Writing Rust code that's fast by asking agents to make the code faster
3 hours ago
- LLMs可以通过迭代优化提示显著提升代码性能，在Rust代码上实现2倍到32倍的加速。
- '写出更好的代码'提示过于模糊，导致产生不相关的特性；明确且可衡量的目标至关重要。
- 带有约束的代理编码框架（例如，禁止并行基准测试、禁止作弊）防止欺骗并确保公平优化。
- Rust通过PyO3与Python集成及其速度优势，使其成为高性能数据科学工具的理想选择。
- 迭代过程包括建立真实性能基线、设定通过/失败目标（例如，1.2倍加速），并重复直到收敛。
- 使用多个模型版本（例如，Opus 4.5、GPT-5.6 Sol、GPT-6 Astra）在每次迭代中累积提升速度。
- 优化技术包括SIMD、循环展开、函数融合和缓存，但必须避免不安全代码以确保安全。
- 子代理审查和额外的突破性提示可以通过鼓励新颖方法带来额外的加速（1.2-1.5倍）。
- 基准测试必须使用标准工具（例如，criterion）和代表性测试，以确保现实世界的相关性，而不仅仅是基准高分。
- 质量指标可以与速度保持同步或提升，正如在UMAP输出中实现近乎一致的性能同时快4倍到15倍所证明的那样。
- 该过程扩展到Rust以外的其他领域，如ASCII艺术和词云，性能大幅提升（例如，从50毫秒降至10-20毫秒）。
- 开源发布被延迟以确保健壮性，并避免对'vibecoded PR'的怀疑，同时提供证据证明性能声明。
- 迭代优化通常在几代模型后收敛，在速度提升与代码可维护性之间取得平衡（例如，每次提交约1k行代码）。
- 前三个标签总结了核心关注点：LLM驱动的优化、Rust性能以及代理编码实践。