少装工具多提问：Snowflake 的 agent 写出了超 FA3 的内核

GPU 内核优化的 agent 化，业内一直卡在两头：脚本化 agent 高效但只会套预设配方，开放式 agent 自由发挥却慢、错得多（三到五成候选根本不正确）。Snowflake AI Research 与卡内基梅隆大学的 KernelSeek 给出的诊断很妙：缺的不是更多信息，而是方向，也就是「性能差距到底在哪」的假设。补方向的方式，是提问。

KernelSeek 的结构有三件套：一个最小评估 harness，用 Stop hook 强制可验证目标（校验正确性、计时）；一个不预消化工具的通用编码 agent；以及一套在决策点抛出的问题库，101 条核心问题分十组，覆盖 Ampere、Hopper、Blackwell 清单和注意力插件。提问的时机被严格定义：攻坚开始、进展停滞、agent 宣称到达极限、出现可疑的大幅提升、正确性异常。前期由人提问，后期 agent 用题库自我提问。

任务设定足够硬核：为 Hopper 和 Blackwell 写无依赖的单文件 FlashAttention 前向内核，不碰 CUTLASS、CuTe、cuBLAS、cuDNN，覆盖 vLLM 场景面，每个架构 182 个场景（fp8、paged、GQA、因果掩码等），以 FA3 和 FA4 为参照。

对照实验把方法的价值拍在了桌上：装备齐全的自主 agent（133 步、约 62 个模型小时、660 美元 API 费）在 26 个配置上止步于 FA3 的 0.48 到 0.50 倍；KernelSeek 同硬件同周期做到 1.13 倍，26 个配置里 22 个达到或超过 parity。最终内核 fa3_hopper.cu 约 3,600 行，达 FA3 的 1.16 倍；fa4_blackwell.cu 约 10,200 行，达 FA4 的 1.46 倍（几何平均），对比含 cuDNN、FlashInfer 在内的最快可用实现也有 1.10 倍和 1.07 倍。全部代码由 agent 经 Claude Code 和 Cursor 写成（Claude Opus 驱动），16 个会话、162 条人类消息、11,532 次工具调用。

最有启发的是复盘发现：每一次大的性能跃升，背后都是一个改变思考层面或质疑其宣称极限的问题，而不是提供新信息。内核、harness、题库和全部 trace 以 Apache 2.0 开源，做 agent 工作流的团队，题库本身可能比内核更值得抄。