这里写自定义目录标题欢迎使用Markdown编辑器一、为什么推理引擎如此重要二、PagedAttentionvLLM 的性能基石三、2026 年的四个关键优化方向3.1 推测解码用小模型猜大模型验3.2 EAGLE3草稿模型的最优解3.3 分离式 Prefill把两个阶段拆开3.4 前缀缓存跨请求共享3.5 FP4 量化进一步压缩显存四、高并发下的调度策略4.1 持续批处理Continuous Batching4.2 分块预填充Chunked Prefill4.3 负载均衡五、部署实践建议5.1 一个最小部署示例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# vLLM 推理引擎全解推测解码、分离式 Prefill 与部署提速实践一、为什么推理引擎如此重要2026 年大语言模型的参数量已普遍迈过万亿门槛MoE混合专家架构成为主流上下文窗口扩展到百万 token 级别。模型能力跃升的同时推理基础设施的压力呈指数级增长。企业不再满足于能跑起来而是追求跑得稳、跑得快、跑得省。推理引擎正是决定这三跑的关键。同样的模型用不同的推理引擎部署吞吐量可能相差数倍延迟可能相差一个数量级。在模型能力趋于同质化的今天推理效率已经成为 AI 产品的核心竞争力——它直接决定了单位 Token 成本、响应速度和可服务的并发规模。二、PagedAttentionvLLM 的性能基石要理解 vLLM先要理解它的核心架构——PagedAttention这是它一切性能优化的基础。大模型采用自回归生成模式逐 Token 生成文本每生成一个字符都需要执行一次注意力计算。为了提升速度行业通用做法是首次计算完成后将所有历史 Token 的 K、V 向量直接缓存至显存即 KV Cache后续解码过程中直接读取缓存数据跳过重复计算。但 KV Cache 有一个致命问题显存碎片化。传统方案为每个请求预留连续的显存空间但请求的实际使用量是动态变化的导致大量显存被浪费。PagedAttention 的解决方案是把 KV Cache 切分为固定大小的页Page页可以非连续存储在 GPU 显存中多个请求可以共享同一页如共享系统 Prompt 的 KV Cache从而避免了传统方案中显存碎片化的问题。PagedAttention 的价值在于它让显存利用率大幅提升从而支持更大的并发批处理最终体现在吞吐量的显著提升上。三、2026 年的四个关键优化方向在 PagedAttention 的基础上2026 年的 vLLM 叠加了四个关键优化方向推测解码、分离式 Prefill、前缀缓存、FP4 量化。3.1 推测解码用小模型猜大模型验大模型推理的最大瓶颈是内存带宽而非计算能力。每次生成一个 token都需要从显存中读取整个模型的权重——这就是所谓的memory-bound。如果一次前向传播只能产出一个 token那么吞吐量就受限于内存带宽。推测解码Speculative Decoding的核心思路是用小模型猜大模型验Draft Model草稿模型一个小而快的模型一次预测 K 个候选 tokenTarget Model目标模型大模型一次性验证这 K 个 token如果第 i 个 token 正确就接受前 i 个 token拒绝后面的从第 i1 个位置继续这样一次大模型前向传播可能产出多个 token吞吐量大幅提升。推测解码是严格无损的——被拒绝的 token 不会出现在最终输出中所以输出质量没有损失。3.2 EAGLE3草稿模型的最优解EAGLE 系列是目前推测解码中草稿模型的最佳实践EAGLE12024基于目标模型中间层特征训练草稿模型EAGLE22025改进训练策略提升草稿模型的接受率EAGLE32026引入自适应草稿长度和动态置信度阈值EAGLE3 在 vLLM 中的实测效果延迟降低 2-4 倍取决于任务类型和硬件配置输出质量无损草稿模型额外显存占用约 10-15%。对于追求低延迟的在线服务推测解码是性价比极高的优化手段。3.3 分离式 Prefill把两个阶段拆开大模型推理分为两个阶段Prefill预填充处理输入计算量大和 Decode解码逐 Token 生成内存带宽受限。这两个阶段的计算特征完全不同——Prefill 是计算密集型的Decode 是内存带宽密集型的。分离式 PrefillDisaggregated Prefill的思路是将 Prefill 和 Decode 阶段分配到不同的 GPU 上。Prefill 节点专门处理输入把计算好的 KV Cache 传给 Decode 节点Decode 节点专注于逐 Token 生成。这样每个节点都能针对自己的阶段做专门优化整体吞吐量显著提升。3.4 前缀缓存跨请求共享在实际应用中大量请求共享相同的前缀——比如系统提示词、对话历史的前半部分。前缀缓存Prefix Caching让这些共享前缀的 KV Cache 可以被跨请求复用避免了重复计算。对于聊天机器人、Agent 等场景前缀缓存的效果非常显著——系统提示词往往占输入的大部分缓存后这部分计算完全省去延迟和成本都大幅下降。3.5 FP4 量化进一步压缩显存量化是降低显存占用的重要手段。FP44-bit 浮点量化是 2026 年的新方向相比 FP16/BF16显存占用降低到原来的四分之一可以显著提升单卡可承载的模型规模和并发能力。当然量化会带来一定的精度损失需要根据业务场景权衡。四、高并发下的调度策略当并发请求从几十激增到几千甚至上万时框架自身的调度策略、显存管理、请求排队机制直接决定了服务的最终吞吐量和尾延迟。4.1 持续批处理Continuous Batching传统批处理是等一批请求到齐再一起处理效率低、延迟高。持续批处理则是在一个请求生成完一个 token 后立即把空出的位置让给新请求实现了动态的请求调度显著提升了 GPU 利用率。4.2 分块预填充Chunked Prefill长输入的 Prefill 阶段会占用大量显存和计算资源阻塞 Decode 阶段的进行。分块预填充把长输入拆成小块穿插在 Decode 之间处理避免了长输入请求霸占GPU 的问题提升了整体吞吐量。4.3 负载均衡在 Kubernetes 层面需要设计合理的负载均衡策略把请求均匀分发到多个推理实例。负载均衡要考虑实例的实时负载、显存占用、队列长度等因素避免热点实例过载。五、部署实践建议结合实战经验给读者几点部署建议第一先测基准再谈优化。部署前先跑基准测试了解当前系统的吞吐量、延迟、显存占用基线再针对性地优化。第二优化要组合使用。推测解码、前缀缓存、量化等手段可以叠加使用但要注意它们之间的相互作用。比如量化后的模型推测解码的草稿模型也需要相应调整。第三关注尾延迟。平均延迟低不代表体验好尾延迟P99才是用户体验的关键。调度策略和负载均衡的设计要优先保障尾延迟。第四成本与效果的平衡。推理优化不是越激进越好要结合业务场景权衡。离线批处理可以追求极致吞吐在线交互服务则要优先保障延迟。5.1 一个最小部署示例用 vLLM 部署一个模型服务并不复杂核心是理解几个关键参数# 启动 vLLM 服务python-mvllm.entrypoints.openai.api_server\--modelQwen/Qwen2.5-7B-Instruct\--gpu-memory-utilization0.9\# 显存利用率--max-model-len32768\# 最大上下文长度--enable-prefix-caching\# 开启前缀缓存--speculative-config{model: Qwen/Qwen2.5-0.5B}# 推测解码草稿模型这个示例展示了几个关键配置显存利用率控制避免 OOM、上下文长度限制影响 KV Cache 占用、前缀缓存跨请求共享、以及推测解码的草稿模型配置。理解这些参数的含义是部署优化的第一步。## 六、我的几点思考推理优化的本质是在算力、显存、带宽三个资源约束下找到最优的调度方案。PagedAttention 解决了显存碎片化推测解码解决了内存带宽瓶颈分离式 Prefill 解决了阶段特征差异前缀缓存解决了重复计算——每一个优化都是在某个资源维度上做文章。 从更宏观的视角看推理优化正在从单点技巧走向系统工程。2026 年的推理基础设施需要综合考虑模型、引擎、调度、硬件、成本等多个维度。对于开发者来说理解推理引擎的工作原理掌握优化的方法论比记住某个具体的优化技巧更重要。 最后不要忽视硬件选型。推理优化的效果很大程度上取决于硬件平台。在选型时要结合模型的规模、业务的并发特征、成本预算选择最合适的硬件组合。 **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1. **全新的界面设计** 将会带来全新的写作体验2. 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3. 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4. 全新的 **KaTeX数学公式** 语法5. 增加了支持**甘特图的mermaid语法[^1]** 功能6. 增加了 **多屏幕编辑** Markdown文章功能7. 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8. 增加了 **检查列表** 功能。[^1]:[mermaid语法说明](https://mermaid.js.org/intro/)## 功能快捷键撤销kbdCtrl/Command/kbdkbdZ/kbd重做kbdCtrl/Command/kbdkbdY/kbd加粗kbdCtrl/Command/kbdkbdB/kbd斜体kbdCtrl/Command/kbdkbdI/kbd标题kbdCtrl/Command/kbdkbdShift/kbdkbdH/kbd无序列表kbdCtrl/Command/kbdkbdShift/kbdkbdU/kbd有序列表kbdCtrl/Command/kbdkbdShift/kbdkbdO/kbd检查列表kbdCtrl/Command/kbdkbdShift/kbdkbdC/kbd插入代码kbdCtrl/Command/kbdkbdShift/kbdkbdK/kbd插入链接kbdCtrl/Command/kbdkbdShift/kbdkbdL/kbd插入图片kbdCtrl/Command/kbdkbdShift/kbdkbdG/kbd查找kbdCtrl/Command/kbdkbdF/kbd替换kbdCtrl/Command/kbdkbdG/kbd## 合理的创建标题有助于目录的生成直接输入1次kbd#/kbd并按下kbdspace/kbd后将生成1级标题。输入2次kbd#/kbd并按下kbdspace/kbd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 H~2~O is是液体。2^10^ 运算结果是1024.## 插入链接与图片链接:[link](https://www.csdn.net/). 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](https://mp.csdn.net/console/configBlog)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.javascript // An highlighted block var foobar;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。1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。注脚的解释 ↩︎ 
长河君 · 2026/8/27 3:55:01 · 阅读 1.2k vLLM 推理引擎全解：推测解码、分离式 Prefill 与部署提速实践
这里写自定义目录标题欢迎使用Markdown编辑器一、为什么推理引擎如此重要二、PagedAttentionvLLM 的性能基石三、2026 年的四个关键优化方向3.1 推测解码用小模型猜大模型验3.2 EAGLE3草稿模型的最优解3.3 分离式 Prefill把两个阶段拆开3.4 前缀缓存跨请求共享3.5 FP4 量化进一步压缩显存四、高并发下的调度策略4.1 持续批处理Continuous Batching4.2 分块预填充Chunked Prefill4.3 负载均衡五、部署实践建议5.1 一个最小部署示例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# vLLM 推理引擎全解推测解码、分离式 Prefill 与部署提速实践一、为什么推理引擎如此重要2026 年大语言模型的参数量已普遍迈过万亿门槛MoE混合专家架构成为主流上下文窗口扩展到百万 token 级别。模型能力跃升的同时推理基础设施的压力呈指数级增长。企业不再满足于能跑起来而是追求跑得稳、跑得快、跑得省。推理引擎正是决定这三跑的关键。同样的模型用不同的推理引擎部署吞吐量可能相差数倍延迟可能相差一个数量级。在模型能力趋于同质化的今天推理效率已经成为 AI 产品的核心竞争力——它直接决定了单位 Token 成本、响应速度和可服务的并发规模。二、PagedAttentionvLLM 的性能基石要理解 vLLM先要理解它的核心架构——PagedAttention这是它一切性能优化的基础。大模型采用自回归生成模式逐 Token 生成文本每生成一个字符都需要执行一次注意力计算。为了提升速度行业通用做法是首次计算完成后将所有历史 Token 的 K、V 向量直接缓存至显存即 KV Cache后续解码过程中直接读取缓存数据跳过重复计算。但 KV Cache 有一个致命问题显存碎片化。传统方案为每个请求预留连续的显存空间但请求的实际使用量是动态变化的导致大量显存被浪费。PagedAttention 的解决方案是把 KV Cache 切分为固定大小的页Page页可以非连续存储在 GPU 显存中多个请求可以共享同一页如共享系统 Prompt 的 KV Cache从而避免了传统方案中显存碎片化的问题。PagedAttention 的价值在于它让显存利用率大幅提升从而支持更大的并发批处理最终体现在吞吐量的显著提升上。三、2026 年的四个关键优化方向在 PagedAttention 的基础上2026 年的 vLLM 叠加了四个关键优化方向推测解码、分离式 Prefill、前缀缓存、FP4 量化。3.1 推测解码用小模型猜大模型验大模型推理的最大瓶颈是内存带宽而非计算能力。每次生成一个 token都需要从显存中读取整个模型的权重——这就是所谓的memory-bound。如果一次前向传播只能产出一个 token那么吞吐量就受限于内存带宽。推测解码Speculative Decoding的核心思路是用小模型猜大模型验Draft Model草稿模型一个小而快的模型一次预测 K 个候选 tokenTarget Model目标模型大模型一次性验证这 K 个 token如果第 i 个 token 正确就接受前 i 个 token拒绝后面的从第 i1 个位置继续这样一次大模型前向传播可能产出多个 token吞吐量大幅提升。推测解码是严格无损的——被拒绝的 token 不会出现在最终输出中所以输出质量没有损失。3.2 EAGLE3草稿模型的最优解EAGLE 系列是目前推测解码中草稿模型的最佳实践EAGLE12024基于目标模型中间层特征训练草稿模型EAGLE22025改进训练策略提升草稿模型的接受率EAGLE32026引入自适应草稿长度和动态置信度阈值EAGLE3 在 vLLM 中的实测效果延迟降低 2-4 倍取决于任务类型和硬件配置输出质量无损草稿模型额外显存占用约 10-15%。对于追求低延迟的在线服务推测解码是性价比极高的优化手段。3.3 分离式 Prefill把两个阶段拆开大模型推理分为两个阶段Prefill预填充处理输入计算量大和 Decode解码逐 Token 生成内存带宽受限。这两个阶段的计算特征完全不同——Prefill 是计算密集型的Decode 是内存带宽密集型的。分离式 PrefillDisaggregated Prefill的思路是将 Prefill 和 Decode 阶段分配到不同的 GPU 上。Prefill 节点专门处理输入把计算好的 KV Cache 传给 Decode 节点Decode 节点专注于逐 Token 生成。这样每个节点都能针对自己的阶段做专门优化整体吞吐量显著提升。3.4 前缀缓存跨请求共享在实际应用中大量请求共享相同的前缀——比如系统提示词、对话历史的前半部分。前缀缓存Prefix Caching让这些共享前缀的 KV Cache 可以被跨请求复用避免了重复计算。对于聊天机器人、Agent 等场景前缀缓存的效果非常显著——系统提示词往往占输入的大部分缓存后这部分计算完全省去延迟和成本都大幅下降。3.5 FP4 量化进一步压缩显存量化是降低显存占用的重要手段。FP44-bit 浮点量化是 2026 年的新方向相比 FP16/BF16显存占用降低到原来的四分之一可以显著提升单卡可承载的模型规模和并发能力。当然量化会带来一定的精度损失需要根据业务场景权衡。四、高并发下的调度策略当并发请求从几十激增到几千甚至上万时框架自身的调度策略、显存管理、请求排队机制直接决定了服务的最终吞吐量和尾延迟。4.1 持续批处理Continuous Batching传统批处理是等一批请求到齐再一起处理效率低、延迟高。持续批处理则是在一个请求生成完一个 token 后立即把空出的位置让给新请求实现了动态的请求调度显著提升了 GPU 利用率。4.2 分块预填充Chunked Prefill长输入的 Prefill 阶段会占用大量显存和计算资源阻塞 Decode 阶段的进行。分块预填充把长输入拆成小块穿插在 Decode 之间处理避免了长输入请求霸占GPU 的问题提升了整体吞吐量。4.3 负载均衡在 Kubernetes 层面需要设计合理的负载均衡策略把请求均匀分发到多个推理实例。负载均衡要考虑实例的实时负载、显存占用、队列长度等因素避免热点实例过载。五、部署实践建议结合实战经验给读者几点部署建议第一先测基准再谈优化。部署前先跑基准测试了解当前系统的吞吐量、延迟、显存占用基线再针对性地优化。第二优化要组合使用。推测解码、前缀缓存、量化等手段可以叠加使用但要注意它们之间的相互作用。比如量化后的模型推测解码的草稿模型也需要相应调整。第三关注尾延迟。平均延迟低不代表体验好尾延迟P99才是用户体验的关键。调度策略和负载均衡的设计要优先保障尾延迟。第四成本与效果的平衡。推理优化不是越激进越好要结合业务场景权衡。离线批处理可以追求极致吞吐在线交互服务则要优先保障延迟。5.1 一个最小部署示例用 vLLM 部署一个模型服务并不复杂核心是理解几个关键参数# 启动 vLLM 服务python-mvllm.entrypoints.openai.api_server\--modelQwen/Qwen2.5-7B-Instruct\--gpu-memory-utilization0.9\# 显存利用率--max-model-len32768\# 最大上下文长度--enable-prefix-caching\# 开启前缀缓存--speculative-config{model: Qwen/Qwen2.5-0.5B}# 推测解码草稿模型这个示例展示了几个关键配置显存利用率控制避免 OOM、上下文长度限制影响 KV Cache 占用、前缀缓存跨请求共享、以及推测解码的草稿模型配置。理解这些参数的含义是部署优化的第一步。## 六、我的几点思考推理优化的本质是在算力、显存、带宽三个资源约束下找到最优的调度方案。PagedAttention 解决了显存碎片化推测解码解决了内存带宽瓶颈分离式 Prefill 解决了阶段特征差异前缀缓存解决了重复计算——每一个优化都是在某个资源维度上做文章。 从更宏观的视角看推理优化正在从单点技巧走向系统工程。2026 年的推理基础设施需要综合考虑模型、引擎、调度、硬件、成本等多个维度。对于开发者来说理解推理引擎的工作原理掌握优化的方法论比记住某个具体的优化技巧更重要。 最后不要忽视硬件选型。推理优化的效果很大程度上取决于硬件平台。在选型时要结合模型的规模、业务的并发特征、成本预算选择最合适的硬件组合。 **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1. **全新的界面设计** 将会带来全新的写作体验2. 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3. 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4. 全新的 **KaTeX数学公式** 语法5. 增加了支持**甘特图的mermaid语法[^1]** 功能6. 增加了 **多屏幕编辑** Markdown文章功能7. 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8. 增加了 **检查列表** 功能。[^1]:[mermaid语法说明](https://mermaid.js.org/intro/)## 功能快捷键撤销kbdCtrl/Command/kbdkbdZ/kbd重做kbdCtrl/Command/kbdkbdY/kbd加粗kbdCtrl/Command/kbdkbdB/kbd斜体kbdCtrl/Command/kbdkbdI/kbd标题kbdCtrl/Command/kbdkbdShift/kbdkbdH/kbd无序列表kbdCtrl/Command/kbdkbdShift/kbdkbdU/kbd有序列表kbdCtrl/Command/kbdkbdShift/kbdkbdO/kbd检查列表kbdCtrl/Command/kbdkbdShift/kbdkbdC/kbd插入代码kbdCtrl/Command/kbdkbdShift/kbdkbdK/kbd插入链接kbdCtrl/Command/kbdkbdShift/kbdkbdL/kbd插入图片kbdCtrl/Command/kbdkbdShift/kbdkbdG/kbd查找kbdCtrl/Command/kbdkbdF/kbd替换kbdCtrl/Command/kbdkbdG/kbd## 合理的创建标题有助于目录的生成直接输入1次kbd#/kbd并按下kbdspace/kbd后将生成1级标题。输入2次kbd#/kbd并按下kbdspace/kbd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 H~2~O is是液体。2^10^ 运算结果是1024.## 插入链接与图片链接:[link](https://www.csdn.net/). 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](https://mp.csdn.net/console/configBlog)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.javascript // An highlighted block var foobar;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。1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。注脚的解释 ↩︎