时域复用。本篇讲透原理与失效模式：EMA 与 α 的取值带、运动矢量与重投影、disocclusion 检测、鬼影的六种触发场景，配上四种工业降噪器的横向对比与实战调优清单。
时域之后剩下的残差是空间上的块状噪声与高频斑点。本篇接着讲空间滤波与学习型重建：联合双边滤波的四因子权重与三组边缘停权为什么缺一不可、à-trous 怎样用 125 次采样换到 32 像素半径（附 JCGT 2026 的访存账 1.3–2.5×）、方差如何同时驱动 α 与滤波强度，以及三根 σ 调错时的九种可见症状。工业侧对比 NRD 的 ReBLUR/ReLAX 两条路线与内存三级账，最后按 2026 年 DLSS 4.5 已覆盖全部 RTX 的事实算一笔五维工程账。
降噪只能修、不能造：一个像素一帧只发一两条阴影光线，挑错地方谁都救不回来。这一篇转到采样侧——不是把光线发得更多，而是让每条光线更值钱。RIS 用便宜分布抽候选再按分数筛，WRS 的蓄水池常数内存且可合并，二者撑起时空复用；随后是复用的代价：随机数共享、支持集不匹配、条件概率三条偏的来源，以及 2025–2026 仍在被修的三条边界（运动下的投递、去遮挡、邻居选择）。
前面八篇各算了一笔账，但它们有一个共同的分母从未被摆到台面上：光线。一帧里能发出的光线总数是有限的，反射多要一条，阴影就少一条。本篇把这条预算线摊开——先给光线定价（遍历、命中着色、降噪是三项独立支出），再逐格拆账：反射凭什么 8 到 22 条、阴影凭什么只要 1 到 2 条、全局光为什么连花钱单位都跟别人不一样。之后是三种分配策略各自的代价、预算不够时误差的三种暴露形式，以及一张从帧时间倒推的可自己填的预算表。
前面九篇各算了一笔账，但它们有一个共同的隐含前提：加速结构已经在那里了，着色器只管用。本篇翻过来看这个前提——AS 在每一帧里都经历构建、对 GPU 可见、被着色器读取、最终退役的完整生命周期。先建四态心智模型，再讲 Build 到 Trace 之间那道屏障的 Vulkan/D3D12 具体写法，之后是双缓冲与延迟一帧、AS 压缩与 RTXMU、SBT 绑定、跨队列同步、scratch buffer 回收与 AS 池化三池结构，最后对照三种生产方案。
ep10 讲了 AS 在单帧内的生命周期，本篇把时间轴拉长——当世界大到 AS 装不进显存时，BLAS 怎么序列化到磁盘、怎么按 tile 流式加载、怎么用 LOD 控制远近精度、加载卸载时怎么不让画面闪。从 Vulkan/D3D12 的序列化 API 讲起，经过 tile 生命周期状态机、BLAS LOD 与 CLAS、时域过渡方案、UE5 的 World Partition+Nanite+Lumen 三件套、显存预算的 bytes/triangle 实测、P0-P4 优先级队列、GPU-driven multi-indirect build，最后落在跨厂商兼容性与 streaming AS 标准化的演进方向上。
透明、体积和 SSS 是光追管线里的"利润黑洞"——每像素光线数从 1 条暴涨到 N 条、128 步或 16-64 次采样，而视觉收益却非线性递减。本篇从 alpha 合成操作符和 OIT 方案谱系出发，拆解光追透明的三条路径（any-hit shader alpha test、closest-hit 递归追踪、Opacity Micromap 硬件加速），用 Indiana Jones 的 7.90ms→3.58ms 实测数据证明 OMM 的工程价值；再讲体积渲染的 ray marching 与 froxel grid 代价差异、SSS 的 BSSRDF 扩散剖面与屏幕空间近似方案；最后用 UE5/Frostbite/Unity HDRP 三家引擎的跳过/降级/统一策略对比，论证把光花在利润最高的地方才是混合渲染的工程智慧。
十二篇各算了一笔账，但它们必须同时成立、且互相抢资源。收官篇把 ep01–ep12 的结论合成一张可查的决策地图：按几何与加速结构、着色与采样、降噪与合成三段给出三棵决策树，用四张总账表把每个数字的口径与成立边界摊开（含 [A]/[O]/[P]/[T]/[C] 五级口径标注），再以四个真实项目形态（主机 60fps / 高端 PC 路径追踪常开 / 大世界开放世界 / 移动与低端回退）走查验证；随后回答下一代硬件会改写哪几条（Mega Geometry 与分区 TLAS、SER 与 2-state OMM、ML 光照缓存）、标准化两条线各自落地到哪一步，以及哪四条判据不随硬件改变。
把「神经渲染」拆成四类可分别判断的替换——着色计算、表示、采样分布、时间轴，再给三道可核对的判据：粒度看能不能让每次调用独立算，数据看输入分布是否由自己控制，开销看代价落在算力、带宽还是显存哪一本账。从手写先验的能力上限切入，用自算的对照实验与自由许可真图逐条落地，最后收成一张可直接查的速查矩阵。
手写降噪的先验是「人定的形状 + 可调的参数」。本篇算清把这一环的先验换成学出来的之后账本怎么变：先沿 2017–2019 四个节点看清先验如何从人手交到网络手里，再把最常被混为一谈的「鬼影」拆成三类、给出看图就能用的判别问题，最后用 NRD 官方实测与学习式方案的公开数字算一笔同口径的账，并给出两条「换了不划算」的反例。
上篇算的是「先验换成学出来的之后多了什么」，这一篇算的是那笔账背后真正稀缺的东西——数据。能拿到训练数据只有三条通道，差别不只是成本：公开数据集要看许可（最常用的几套恰恰不可商用），自产要自己有渲染器，自建要自己标。NVIDIA 官方自述里有一句比收益更值得记的话——为提升泛化去扩大训练集，先撞上的是新的失效模式。由此建立一套归因框架：把失效压成输入锅、数据锅、容量锅三类，给出按修法成本排序的判别顺序，并明确标注为本文归纳而非厂商标准；再把「怎么知道它失效了」讲透——PSNR 在压缩这条直线上表现得完全正确，所以它最有欺骗性。最后给三条反例与一条边界。
把纹理解码交给网络，这一环表面上是纯显存问题，「省 8 倍」听起来不需要权衡，但把三种模式摊开，权衡藏在「省的是什么存储器」上。本篇先把同一技术的五个数字摆上桌（磁盘 8×、显存与系统内存 7×、on-Load 一分不省、官方 2K 表 on-Sample 约 5×、中媒 96%），立下口径纪律——没有一个数字是错的，错的是把它们当同一个数用；再讲清纹理为什么不能照图片那套压——随机访问把大部分现成压缩方案挡在门外；随后拆开 NTC 的做法（特征金字塔 + 量化隐向量 + 每材质小 MLP），算清 on-Load/on-Sample/on-Feedback 三笔账，把最硬的一环「过滤」讲透（为何要换成随机纹理过滤 STF），并说明出货路径不是取代 BC、而是把 BC 当载体。最后给反证与边界（mip 2/3 略差 PSNR）、门槛与许可，以及一组「什么时候不值得换」的决策表。
把材质这一环的反射函数也交给网络，是从解析 BRDF 到学习式材质的一次拼接。本篇先铺现状（材质 = 纹理 + 解析 BRDF）与解析模型的表达能力上限，再讲神经材质的框架与工程细节——从 latent 解码、自解码一路到逐采样解码，随即摊开显存/算力/训练/画质四元账，处理过滤困境与 STF，落到材质重建这条生产路径，最后给一张反例决策表。凡是倍数一律标注口径，不做没有出处的转述。
把图形性能验证立成一套坐标系：RenderDoc 量 API 层的一帧（帧级），Perfetto 量系统层的整条路径（系统级），两轴交叉出「画错 / 画慢 / 卡 / 迟延」四类症状各归其位的决策地图；再落地「自跑 → 真图 → 归因 → 结论」这条可复现的证据链，并把开源、可重放、可进 CI 作为不可妥协的选择红线。全系列 13 篇都将在这张图上走。
把 RenderDoc 前端从「你按下抓帧」到「一帧完整落到盘中」的机制链剖开：三种注入路径怎么进进程、Vulkan 的 implicit layer 与 D3D/GL 的 GetProcAddress hook 两套拦截机制的差异、帧边界怎么用 vkQueuePresentKHR 卡出一帧的起止、抓帧窗口内命令外发与资源快照分别在干什么，最后落到 .rdc 文件里到底是什么、怎么回到前端展示。让你用工具前先看穿工具。
会抓帧只是前半程：.rdc 怎么被回放引擎重新打开，并一点一点重建出那一帧。
把事件浏览器里那长串 draw-call 列表，读成一帧的结构化索引。
资源清单里那几百个 buffer 与纹理，怎么和命令流里的 draw 一一对上。
Mesh Viewer 与 shader 反汇编：GPU 在顶点与像素级到底算了什么。
换个文件看：.pftrace 内部长什么样，一路拆到字节与 SQL 表。
翻个面：这些数据是谁写进去的 —— Perfetto 的 data-source 全景。
数据已经在库里了，该怎么把它们问对、问快。
只回答一个问题：这一帧到底掉没掉。
实战一：一个症状进来 —— 帧率上不去，问题出在哪，沿链路一处处排除。
实战二：某一帧确确实实超期了，这个「掉」该记在 jank 还是 shader 头上。
实战三：把散在前十二篇的判据、边界、工具能力与缺口，收成一套可复用的验证阶梯。
同样是「把矢量变成像素」，五套做法完全不同的引擎为什么能同时活着。
钻入 Skia：一次 draw 从 SkCanvas 到像素，怎么在 CPU 与 GPU 两条后端分岔。
曲线在变成像素之前，先要变成什么：贝塞尔细分、tessellation 与解析抗锯齿。
换一种输入：字形的数据怎么组织，blob 与 CJK 又有什么不一样。
把前四篇的前提拿掉——那些工作都由 CPU 干；这一篇讲 GPU 后端的两条覆盖路线。
为什么把 Ganesh 这一代整体换掉，以及换成了什么：Skia 的新一代 compute 后端。
自跑一：同一段场景分别交给 CPU 光栅与 GPU 后端，量输出差、耗时差与 overdraw。
自跑二：换的不是后端而是输入——一份录好的 SKP 与一批当场排的字。
换引擎：Vello 用 GPU compute 的 Sparse Strips 与 prefix-scan 怎么做矢量。
自跑三：Vello 的 GPU、CPU 与混合三路对比，把「本机跑不了 Vello 本体」那句补上。
收官：与 Godot 2D、Cairo、Rive 对照，并交叉索引 Android 显示栈与 VFX。
总览：从 App 到屏幕，一帧在 Android 上到底走了哪几段路。
屏幕静止不动时，CPU 为什么不归零：谁在召唤 Vsync。
滑动卡顿到底卡在哪一步：从显示列表到一块缓冲的帧提交。
「三缓冲」到底指什么：图形缓冲区的那条队列与它的派发规则。
在 Android 上，一个应用到底走哪条入口接上 GPU。
缓冲交出去之后：系统侧在 Vsync 之后到底做了什么。
把「Vsync 之后」的第一段打开：Android 10 的 ASurfaceControl 透明事务。
屏幕上这一帧由谁去摞：HWC 的硬件叠加，以及这个决定是谁下的。
把 vsync 当成既定条件之前：HWC2 的回调与虚拟显示路径。
那几条 vsync 回调的相位到底错开了多少：应用、SF 与屏幕的三步舞。
队列有多深、屏幕有几个档：三缓冲、多刷新率与 ARR。
「屏」这个字一直默认成立——虚拟显示凭什么也算一块屏，屏幕录制怎么接进去。
取一次「过程」而不是快照：Perfetto FrameTimeline 怎么把 jank 的账剖开。
Jolt 是一个把多核扩展性与确定性押在最前的 3D 刚体库——本机实测 8 线程 6.44×。
一次 Update 排了 22 个作业句柄、四条主干链；本机 16 线程下最重的不是求解，碰撞检测占 19.3%。
会动的刚体才带 MotionProperties，静态体每体省下 60% 内存；官方那句「必须批量添加」，本机量出逐个比批量慢 185×。
宽相是一棵无锁四叉 AABB 树，同一时刻还并存两棵；10 万体逐个插入会把树撑成 667 层的链。
「碰不碰」不是开关，而是六级漏斗，越往下越贵；只改一行层映射返回，稳态每步快 1.62 倍。
窄相分两半：GJK 判相交、EPA 只在核心真重叠时才跑；接触点容量是 64 不是 4。
12 个形状类型、34 个子类型，顺序都是追加演进的化石层；「打中了哪一块」压进 32 位。
13 个内置约束类型加 4 个用户槽，求解抽成 14 个可复用原语；纯刚度写法 901 步仍未收敛。
求解器在文档里叫顺序冲量加暖启动，落到代码是两个 job；关掉暖启动，十层塔穿透从 27.90 mm 跳到 4571.98 mm。
一步里谁跟谁可以同时解、什么可以根本不参与；睡眠把每步成本压到约六分之一，但线程 1 加到 8 几乎无收益。
又小又快的东西为什么没穿过去，同一份输入凭什么跑出同一份世界；打开确定性开关，三次复跑同一个末态哈希。
引擎已经把哪些东西做成了可以直接接入的成品件；快照往返后角色漂移 999.999084 mm、动态刚体 0.000000 mm。
收官篇问三个问题：顶点网格怎样被约束成软物体、头发怎样在显卡上被模拟、「Jolt 有 GPU 物理」该怎么读。
一次 2D 绘制要过四层；本机只改一个 --rendering-driver 开关，OpenGL 一路自动落到 Compatibility。
同帧连调 23 次只画 4 次；门面那个 create 在实现层查不到。
句柄是「代际接槽位」；已释放的句柄用起来报错、释放起来却无声。
顺序分三层箱位、剔除有五道闸门；两百个方块套上画布组，draw call 从一变成二。
一条链交出去之后长什么样？四层嵌套、六条换批判据，本机测出 draw call 取决于切换次数。
容量从哪来、按什么切、装不下会怎样？两档探针测出分界真的跟着设置走。
4.3 把同步责任挪进一张有向无环图：依赖记进邻接表，屏障先问驱动，重排默认开。
同一份顺序落到四张桌子上：分叉长在编译期、工程设置与运行期三处；本机那三档里还有一档起不来。
换到时间轴上问同一套账：三个节拍怎么错位、累加器怎么攒出物理步数、跨线程的边界又分几档。
同一张图从盘上到显存要换三个身份：源、点 import 配置、ctex 产物；压缩那五档在三根轴上各站一边。
收官篇把整条链翻过来看一遍：2D 批处理这条线官方先后给过三种口径，断批的代价是两千倍而不是两倍。
它站的是位置而不是算法：注入前后只改一个开关，本机对照组实测逐字节相同，六组效果从 15.9 到 63.2。
同一个探针文件，命名对了就被加载、命名错了连加载都没发生；日志逐模块宣布挂了 31 处，末行却报卸载 40 处。
官方只说自己是「以 DX9 风格 HLSL 为底子的方言」；本篇把那「少量扩展」拆成四类，并自己写一个 .fx 编一遍看产物。
顺序不靠依赖图，靠一份表：效果文件里的声明顺序加预设那一行排序表。十六个运行时数据源里，第十六个由 add-on 从外面塞进来。
差异没被抹平，只是被收走了：收进六个不透明句柄的注释里、收进四个后端各自的四份状态块里、也收进九处 present 入口与六份格式转换器里。D3D12 与 Vulkan 干脆没有状态块那个文件。
add-on 不导出函数、也不链接库，靠的是一张 100 个格子的事件表、18 个跨 DLL 边界的 C 导出，和一个三档取值的构建开关：签名版在编译期就摘掉了其中 30 个事件。
深度类效果为什么时灵时不灵？关掉它的那一手不在深度模块里：网络一有流量，61 帧一个窗口、≥10 帧就把 add-ons 整体停掉，而且只有签名版这么做。再叠上 MSAA 的能力位、界面不在深度里、子矩形判据这三道独立条件。
那些 effect 到底能不能用、能不能转？答案不在许可条款的比较表里，而在「这份清单有没有托管任何东西」这个形态问题上：45 个包全部是指针，官方一个字节都不托管。于是同一份清单里并存七种许可状态，最大的一格是既无文件也无声明的 10 个仓库。
第一次真的把它装上去：在一个自有的极简 D3D11 demo 上布线、注入、逐档抓图。四档口径把「开与不开差多少」拆成可核的格子，而结果并不均匀——同一台机器上，深度探针与色调映射一眼可见，色差与 CRT 看得出但轻，景深几乎看不出：靶子太简单、深度跨度太小，这是靶子的限制，不是效果的毛病。
第一次把账算出来：把「多花多少」定义成毫秒每帧，三笔钱分开记。三笔的性质并不相同——注入层常驻约 0.15 毫秒每帧（两场独立复跑一致），而八个单效果里五个同口径档全部低于「效果全关」档，三效果叠加的边际也不等于三个单效果之和；分辨率这条乘数同样不线性。最后一节自写一个小 .fx，走通整条链。
同一个结构体，字段一样、只换个声明顺序，一个是 12 字节、一个是 8 字节——差出来的全是编译器塞的填充。本机两套工具链的布局转储与读数是主力证据；全篇唯一一处真分叉是那行 C++20 属性：g++ 省下 4 个字节，MSVC 一个字节没省，而两家都合规。
同一句 new 往下要过语言层、实现层、系统层，每一层都能换。本机的三条通道给出两个反直觉结论：池资源不一定更快（synchronized_pool_resource 在一次性长序列上比 new_delete 慢约 60 倍，它的收益在「重复同尺寸 + 批量归还」），而峰值工作集差不多的三家分配器，提交内存能差出 100 倍（3.3 MB / 267 MB / 357 MB）。
std::move 到底搬了什么东西？它只是个 static_cast，真正偷资源的是移动构造；而短字符串的 move 其实就是一次拷贝。本篇用构造计数探针、反汇编片段与地址同一性实测把拷贝三板斧、copy elision、三家 SSO 策略和 emplace_back 的真实收益逐个量掉 —— emplace_back 不是万能的，传对象时它和 push_back 一样快。
编译慢到底慢在哪一步？把前端与后端的时间分开量之后：同一份 main，仅因包含并使用容器模板，前端 c1xx.dll 就从 0.0142 s 涨到 0.7755 s，55 倍。最意外的一处是 extern template —— 它在 GCC 16.2 上按标准生效（全量构建 −26.2%），在 MSVC 19.44 上实测未生效，原本准备的「省十倍教程」被自己的实测推翻。
同一个循环为什么有时向量化、有时不？MSVC 的 /Qvec-report:2 把 16 个循环的判定逐条拍出来（成功 6、失败 10，每条都带官方原因码）：一个再普通不过的 float 求和默认不会被向量化，原因码是浮点归约需要重结合。最硬的一处是类型双关 —— 同一份代码在 GCC -O2 下返回 132、165、193（每次都不一样），加 -fno-strict-aliasing 立刻修回 -1，而 MSVC 两侧都正确。
为什么 undefined reference 里那串字符完全看不懂？因为链接器只认符号名，不认你的类型与重载：源码里同一个 app::add(int, int)，MSVC 编出 ?add@app@@YAHHH@Z，GCC 编出 _ZN3app3addEii，两列之间不存在任何可以机械转换的关系。决定性实验是 mingw 的 main 链接 MSVC 的 .obj —— 走 C 符号成功、走 C++ 符号失败，同一份 provider 只因名字有没有被修饰而结果相反。
两个被并列成「高级优化开关」的选项，动的东西完全不一样：LTO 拆翻译单元边界，PGO 拆类型与分支边界。跨 TU 的 step 在 MSVC 上从 153.65 ms 降到 21.39 ms，exe 反而涨了 512 字节；决定性对照是把 step 手工搬进同一个 TU、完全不开 LTO，得 19.73 ms，与 LTO 档同量级，说明书里的收益全部来自跨 TU 内联。
同一段「把类型藏起来」的代码，代价到底落在哪？11 档分发阶梯量下来，排序会随工具链变 —— 同一份单态虚调用，GCC -O2 把它划掉（0.772 ns/op，与直调同量级），MSVC /O2 没划掉（1.618，2.11 倍）。流行建议也在这一篇被实测推翻：variant-poll4 在 MSVC 上 2.421 比 virtual-poll4 的 2.208 更慢，在 GCC 上反过来是 1.058 对 2.229。
「零成本」这句宣传语 claim 的到底是什么？本篇把它拆成两笔账：不抛异常时 try/catch 与错误码同速（2.09 对 2.59 ns/op），但一旦真抛，一次就是 2,693 ns，是错误码的千倍量级；而空间侧不免费，只加一个 try 块，MSVC 的 exe 就涨 10,752 字节。全篇还有两处与流传说法不符：本机 GCC 的 PE/COFF 段表里没有 .gcc_except_table 与 .eh_frame；关掉 RTTI 之后异常捕获照常工作，只省 512 到 1,224 字节。
「seq_cst 在 x86 上免费吗」这个问题，多数文章给的是一个单词的答案。本篇把它拆成 load / store / RMW 三类，用 MSVC 19.44 与 GCC 16.2 各量一遍：load 免费（三档同一条 mov）、fetch_add 与 CAS 也免费，只有 seq_cst 的 store 不免费——mov 换成隐含 lock 的 xchg，单线程 0.40 ns 变 2.17 ns。更反直觉的是 22 个组合里一条 mfence 都没有，seq_cst fence 落到栈上一个哑元位置。本篇还把「可能发生」变成了频率：1,000 万轮实测，relaxed 的重排命中 2.62% 与 3.07%，seq_cst 一次不中。
「SoA 比 AoS 快」与「填 64 字节」这两句流传最广的口号，本篇都用本机读数拆开。alignas(64) 加在类型上，与完全不加对齐一样慢（4.20 对 4.61 ns/op，GCC），只有加到每个字段上才掉到 0.3902 ns/op，差 10.8 倍；间距从 32 跨到 64 的那一步骤降 11 到 14 倍，再往上没有任何进一步收益。AoS/SoA 的答案是「看 k」：只读 1 个字段 SoA 快 2.35×，读满 8 个字段两家完全打平。而 padding 不是免费的——把步长从 32 抬到 128，单线程遍历慢 3.59×，触及字节从 128 MB 涨到 512 MB。
「加 -O3 就会自动向量化」这句话，本篇用 8 个构建逐个拆。第一个反直觉来自报告与读数不一致：GCC 报 loop vectorized using 32 byte vectors，而关掉向量化的同循环是 3.296 对 3.274 ms——收益是 0，反汇编给出解释（乘法已向量化，累加仍是 12 条串行 addss）。第二个是语义开关：加上 -ffast-math / /fp:fast，点积从 3.274 掉到 0.861 ms、3.263 掉到 0.903 ms。第三个是数据：同一份二进制上随机符号 17.256 ms 对块状符号 2.292 ms，手写无分支版的优势从 9.47 倍缩到 1.61 倍。第四个与流行说法相反——开了 fast-math 之后编译器赢了手写 intrinsic。
「官方最佳实践」这五个字，在 Vulkan 这边找不到对应的那一份文档——它散在四套体系里（Guide 74 页、Tutorial 18 章加 10 门进阶课、Samples 25 个 Performance 样本、以及验证层一个开关），而那个开关官方默认值写的是 false。本机同一份没有在代码里请求该特性的构建，默认配置路径捕获 0 条告警，环境变量与 vk_layer_settings.txt 各捕获 4 条。另有量尺与边界：timestampPeriod = 1.0、223 项扩展，100 次派发五次复跑 20,992 到 27,424 ns、极差 30.6%；RenderDoc 注入成功但纯计算用例没有帧边界，抓不出 .rdc。
官方在 SIGGRAPH 2026 给出的那套「2026 写法」，搬到本机只剩两件能跑：三件套里 shader objects 与 dynamic rendering 有扩展、可实测，descriptor heap 是 0 命中——不是查漏，是设备能力表里就没有。能跑的两件用「一个二进制、五条路径、只改 API 形态」量了一遍：单帧录制 45.3 → 56.2 → 74.6 µs（换 dynamic rendering 贵 24%、换 shader objects 贵 65%），整帧却只有个位数变化，成本全落在 CPU 侧录制上。另有两处「读数被自己作废」都做成了可复跑路径：FIFO 把差异压平（复现 5,764.1 µs）、漏设 18 项动态状态让一万多条验证层报错被读成性能（复现 1,956.4 µs）。
这一篇量的是「屏障怎么写」。官方四个体系里，Guide 给九条可执行的判据、Tutorial 讲清 sync2 的动机、Samples 给方向、Validation 给工具——四者共同缺的那一样是数字。做法是「一个二进制、十三条路径、唯一变量是屏障写法」，每帧内容完全相同，每条路径 ×5 次复跑报区间。结果分两层：65 次运行读回缓冲的 FNV-1a 全为同一个值，删屏障、合并屏障、把掩码写成 ALL_COMMANDS，结果字节完全一样；但唯一区间不相交的一对只有被判据明令禁止的全掩码写法（录制 +2.8%），而「合并调用」「合并掩码」「删掉官方点名可删的那条屏障」三项差异全部落在复跑噪声里——官方那句 creating a bottleneck，本机量不到。真正抓到东西的是验证层：三条故意写错的路径在同步校验关闭时计时正常、结果正确、一条错都不报；打开后各报满 100/100 帧，其中一条是 vkCmdFillBuffer 属 CLEAR 阶段、源阶段写成 COPY 的粒度陷阱。
打开就用，不用注册、不用装。做内容时那些零碎的活 —— 查违规词、清格式、理结构 —— 尽量交给它们。
把原理做成能驱动的程序：拖动参数、看画面怎么变、再拿中间量表格自己算一遍。每一段都配一个真在跑的活例，不是动效。
一个几何顶点从进来那一刻起被逐阶段变换与消费的全过程。三课各自只加一个变量，控件保持一致，画面与数值同步变。
着色不是「给表面涂颜色」，而是解一个积分。沿模型谱系走：光从哪里来、朗伯为什么与视角无关、经验模型那一代怎么近似。
一个着色点接收到的光，有一部分来自别的物体反射的光；而别的物体，又接收到它反射的光。要算清这一点只能在场景里采样 —— 一旦靠采样，就受 1/√N 支配。
物理每一帧只做三件事：积分、找接触、解约束。前三课各讲透一件，第四课把约束放松成软体，第五课到了关节与骨骼 —— 也就是 ragdoll 为什么会抖成面条。
动画 = 先算骨架姿态，再把网格顶点按权重挂到骨头上。第一课讲"读姿态"（蒙皮），第 2–4 课把"写姿态"的三条路走完：解出来的（IK）、演出来的（弹簧骨）、补出来的（关键帧）；第 5 课把这些动作叠起来 —— 权重混合、相位、遮罩、加层。
工具、产品、概念验证与 AI 工作台，做成之后会陆续放到这里。上线之前，这个位置不放占位内容。
第一个作品上线后，这里会换成它的实拍与说明。现在留白，是为了不放没有的东西。
