用Agent榨干低延時最後的性能

• URL: https://mp.weixin.qq.com/s/QJVnZ2zfB1JGhhWt9l1qDA
• Date Saved: 2026-08-18
• Source: WeChat (微信公众号)
• Tags: ai-engineering, dev-tools
• Repo: https://github.com/zjusharkyu/auto_optimization

Summary

• 受 Karpathy “auto research” 啟發，作者構建 auto_optimization 項目：讓 AI Agent 自主迭代優化高頻交易撮合引擎
• 核心閉環：evaluate.py（自動編譯+單元測試+壓測）+ program.md（進化規則）
• 用 Claude Code 接入後，30 分鐘內 20 輪迭代，將已極快的撮合延時再降 23%
• 調優對象：Tower Research 2013 QuantCup 冠軍撮合引擎（教科書級代碼）
• AI 的亮點操作：
  • 發現未緩存的 order.symbol，精準重構底層數據結構
  • 利用測試數據中買單佔比 75% 加入 branch prediction likely 優化
• 三大心得：
  1. 可測性消除幻覺（完善單元測試 + 穩定壓測）
  2. 環境噪音隔離（CPU 綁核、進程隔離）讓指標可比
  3. 提示詞引導優化方向（數據分佈特徵 + 專家原則）
• 未來方向：火焰圖自動分析熱點、Token 省流、多 Agent 並行進化（遺傳算法思路）