mit-han-lab/kernel-design-agents

来源：https://github.com/mit-han-lab/kernel-design-agents

Kernel Design Agents

Kernel Design Agents (KDA) 是一种以智能体为中心的工作流程，利用编码智能体对性能敏感的 CUDA 内核任务进行研究、实现、验证和迭代。

本仓库记录了早期的研究原型，目前仍在积极开发中（我们期待社区的反馈！）。如果您对 HAN Lab Mafia 在 MLSys Kernel Contest 中排名第 1~3 名的方案感兴趣，请参考 mit-han-lab/mlsys2026-flashinfer-contest (https://github.com/mit-han-lab/mlsys2026-flashinfer-contest) 进行性能评估和复现。

目录

开始使用

在启动智能体会话之前，请先安装工作流程依赖项：

``bash git clone –recurse-submodules https://github.com/mit-han-lab/kernel-design-agents.git cd kernel-design-agents

链接技能

mkdir -p ~/.claude/skills ln -s “(pwd)/skills/ncu-report-skill" ~/.claude/skills/ncu-report-skill ln -s "(pwd)/skills/KernelWiki” ~/.claude/skills/KernelWiki

或直接克隆技能

mkdir -p ~/.claude/skills && cd ~/.claude/skills git clone https://github.com/mit-han-lab/ncu-report-skill.git git clone https://github.com/mit-han-lab/KernelWiki.git ``

通过 Claude Code 插件 UI 安装 humanize 插件：

text /plugin marketplace add PolyArch/humanize /plugin install humanize@PolyArch

最小流程

1. 为目标任务创建一个独立的实现工作空间。
2. 定义任务契约：目标、约束、验证命令和晋升标准。
3. 在实现工作空间中启动一个智能体会话。
4. 将 prompts/basic-flow.md 填充任务特定的细节后交给智能体。
5. 要求智能体在实现工作空间的 docs/draft.md 中编写简短的草稿计划。
6. 将草稿转换为可执行的计划，可以手动完成，也可以使用像 Humanize 这样的规划工具。
7. 以小迭代方式实现，每次有意义的更改后进行验证。
8. 记录候选方案、基准测试或评估结果、性能分析证据以及最终的晋升决策。

该工作流程特意独立于任何单一的基准测试框架或硬件目标。下游任务可以添加自己的评估器、数据集、性能分析工具和领域特定的参考资料。

推荐的工作空间布局

将此仓库作为参考资料，然后在其他地方进行实现工作：

text task-workspace/ docs/ draft.md plan.md runs/ outputs/ profile/ benchmark.csv candidates.jsonl

具体文件可以根据领域而变化。重要的规则是：智能体需要记录足够的上下文，以便另一位工程师能够理解尝试了什么、通过了哪些验证、以及为什么选择最终的候选方案。

Yuchen Jin (@Yuchenj_UW): Databricks 在 NVIDIA 的 SOL-ExecBench 内核排行榜的 L1 单操作赛道中排名第一，这得益于 KDA (Kernel Design Agents) 🎉

令人难以置信的是：我们 100% 利用 AI 智能体击败了竞争对手。

这是递归自我改进的一个预演。核心