實戰

把 Rust 效能調校交給 AI agent:七輪迭代實測記錄

Max Woolf 只給 agent 一句「make it faster」,放手讓它自己改 Rust、自己跑 criterion benchmark。七輪下來,與其關心跑得多快,不如看看那段 loop 掀開了哪些工程現實。

字級

Max Woolf(minimaxr)做了一件挺有意思的事:他不告訴 agent 怎麼優化 Rust 程式碼,只丟一句「make it faster」,然後讓 agent 自己改、自己跑 benchmark、自己決定留不留。

七輪迭代下來,結果不是想像中那種「AI 自動寫出 SIMD 黑魔法」,反而暴露了一堆容易被忽略的工程細節。原文在 minimaxr.com/2026/09/agentic-iteration,這篇貼文在 Hacker News 上 78 分 / 38 條評論,登上了首頁。

實驗怎麼做的

Woolf 的 prompt 寫得相當克制。給 agent 的指令不是「用 SIMD 優化這段」,也不是「減少記憶體配置」,就一句開放式目標:

Make this Rust program faster.

然後 agent 自己跑一個 loop:

  1. 讀目前的程式碼
  2. 提出一個優化假設
  3. 改程式碼
  4. 跑 benchmark(原文用的是 criterion,標準 Rust bench 工具)
  5. 對比數字,留比較好的版本

一個完整的 loop 大概 5 到 10 分鐘。Woolf 設了上限:迭代 7 輪之後就停。中間不人為介入,不告訴 agent 該往哪走。

這個設計的關鍵不在 prompt 多巧妙,而在於「有沒有可靠的驗證」。benchmark 是 criterion 跑的,數字是機器讀的、機器判的。agent 不需要人告訴它「這個優化好不好」,數字自己說話。

agent 真的找到人類會漏的瓶頸嗎

七輪下來,agent 自己改出了一堆優化。挑幾個有代表性的:

第一類:記憶體配置策略

  • 把 Vec::push 換成預先配置的 Vec::with_capacity
  • 用 SmallVec 或 arena allocator 取代頻繁的小額配置
  • 字串拼接從 format! 改成 String::with_capacity 加上手動 push

第二類:零成本抽象的替換

  • 把 trait object(dyn Trait)換成 enum 分發,避開動態分派
  • 把 iterator chain 拆成顯式 loop,讓編譯器更容易內聯
  • 把 Option> 換成 Option> 這種 unsafe 但更緊湊的寫法

第三類:資料佈局

  • struct 欄位重排,讓常用欄位落在同一條 cache line
  • 用 #[repr(C)] 控制 ABI 佈局
  • 用 #[repr(align(N))] 對齊到 cache line 邊界

聽起來挺合理。但問題是:這些裡面哪些是新手想不到、哪些是老手一眼就能看出來的?

我的判斷是,前兩類基本上都是教科書等級的優化。任何一個寫過半年 Rust 的人都知道 with_capacity 比 push 快。trait object 換成 enum 也是 Rust performance wiki 第一頁就寫的內容。

真正有意思的是第三類——資料佈局。這個真的需要看 profiler 才會發現:你得知道 struct 哪個欄位熱存取、哪個欄位冷存取,才能判斷該不該重排。這次 agent 沒有真的去跑 perf,靠的是「常識假設」,命中率參差不齊。

迭代七輪之後發生了什麼

不是單調上漲。中間有兩個值得提的事件:

Plateau:第 4 輪到第 5 輪基本沒變化。agent 提出的「優化」跑出來的數字落在 benchmark 雜訊範圍內。它沒有繼續瞎改,而是換了方向。

回退:第 6 輪 agent 改了一個「看起來更優雅」的版本——把 unsafe 區塊包成 safe API。結果 benchmark 慢了 8%。agent 自己 rollback 了。

這兩件事比「agent 優化得多好」更值得討論。

第一,agent 不靠靈感,靠數字。它不知道「這個優化理論上應該快」,它只信 benchmark。所以 plateau 的時候它不硬撐,回退的時候它不嘴硬。

第二,benchmark 雜訊是個真問題。criterion 預設 5% 雜訊門檻,代表 5% 以內的優化 agent 根本分不出差別。Rust 效能工程的「最後 5%」在這種 loop 裡基本上是看不見的。

第三,安全抽象本身有代價。Rust 的 safe wrapper 不是免費的——它多了一層 bound check、多了一層 panic 分支。unsafe 寫對了是零成本,包成 safe 之後成本就回來了。這次 agent 撞上的是 Rust 安全模型的本質問題,不是它笨。

這套方法和 Cursor / Copilot 有什麼不一樣

關鍵差異不在「模型多強」,在於 loop 歸誰擁有。

Cursor 和 Copilot 的核心互動是:

  • 人寫程式碼,AI 補完
  • 人按 tab,AI 給建議
  • 人決定接不接受

Loop 的主詞是 人。AI 是工具。

Woolf 這個實驗的 loop 主詞是 agent。

  • agent 讀程式碼
  • agent 改程式碼
  • agent 跑 benchmark
  • agent 決定留不留

人只在最後看一眼結果。

agent 這次沒寫大段新功能,全是小步重寫加 benchmark 驗證。這指向一個挺反直覺的方向:未來 coding agent 的核心能力不是「寫得多快」,而是「loop 跑得多穩」。

寫程式碼是單次決策。loop 是多次決策加上狀態管理加上錯誤恢復。後者難多了。

對 Rust 效能工程意味著什麼

Rust 社群一向是「人肉摳 SIMD 位元」。你看任何一場 Rust performance talk,講者都在講怎麼手寫 unsafe、用 #[repr(align)] 對齊、用 std::arch::asm! 內嵌組合語言。

如果 agent 能把 70% 的常規優化自動化——配置策略、iterator 改寫、trait object 替換——工程師的工作會變成兩件事:

  1. 給 agent 設計 benchmark
  2. 給 agent 定義目標

不是寫程式碼本身。

這個轉變聽起來很順理成章,但有個隱藏前提:benchmark 寫得對。

benchmark 寫錯了,agent 就會瘋狂優化一個不重要的情境。你以為你讓 agent 優化「真實使用」的路徑,實際上它優化的是 benchmark 裡的 micro-task。這種 garbage in / garbage out 的問題,AI 不會自動解決。

編輯思考

這件事比「AI 寫程式碼」更值得說的是:agentic coding 的價值不來自生成能力,來自驗證閉環。

一個能自己跑測試、自己看數字、自己回滾的 agent,比一個能寫 1000 行程式碼的 agent 更接近「自動化工程師」。前者把人類的判斷力外包給機器的客觀度量,後者只是把人類的打字速度外包給機器的機率採樣。

但前提是 benchmark 寫得對——這又把鍋甩回人類身上。

更反一點的觀察:Woolf 這個實驗最大的價值,可能不是「Rust agent 能優化 Rust」,而是 展示了 agentic loop 在沒有 ground truth 的領域會失敗。Rust 效能有 benchmark 當 ground truth,所以 loop 跑得通。設計、產品決策、使用者研究——這些地方沒有 ground truth,agentic loop 直接空轉。

未來 12 到 18 個月,值得盯的不是「哪個 agent 寫程式碼更快」,而是 哪些領域能造出可靠的驗證閉環。造不出來的領域,agent 進去也是 996。

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