Kernel Agent · 中文学习手册
让 Agent 写对、写快GPU Kernel
从零理解 KDA、Humanize、TIRx、BBuf、ForgeKernel 与 skills：一套面向研究生的工程手册，把「让模型写 kernel」拆成可验证、可记录、可复用的工作流。
$kda run task --budget 8h
[plan]task.md → plan.md
[edit]kernel.cu · tile=128
[run]correctness · fail 02
[verify]reject · retry with evidence
[edit]kernel.cu · fix tail
[run]correctness · pass
[profile]ncu · 6 sections
[verify]acceptance · pass
[record]runs/0142 · keep
11
篇系统内容
10 章 + 1 篇解剖
113
条术语
中英对照
14
道动手练习
L1 – L4
持续更新
上游仍在演进
资料核对 2026.10
Learning path
一条从全景到自建的路线
先建立地图，再补基础语言，然后读五个真实案例，最后把经验沉淀成自己的 harness。四段路可以顺序走，也可以按需回看。
PHASE 01 / FOUNDATION
基础FOUNDATION
补两门语言：Agent 的循环与 harness，GPU 的执行模型与性能分析。没有 GPU 也能先读懂。
PHASE 02 / CASES
案例CASES
读 KDA 的 Coder/Verifier 分工，再看 Humanize 如何用新上下文和机械 gates 做判断、TIRx 如何把编译器变成 Agent 看得见的工具，接着看 BBuf 的经验库怎么把一线经验变成可检索的上下文，最后看 ForgeKernel 如何让被接受的 kernel 自己变成下一轮的基线，外加一篇代码级工程解剖。
PHASE 03 / ADVANCED
进阶ADVANCED
把专家经验写成可检索的 skills，再搭一个最小可行 harness，让流程可以重复，而不是靠运气。
Chapters
十章，沿着同一条主线
从理解 Agent，到让 Agent 自己写对 kernel。每一章都给出可验证的概念、案例与练习，而不是只列结论。
01 / INTRO
导读与环境
建立 Kernel Agent 的全景：它为什么出现、能做什么，以及开始前需要准备什么。
阅读本章02 / HARNESS
Agent 与 harness
把任务规格、工具循环、上下文与预算讲清楚；理解为什么 self-review 不可靠。
阅读本章03 / GPU KERNEL
GPU kernel 与性能
执行模型、roofline、prefill/decode 与 ncu 六维分析；学会正确比较 baseline 与 speedup。
阅读本章04 / KDA
KDA：让 Agent 写 kernel
Coder 实现与 profiling，Verifier 对照验收标准复核证据；draft → plan → 候选 → 记录。
阅读本章05 / HUMANIZE
Humanize：判断工程
写 / 判分离、跨厂商 reviewer、72 道机械检查；让「做完了」变成可验证的判定。
阅读本章06 / TIRX
TIRx：编译器作为工具层
MLC 开源的编译器 harness：负载契约、编译期分析、基准服务与远程执行，看 Agent 能拿到什么工具。
阅读本章07 / BBUF SKILLS
BBuf skills：经验沉淀
11 个 skill 与 118 份模型 PR 档案：一线 Infra 经验怎么变成 Agent 可检索、带审计日期的上下文。
阅读本章08 / FORGEKERNEL
ForgeKernel：自演化基线
架构先定的 M0 里程碑、teacher 与 student 两层循环，以及「被接受的 kernel 封存成下一轮参考」的自演化回路；另附代码级工程解剖。
阅读本章09 / SKILLS
Skills 与经验沉淀
把专家经验拆成触发条件、步骤、验证与失败模式；用 KernelWiki、ncu-report 支撑下一次任务。
阅读本章10 / BUILD
自建 harness
把任务规格、工具、循环、验证、记录与预算组装成最小系统，并处理成本、沙箱与 reward hacking。
阅读本章How to use
适合谁，怎么用
这不是一份 API 速查，而是一本可以按章节执行的工作手册。读完之后，你应该能判断一个 Agent 工作流是否可信，并动手做一个最小版本。
适合谁
WHO IT IS FOR- 刚开始接触 Kernel Agent 的研究生与工程师。
- 会 Python、了解深度学习基础，但 CUDA 与 ncu 经验有限。
- 想弄清 KDA、Humanize 到底怎么运转，而不只是看演示。
- 手头没有 GPU，也希望先理解流程与验证方法。
怎么用
HOW TO READ- 按章节顺序读；每章先看导语、学习目标与自检。
- 把练习当成交付物：按验收标准检查输出，而不是只看完答案。
- 遇到数字与结论，回到资料库核对来源与日期。
- 把流程改写成自己的 checklist，再替换成你的模型与工具。
先能验证，再谈优化；先写对，再写快。