컴퓨팅 커널에서 일하는 AI 코딩 에이전트를위한 고품질 기술 파일의 오픈 소스 라이브러리.

---

커널 스킬

그것이 무엇인지

커널 스킬은 SKILL.md] 파일의 큐레이터 컬렉션입니다. 각 파일은 AI 코딩 에이전트가 작성, 선택, 디버깅, 또는 계산 커널을 지정할 때 수행 할 수있는 구조 엔지니어링 플레이북입니다.

기술은 제품입니다. 저장소는 npm 패키지 (@krxgu/kernel-skills])를 발송하여 작은 CLI 및 TypeScript API로 버전 레지스트리에서 포장합니다. 스크립트 기술 발견과 번들링을 원한다면 npm 패키지를 사용하십시오. 그렇지 않으면 Markdown을 직접 읽거나 붙여 넣으십시오.

그것은 아닙니다

• ** 커널 컴파일러가 아닙니다 ** - nvcc, ptxas 또는 hip-clang을 호출하지 않습니다.
• ** 벤치 마크 하네스 ** - 커널을 실행하거나 성능 측정하지 않습니다.
• **모델 보존 런타임 없음 **
• ** 자율 코딩 에이전트**
• ** 생성된 코드를 실행하지 않음 **

---

왜 존재

AI 코딩 에이전트는 vague 프롬프트를 부여 할 때 실질적으로 커널 코드를 생성합니다.

An open source library of high quality skill files for AI coding agents working on compute kernels.

---

kernel-skills

What it is

kernel-skills is a curated collection of SKILL.md files. Each file is a structured engineering playbook that an AI coding agent can follow when writing, optimizing, debugging, or porting compute kernels.

The skills are the product. The repository also ships an npm package (@krxgu/kernel-skills) that wraps them in a versioned registry with a small CLI and TypeScript API. Use the npm package if you want to script skill discovery and bundling; otherwise just read or paste the Markdown directly.

What it is not

• not a kernel compiler — it never invokes nvcc, ptxas, or hip-clang
• not a benchmark harness — it does not run kernels or measure performance
• not a model-serving runtime
• not an autonomous coding agent
• does not execute generated code

---

Why it exists

AI coding agents produce substantially worse kernel code when given vague prompts. They skip constraint gathering, choose incorrect tile strategies, ignore boundary conditions, make unsupported performance claims, and produce code that looks plausible but fails on real hardware.

Structured skill files change this. A well-authored skill forces the agent to:

• gather the right constraints before writing a single line of code
• choose the correct algorithm and memory strategy for the workload
• reason explicitly about correctness risks and edge cases
• avoid cargo-cult optimization and fake performance claims
• explain tradeoffs with technical precision
• know when a custom kernel is not the right answer

This repository exists to provide those skill files at expert quality, openly, for any agent and any workflow.

---

Measured impact

Same model. Same prompt. One difference: a kernel skill file. The naive softmax kernel fails on overflow and large shapes. The skill-guided version stays correct and bandwidth-competitive.

Correctness: pass / fail matrix