実践

AIエージェントにRustコードの最適化を任せたら起きたこと──7回イテレーションの実録

minimaxr氏がエージェントに「make it faster」とだけ投げて自己最適化させた実験。7回のループで明らかになったのは、目に見える改善よりもその過程で露出したエンジニアリング上の盲点だ。

文字サイズ

Max Woolf(minimaxr)氏がちょっとした実験をやった。Rustコードをどう速くするかは一切教えず、エージェントに「make it faster」とだけ伝える。あとはコード変更もbenchmark実行も、改善採用か破棄かも、すべてエージェント自身に任せる。

7回のイテレーションを回した結果、「AIがSIMDの黒魔術を自動生成」みたいな絵物語にはならなかった。代わりに、普段見過ごされがちなエンジニアリングの細部が次々と顔を出す。原文は minimaxr.com/2026/09/agentic-iteration/ で、Hacker Newsでは78点・コメント38件でフロントページに載った。

実験の組み立て

Woolf氏のプロンプトはかなり絞られている。「SIMDを使え」でも「メモリ割り当てを減らせ」でもなく、オープンな目標をエージェントに与えるだけだ:

Make this Rust program faster.

その上で、エージェントは以下のループを自分で回す:

  1. 現在のコードを読む
  2. 最適化の仮説を立てる
  3. コードを書き換える
  4. benchmarkを走らせる(原文ではRust標準の criterion を使用)
  5. 数値を比較し、良い方を残す

1ループあたり5〜10分。Woolf氏は上限を設けて、7回イテレーションしたら止める。途中で人手による介入は一切しないし、どの方向に進むべきかも教えない。

この設計の肝はプロンプトの巧拙ではなく、「信頼できる検証手段があるか」にある。benchmarkは criterion が走らせ、数字は機械が読み、機械が判定する。エージェントは「この最適化が良いか悪いか」を人間に聞く必要がない。数字がすべてを決める。

エージェントは本当に人間が 놓치는ボトルネックを見つけられるのか

7回のイテレーションで、エージェントはさまざまな最適化を自分で施した。代表的なものをいくつか挙げる。

カテゴリ1: メモリ割り当て戦略

  • Vec::push をプリ allocated 版 Vec::with_capacity に置換
  • 頻発する小サイズ割り当てを SmallVec や arena allocator に置換
  • 文字列連結を format! から String::with_capacity + 手動pushに変更

カテゴリ2: ゼロコスト抽象の置き換え

  • trait object(dyn Trait)をenumディスパッチに置き換え、動的ディスパッチを回避
  • iterator chainを明示的なloopに分解し、コンパイラがインライン化しやすくなる
  • Option> を Option> のようなunsafeだがコンパクトな実装に変更

カテゴリ3: データレイアウト

  • struct内のフィールドを並べ替え、よく使われるフィールドを同一cache lineにまとめる
  • #[repr(C)] でABIレイアウトを制御
  • #[repr(align(N))] でcache line境界にアラインメント

どれももっともらしい。ただし問題は、これらのうちどれが初心者には思いつかない類で、どれが玄人なら一目で分かる類かだ。

筆者の見立てでは、カテゴリ1と2はほぼ教科書に載っているレベルの最適化だ。Rustを半年書いた人間なら誰でも with_capacity が push より速いことを知っているし、trait objectをenumに置き換える話は Rust performance wiki の最初のページに書いてある。

本当に興味深いのはカテゴリ3──データレイアウトの方。これは実際にprofilerを走らせないと見つからない代物だ。どのフィールドがホットでどれがコールドかを把握して初めて、並べ替えるべきか判断できる。今回のエージェントは perf を実際に走らせたわけではなく、「常識レベルの仮説」に頼っていたため、ヒット率はまちまちだった。

7回イテレーション後に何が起きたか

結果は単調増加ではなかった。途中で語っておくべきイベントが2つある。

Plateau: 第4イテレーションから第5イテレーションにかけて、ほぼ変化がなかった。エージェントが提案した「最適化」は benchmark のノイズ範囲内に収まっていた。エージェントはむやみに手を動かすのではなく、方向を切り替えた。

ロールバック: 第6イテレーションで、エージェントは「よりエレガントに見える」版──unsafeブロックをsafe APIで包む形──に変更した。結果、benchmark は8%遅くなった。エージェントは自前でロールバックした。

この2つの出来事こそ、「エージェントがどれだけ最適化できたか」よりも議論に値する。

第一に、エージェントはインスピレーションではなく数字で動く。「この最適化は理屈上速いはず」とは思わず、benchmarkだけを信じる。だからplateauで意地をはらないし、rollbackで意地を張らない。

第二に、benchmarkノイズは本物の問題だ。criterion のデフォルトでは5%のノイズ閾値がある。つまり5%以内の改善はエージェントには判別できない。Rust性能チューニングで言う「最後の5%」は、この種のループでは基本的に不可視だ。

第三に、安全な抽象にはそれ自体コストがある。Rustのsafe wrapperはタダではない──bound checkが一層増え、panic分岐が一層増える。unsafeで正しく書けばゼロコストだが、safeにwrapするとコストが戻ってくる。今回エージェントがぶつかったのはRustの安全性モデルに内在する問題で、エージェントが愚かなわけではない。

Cursor / Copilotとの違いは何か

決定的な違いは「モデルがどれだけ賢いか」ではなく、ループの主語が誰かにある。

CursorやCopilotの中心的なインタラクションはこうだ:

  • 人がコードを書く、AIが補完する
  • 人がtabを押す、AIが提案を出す
  • 人が採用するか決める

ループの主語は人だ。AIは道具。

Woolf氏の実験ではループの主語は agent。

  • agentがコードを読む
  • agentがコードを変える
  • agentがbenchmarkを走らせる
  • agentが採用か破棄かを決める

人間は最後に結果を見るだけ。

今回はエージェントが大規模な新機能を書いたわけではなく、すべて小さな書き換えとbenchmark検証の組み合わせだった。これは少し直感に反する方向性を示している。 coding agent の核となる能力は「どれだけ速く書けるか」ではなく、「どれだけ安定してloopを回せるか」だ。

コードを書く行為は単発の意思決定だ。loopは複数回の意思決定 + 状態管理 + エラーリカバリで構成される。後者の方が圧倒的に難しい。

Rust性能エンジニアリングにとっての意味

Rust界隈は伝統的に「人力でSIMDのバイトをカリカリ削る」文化だ。Rustのperformance talkをどれか見れば、登壇者は必ずunsafeの手書き、#[repr(align)] でのアラインメント、std::arch::asm! でのインラインアセンブリを語っている。

仮にエージェントが定形的な最適化の70%を自動化できるとすれば──割り当て戦略、iterator書き換え、trait object置換など──エンジニアの仕事は以下の2つに集約される:

  1. agentのためにbenchmarkを設計する
  2. agentのために目標を定義する

コード自体を書くことは含まれない。

このシフトは一見ごく自然に聞こえるが、隠れた前提がある。benchmarkが正しく書けているかだ。

benchmarkを誤って書けば、エージェントは重要でないシナリオを猛烈に最適化してくれる。「実用パス」を最適化してほしいつもりで指示を出しても、実際にはbenchmark内のmicro-taskを最適化しているだけ、ということになる。この garbage in / garbage out な問題はAIが勝手に解決してくれるわけではない。

編集後記的な考察

この話で「AIがコードを書く」よりも注目すべきは、agentic codingの価値は生成能力ではなく検証の閉ループから生まれるという一点だ。

自分でテストを走らせ、自分で数字を読み、自分でロールバックできるエージェントは、1000行のコードを書けるエージェントよりも「自動化されたエンジニア」に近い。前者は人間の判断力をマシンの客観的メトリクスに外注しているのに対し、後者は単に人間のタイピング速度をマシンの確率サンプリングに外注しているだけだ。

ただし前提はbenchmarkが正しいこと──ここにきて責任が人間に戻ってくる。

もう少し反骨のある見方をすれば、Woolf氏の実験の最大の価値は「RustエージェントがRustを最適化できること」ではなく、ground truthのない領域でagentic loopが失敗することを示す点にあるかもしれない。Rust性能にはbenchmarkというground truthがあるからloopが回る。デザイン・製品判断・ユーザー研究──こうした領域にはground truthがなく、agentic loopは空転する。

今後12〜18ヶ月で見張っておくべきは「どのエージェントがより速くコードを書くか」ではなく、どの領域で信頼できる検証閉ループを構築できるかだ。構築できない領域にagentを投入しても、徒労に終わるだけ。

出典: https://minimaxir.com/2026/09/agentic-iteration/