本文由一位拥有3年自动驾驶行业经验的工程师分享中间件开发心得。文章对比了ROS2、CyberRT和自研中间件的优劣，指出自动驾驶系统对确定性、低延迟的特殊要求。作者通过具体场景分析（如120km/h时速下的刹车响应）说明传统中间件的不足，详细拆解了自动驾驶中间件的核心模块设计，包括通信层、调度层和运维层等关键组件。文章特别强调零序列化、零侵入和可观测性三大设计原则，分享了HyperFlow中间件的

本文聚焦让自动驾驶系统从"能跑"到"可靠"的三大能力：层次化状态机（HFSM）支持事件触发、超时自动转换、muParser条件表达式守卫三种转换方式，并通过共享内存输出sys.state与Trigger通知深度集成框架；诊断系统参考AUTOSAR DTC管理，通过DiagComponent上报故障/恢复、稳定性判断防误报、DTC位图对接MCU；进程管理提供ProcessManager自动启停重启、

本文深入拆解自动驾驶中间件通信层的设计与实现。以点云、图像等高频大数据场景的拷贝开销为切入点，阐述共享内存零拷贝的必要性。核心介绍了 DataQueue 环形缓冲区设计——一写多读、frameid 帧号追踪、READ_LATEST/READ_NEXT 两种读取模式，以及零拷贝读取的陷阱（异步访问、多写者冲突）。跨进程通信采用 shm_open 共享内存文件 + POSIX 实时信号通知 + Tri

本文聚焦自动驾驶中间件的数据录制与回灌系统，从实际调试场景出发阐述其"灵魂级"价值——精确复现bug、离线调参、回归测试。剖析三大核心挑战：时序控制、时间源切换、零侵入。HyperFlow 采用 Snapshot 快照驱动回灌方案，在模块的 Read/Write 操作中透明拦截记录帧号与读写模式，形成"节拍器"驱动回灌节奏；通过 frameid 精确匹配而非时间戳，保证数据一致性；通过 sys.t

WebRTC 最有价值的并非 PeerConnection，而是其背后精心调优的 MediaEngine。本文详解如何绕过 PeerConnection 的 SDP 协商模型，直接使用 ChannelManager 和 MediaEngine 构建自定义音视频通道。从创建 MediaEngine、理解 ChannelManager 职责、自定义 BaseChannel 实现 MediaChanne

本文介绍了一种基于WebRTC底层能力构建轻量级SFU视频会议系统的创新方法。通过摒弃标准PeerConnection+SDP协商模式，保留WebRTC核心的MediaEngine（包含编解码器、音视频处理等关键功能），同时采用KCP over UDP替代ICE/DTLS/SRTP传输方案，显著降低了系统复杂度和延迟。系统采用Publish/Subscribe模型替代SDP协商，实现了按需推拉流控

本文围绕自动驾驶中间件的调度层展开，从操作系统视角分析三种调度模型（一线程一模、线程池、协程）的优劣，阐述选择 marl 协程库的理由——M:N调度、轻量切换（~100ns）、跨平台、零依赖。详解 HyperFlow 的调度架构：每个 Module 运行在 marl Fiber 中，支持定时、事件驱动、混合三种模式，核心运行循环通过 marl::Event 实现挂起/唤醒。深入拆解 NotifyT

本文围绕自动驾驶中间件的调度层展开，从操作系统视角分析三种调度模型（一线程一模、线程池、协程）的优劣，阐述选择 marl 协程库的理由——M:N调度、轻量切换（~100ns）、跨平台、零依赖。详解 HyperFlow 的调度架构：每个 Module 运行在 marl Fiber 中，支持定时、事件驱动、混合三种模式，核心运行循环通过 marl::Event 实现挂起/唤醒。深入拆解 NotifyT

上一篇聊了 CvEditor 的架构设计，这篇来聊更实际的问题：怎么写一个节点？从一个最简单的模糊节点开始，逐步过渡到需要加载模型的 YOLO 检测节点和带状态的跟踪节点。每个示例都附完整代码和我的踩坑经验。