在 AI 加速开发过程中，算子迁移一直是一个复杂任务。

表面上看，算子迁移只是将已有实现适配到新的运行环境。

但真正开始处理时，开发者往往需要面对：

• 原有算子的实现逻辑；
• 不同运行环境之间的差异；
• 上下游调用关系；
• 性能表现变化；
• 迁移后的验证。

因此，算子迁移并不是简单修改几段代码，而是一个需要理解上下文、分析影响范围并持续验证的工程过程。

随着 AI Agent 能力的发展，越来越多开发者开始尝试让 Agent 参与这类任务。

但对于复杂工程任务来说，直接让 Agent 修改代码，并不一定是最高效的方式。

更合理的流程是：

先理解任务，再制定方案，最后执行修改。

一、为什么算子迁移需要先规划？

在简单代码修改中，Agent 可以快速完成：

• 增加一个函数；
• 修改一个接口；
• 补充一段逻辑。

但算子迁移通常涉及多个环节。

例如，一个已有算子需要适配新的运行环境。

开发者首先需要确认：

1. 当前算子的实现方式

包括：核心计算逻辑 调用入口 相关依赖。

2. 新运行环境的适配要求

例如：接口差异 编译环境变化 运行约束。

3. 修改后的验证方式

包括：功能正确性 性能表现 运行稳定性。

如果直接进入代码修改阶段，可能出现：

• 修改范围遗漏；
• 某些依赖未同步调整；
• 测试阶段才发现问题。

因此，对于算子开发这类复杂任务，执行前的任务分析非常重要。

二、AI Agent 如何辅助算子迁移？

一个更完整的 Agent 工作流程通常包括：

1. 理解代码上下文

Agent 首先需要分析：

• 当前项目结构；
• 相关代码文件；
• 模块之间的关系。

这一步的目标不是立即修改代码，而是建立对任务的理解。

2. 生成执行计划

在理解任务之后，Agent 可以进一步整理：

• 需要修改哪些文件；
• 修改顺序是什么；
• 如何验证结果。

例如：

Step 1：分析当前算子实现

Step 2：确认适配范围

Step 3：修改相关代码

Step 4：执行验证

开发者可以提前检查方案是否合理。

3. 根据计划执行修改

确认方案后，Agent 再进入执行阶段。

相比直接修改代码，规划阶段可以帮助开发者提前发现：

• 理解偏差；
• 修改范围问题；
• 潜在风险。

三、Kerminal：面向计算加速场景的 AI Agent

Kerminal 是面向计算加速场景的 AI Agent，关注算子开发、性能优化和硬件适配等工程任务。

在 Kerminal v0.8.11 中，新增 Plan Mode。

面对复杂任务时，Kerminal 会先进入规划阶段：

探索代码 👉 澄清需求 👉 生成计划  👉  等待确认  👉  执行任务

开发者可以在代码修改前查看计划内容，并根据实际需求调整。

例如：当需要将一个已有算子适配到新的运行环境时，Kerminal 可以先分析：

• 当前算子实现；
• 相关依赖；
• 适配风险；
• 修改步骤。

确认计划后，再推进后续任务。

四、除了 Plan Mode，Kerminal v0.8.11 还有哪些更新？

1. /btw 临时问答

在执行任务过程中，如果出现临时问题，可以直接插入提问。

例如：/btw 这里为什么采用这种实现？

Kerminal 会处理额外问题，同时保持当前任务上下文。

2. Skill 调用优化

优化 /skill-name 使用方式：

• 支持选中 Skill 后直接输入 prompt；
• 支持通过 Enter 调用；
• 支持与 Prompt 一起发送。

3. 其他体验优化

v0.8.11 同步优化：

• 提升昇腾服务器上的 bash 工具执行速度；
• 优化报错提示；
• 优化部分交互体验；
• 提升整体稳定性。

五、适合哪些算子开发场景？

Plan Mode 更适合：

算子迁移

需要理解：原实现；新环境差异；修改范围。

Kernel 优化

需要分析：当前性能瓶颈；优化方向；验证方式。

多文件工程修改

涉及：多模块关系；代码依赖；修改影响范围。

陌生代码库分析

面对没有上下文的项目时，可以先建立代码理解，再执行修改。

总结

对于简单代码修改，直接执行通常更高效。

但在算子开发、性能优化、硬件适配等复杂计算任务中，Agent 是否能够理解任务、规划执行路径，会直接影响最终结果。

Kerminal 希望通过 Plan Mode，让 AI Agent 更好地参与计算加速场景中的工程任务。

Kerminal v0.8.11 已上线。

欢迎体验：https://kerminal.cn/