ggml 架构总览：一个 107KB 头文件背后的纯 C 张量计算引擎
一个让人困惑的设计选择
打开 whisper.cpp 项目的ggml/include/ggml.h，你会看到一个 107KB、2830 行的纯 C 头文件。在这个 C++ 横行的时代，一个支撑着 Whisper、LLaMA 等顶级 AI 模型推理的张量计算库，居然是用纯 C 写的——没有模板、没有 RAII、没有智能指针、没有运算符重载。
更让人困惑的是，当你试图用这个库做一次矩阵乘法时，你写下的代码不会立即执行任何计算。ggml_mul_mat()返回的不是计算结果，而是一个"承诺"——一个记录着"将来要做什么"的张量节点。这个看似多余的间接层，恰恰是 ggml 在边缘设备上实现零运行时内存分配的关键。
如果你做了十年以上的系统开发，你会在这个 107KB 的头文件里看到一整套精心设计的工程哲学：用链表实现 arena 分配器、用 DAG 实现延迟求值、用 stride 数组实现零拷贝视图。这些设计不是学术炫技，而是在"4GB 内存的树莓派上跑 Whisper 实时语音识别"这个硬约束下逼出来的工程智慧。
这篇文章将带你从ggml.h的第一行开始，逐层拆解这个纯 C 张量库的完整架构——从内存池的第一个字节如何被分配，到一张计算图如何被拓扑排序后送入多线程执行器。最后，我们会亲手用 ggml API 构建一个矩阵乘法计算图并执行它，让你对整个流程有肌肉记忆级别的理解。