第15章 多轮优化实战

本章导读

本章是 Agent 算子层篇的高潮：让 Agent 对一个 naive kernel 跑完整的多轮优化，观察它如何从慢版本一步步优化到 3-5 倍。重点是看 Agent 的行为轨迹，以及失败时如何回退。

15.1 选一个教学算子

挑一个优化空间大的算子（如 reduction 或 matmul naive 版）作为 Agent 的优化对象。

15.2 记录每轮优化的轨迹

把 Agent 每轮的生成代码、benchmark 结果、反思内容完整落盘。

15.3 观察性能提升曲线

画出 Agent 多轮优化的性能变化，理解哪几轮提升最大、为什么。

15.4 失败回退机制

当某轮优化反而变慢或编译失败时，Agent 如何识别并回退到上一版。

15.5 和人工优化的对比

把 Agent 优化结果和人工优化的版本对比，讨论 Agent 的优势与局限。

15.6 生成对比报告

输出一份包含轨迹、性能曲线、关键决策的优化报告。

本章小结

• 本章目前是 Alpha 阶段的大纲骨架，正式正文会在对应实验跑通后补齐。
• 涉及命令、输出或性能数字的内容，后续必须在 Radeon RX 9070 XT + ROCm 7.13 / 原生 Ubuntu 24.04 上实测。
• 与本章相关的代码、日志和实验底稿会放在 code/part3-agent/chapter15/。

延伸阅读

• 待补：正式正文完成时补充对应官方文档、论文或工具链接。