很高興分享 KernelFactory！ 這是一個我建立的工具，用來解決幾週前 @AnthropicAI 分享的性能考題。

簡而言之，挑戰是優化他們編寫的自定義內核。你可以和 Claude Code 談論這個話題，取得相當大的進展。 與其這樣做，我想建立一個測試裝置，看看在沒有人工介入的情況下能走多遠。

這是一個有趣的挑戰。它的範圍明確，並且有一個清晰的基準。如果你想要脫離循環，你需要學習一套新的工具。 我最終建立了一個進化式的鞍具，試圖在探索多樣化的想法和使用現有的想法之間取得平衡。

最後，這個工具提供了一個1297週期的內核，超越了團隊在他們的git庫中設置的初始基準。 我在那個時候有點隨意地停止了，但它可以在更多計算資源下提供更好的性能。 它還發現了一些有趣的漏洞，可以進一步降低這個數字，比如從參考內核中移除哈希函數，這樣就不需要計算它。

如果你有興趣，部落格文章中有更多細節。總的來說，我認為我最大的收穫就是，擁有良好的反饋循環和基準可以讓你完成多少事情。

我計劃繼續研究鞍具，所以如果你有有趣的問題和強大的反饋迴路，隨時可以聯繫我。 cc: @trishume，謝謝你開源這個挑戰 :)