企业官网建设流程全解析

1. 从"Kernel & Shader agent harness"这个标题说起

第一次看到"Kernel & Shader agent harness"这个组合，很多人会愣一下：Kernel 和 Shader 是两个听起来离得很远的词，一个偏系统底层，一个偏图形渲染，中间还夹了个"agent harness"。但如果你最近在折腾 GPU 计算、编译器后端或者图形管线自动化，就会意识到这个标题其实指向一个非常具体的工程问题——如何用一套统一的"代理执行框架"（agent harness），把内核（Kernel）和着色器（Shader）这两类本质上都是"在并行硬件上跑的小程序"的东西，纳入同一个可测试、可调优、可自动生成的闭环里。

我自己是从 LuisaCompute 和 eDSL（embedded Domain Specific Language，嵌入式领域特定语言）这条线一路摸过来的。早期做 GPU 计算，写 Kernel 用 CUDA 或 HIP，写着色器用 HLSL/GLSL，两套工具链、两套调试方式、两套性能分析流程，切换成本极高。后来接触到 eDSL 的思路——用宿主语言（比如 C++ 或 Python）直接"拼"出 Kernel 和 Shader 的 IR，再统一编译到不同后端——才发现真正卡脖子的不是语言本身，而是没有一个稳定的 harness 去驱动"生成-编译-执行-验证"这个循环。这个标题里的"agent harness"，我理解就是干这件事的：它像一个测试台架，把 agent（可以是编译器、优化器、代码生成器，甚至是 LLM 驱动的代码助手）和底层 Kernel/Shader 执行环境隔离开，让 agent 只管产出代码，harness 负责跑起来、量性能、比结果。

所以这篇博文不打算泛泛谈概念，而是围绕这个标题，把我在实际项目里踩过的坑、验证过的结构、以及"为什么这么设计"讲清楚。适合三类人看：一是正在做 GPU 计算或图形管线、想统一 Kernel 和 Shader 工作流的工程师；二是想给编译器或代码生成 agent 搭测试框架的人；三是对 eDSL、LuisaCompute 这类技术好奇、想找个切入点动手的开发者。哪怕你只是被"harness 和 agent 区别"这个热搜词绕晕了，看完也能有个清晰的判断。

2. Kernel 与 Shader 为什么值得放进同一个 harness

2.1 两者在硬件执行模型上的同源性

很多人觉得 Kernel 和 Shader 是两码事，是因为日常工具链把它们分开了：Kernel 走 CUDA/HIP/OpenCL，Shader 走图形 API。但把抽象层拉高一点看，它们执行模型高度一致——都是SIMT（单指令多线程）或SIMD 变体，都是"一个程序实例被大量线程并行执行"，都有线程层级（warp/wavefront、block/threadgroup）、都有共享内存和寄存器压力问题、都要面对分支发散（divergence）和内存合并访问（coalescing）。

我在做 LuisaCompute 相关实验时，最直观的感受是：同一个矩阵乘法的计算逻辑，写成 Kernel 和写成 compute shader，性能瓶颈几乎一样——都是 shared memory bank conflict 和 global memory 带宽。既然底层约束相同，那测试和调优的方法论就应该能复用。把两者放进同一个 harness，最大的收益是性能回归测试和正确性验证的代码只写一遍。

2.2 eDSL 让"统一"从口号变成可操作的事

光说同源性没用，得有工具支撑。eDSL 的价值就在这里：它让你在宿主语言里用普通函数调用"构造"出 Kernel 或 Shader 的 AST/IR，而不是手写字符串或独立 DSL 文件。比如你写一个for循环，eDSL 会把它记录成 IR 节点，而不是立即执行。这样同一段"生成逻辑"可以输出成 CUDA Kernel，也可以输出成 GLSL compute shader，甚至输出成 SPIR-V。

LuisaCompute 就是这类思路的代表之一，它把 Kernel 和 Shader 统一成"可调用的 device 函数"，由后端决定最终生成什么。这时候 harness 的角色就清晰了：它不关心你生成的是 Kernel 还是 Shader，它只关心"给我一个可执行的 device 函数 + 输入数据 + 期望输出"，然后负责调度、计时、比对。

2.3 agent harness 到底"harness"了什么

"harness"这个词在工程里就是"线束、台架"的意思，核心作用是约束和观测。agent harness 约束的是 agent 的行为边界：agent 只能通过 harness 提供的接口提交代码、获取执行结果，不能直接碰底层运行时。这样做有三个好处：

• 可复现：每次 agent 产出的代码都在同样的环境、同样的输入下跑，排除环境噪声。
• 可回滚：agent 改坏了，harness 层可以直接丢弃这次产物，不影响主流程。
• 可度量：harness 统一采集耗时、显存占用、正确性指标，agent 拿到的反馈是结构化的。

我见过不少团队把 agent 直接接到编译命令上，结果 agent 一抽风就污染了整个构建目录，排查半天。加一层 harness，这类问题基本消失。

3. 搭一个最小可用的 Kernel/Shader agent harness

3.1 环境准备里最容易被忽略的三件事

动手之前，先把环境理清楚。我踩过的坑集中在三处：

第一，驱动和运行时的版本对齐。GPU 计算和图形往往依赖不同的运行时组件，如果 Kernel 走一套、Shader 走另一套，版本错配会导致"Kernel 能跑、Shader 崩"这种诡异现象。我的做法是固定一个已知可用的版本组合，写进 harness 的启动检查里，不满足就直接报错退出，而不是让它跑到一半挂掉。

第二，编译缓存的隔离。eDSL 生成的代码通常要经过多级编译（IR → 目标代码 → 二进制），缓存目录如果不隔离，agent 的多次实验会互相污染。harness 应该为每次运行分配独立的临时目录，跑完即删或归档。

第三，超时和资源上限。agent 生成的代码可能死循环或爆显存。harness 必须设置 wall-clock 超时和显存上限，超了就 kill 并标记为失败。这一点在自动化循环里是保命的。

3.2 harness 的核心接口设计

一个够用的 harness，接口不需要多，我实际用下来这四个方法就能撑起大部分场景：

class KernelShaderHarness: def compile(self, device_func, target): # target: "cuda" / "glsl" / "spirv" ... def run(self, compiled, inputs, grid, block): ... def verify(self, outputs, expected, rtol=1e-5, atol=1e-6): ... def profile(self, compiled, inputs, grid, block, repeat=10): ...

compile负责把 eDSL 产出的 device 函数编译到指定后端；run负责按给定的线程网格配置执行；verify做数值比对；profile做重复执行取统计量。关键设计点是compile 和 run 分离——因为编译耗时往往远大于执行耗时，分离之后可以复用编译结果做多次 profile，agent 迭代效率能提升一个数量级。

3.3 一个具体的矩阵乘法验证例子

拿最经典的矩阵乘法举例。用 eDSL 写一个 tiled matmul 的生成函数，然后分别编译到 CUDA Kernel 和 GLSL compute shader，用同一个 harness 跑：

def gen_matmul(M, N, K, tile=16): @device_func def matmul(A, B, C): # 伪代码：tiled 实现，shared memory 缓存 ... return matmul h = KernelShaderHarness() for target in ["cuda", "glsl"]: compiled = h.compile(gen_matmul(1024, 1024, 1024), target) out = h.run(compiled, [A, B], grid=(64, 64), block=(16, 16)) assert h.verify(out, C_ref) stats = h.profile(compiled, [A, B], grid=(64, 64), block=(16, 16)) print(target, stats)

实测下来，同一份生成逻辑在两个后端都能跑通，性能差异主要来自后端优化程度，而不是算法本身。这正是统一 harness 的价值——算法正确性只验证一次，后端差异单独分析。

注意：不同后端的浮点行为可能有细微差异，verify 的容差要按后端分别设定，别用一个全局容差硬套。

4. 让 agent 真正跑起来：循环、反馈与边界

4.1 agent 在循环里扮演什么角色

harness 搭好之后，agent 就是循环里的"决策者"。它可以是简单的参数搜索器（比如自动调 tile size），也可以是更复杂的代码变换器（比如自动做循环展开、向量化），甚至可以是 LLM 驱动的代码生成器。不管哪种，agent 的输入应该是 harness 返回的结构化反馈：编译是否成功、验证是否通过、profile 的各项指标。

我自己的经验是，反馈一定要结构化，别让 agent 去解析日志文本。harness 直接返回 dict 或 dataclass，agent 拿字段做判断，稳定得多。

4.2 反馈信号怎么设计才有用

只告诉 agent"成功/失败"是不够的。有用的反馈至少包含：

有了这些，agent 才能做有依据的决策。比如 latency 高但 occupancy 低，说明线程配置不合理；latency 高且 occupancy 高，说明是内存带宽瓶颈，得改访问模式。

4.3 边界条件：哪些事别让 agent 干

agent harness 不是万能的。有几件事我坚决不让 agent 碰：一是修改 harness 本身的代码，二是访问 harness 之外的系统资源，三是绕过超时和资源限制。这些边界一旦放开，自动化循环就会变成不可控的黑盒。harness 的接口设计要天然堵死这些路径，而不是靠"约定"。

5. 实测中那些文档不会写的坑

5.1 编译缓存导致的"幽灵 bug"

有一次 agent 反复报告同一个 Kernel 性能忽好忽坏，排查了两天才发现是编译缓存命中不一致——有时候复用了旧缓存，有时候重新编译。修复方式很简单：harness 在 compile 时把生成代码的哈希作为缓存 key，哈希变了就强制重编。这个坑的教训是，缓存必须和内容绑定，不能和文件名绑定。

5.2 Shader 后端的数值精度陷阱

Kernel 后端通常默认 FP32，但某些 Shader 后端在移动端或特定配置下会默认 FP16 或做快速数学优化。同一份代码，Kernel 验证通过，Shader 却差了一截。解决办法是在 harness 里显式指定精度模式，并在 verify 时按后端设置容差。别指望"默认行为一致"。

5.3 线程网格配置的隐性约束

不同后端对 grid/block 维度有不同上限。CUDA 的 block 最大 1024 线程，某些图形后端限制更严。harness 在 run 之前应该做一次配置合法性检查，把非法配置在提交前拦下来，而不是等运行时崩。这个检查我一开始没做，结果 agent 生成的配置有一半是无效的，浪费了大量编译时间。

5.4 profile 的统计噪声

单次执行耗时波动很大，尤其是小规模问题。harness 的 profile 必须做多次重复并取中位数或最小值，同时报告方差。我一般 repeat 至少 10 次，先跑 2 次预热丢弃，再取统计。不做这一步，agent 会被噪声带偏，优化出"看起来快"但实际没用的方案。

6. 从热搜词看这个方向的真实需求

把标题和那串热搜词放一起看，能读出不少信息。"高通 caf kernel"、"linux kernel programming pdf 下载"说明底层 Kernel 开发依然是刚需；"unity shader"、"unity 二次元 shader"、"unity shader npr 卡通渲染"说明 Shader 侧的需求集中在图形渲染和风格化；"harness 和 agent 区别"说明很多人对这两个概念还在混淆——简单说，agent 是干活的，harness 是管干活的环境；"eDSL"、"LuisaCompute"则指向统一编程模型这条技术路线。

这些需求交汇在一起，恰好就是"Kernel & Shader agent harness"要解决的问题：用一套框架，同时服务底层计算和图形渲染两类并行程序的自动化生成与验证。我个人判断，这个方向接下来会越来越多地出现在编译器、图形引擎和 AI 辅助编程的交叉地带。

7. 我实际用下来的一些体会

搭这套东西最耗时的不是写 harness 本身，而是定义清楚 agent 和 harness 的契约。契约模糊，agent 就会做出各种意料之外的操作，harness 疲于应付。我的做法是先把接口冻结，用几个手工构造的 agent 跑通全流程，确认反馈信号够用，再放开让自动化 agent 接入。

另一个体会是，别追求一步到位支持所有后端。先把一个 Kernel 后端和一个 Shader 后端跑通，验证统一抽象站得住脚，再扩展。我一开始想同时支持四五个后端，结果每个都半吊子，反而拖慢了进度。收敛到两个后端之后，抽象层的设计问题很快暴露出来，改起来也快。

最后分享一个小技巧：harness 每次运行都落一份结构化日志（JSON 就行），包含生成代码哈希、编译参数、执行配置、各项指标。agent 迭代几十轮之后，这份日志就是最好的分析素材，能看出哪些参数组合有效、哪些方向是死胡同。这比事后凭记忆复盘靠谱得多。