Библиотека с открытым исходным кодом высококачественных файлов навыков для агентов кодирования ИИ, работающих над вычислительными ядрами.

Навыки ядра

Что это такое

Ядро-навыки - это кураторская коллекция файлов SKILL.md. Каждый файл представляет собой структурированный инженерный учебник, которому агент кодирования ИИ может следовать при написании, оптимизации, отладке или переносе вычислительных ядер.

Навыки – это продукт. Репозиторий также отправляет пакет npm ([T1]), который заворачивает их в реестр версий с небольшим API CLI и TypeScript. Используйте пакет npm, если вы хотите найти и объединить навыки сценария; в противном случае просто прочитайте или вставьте Markdown напрямую.

Что это не так

** не компилятор ядра ** - он никогда не вызывает nvcc, ptxas или hip-clang ** не является эталонным ремнем ** — он не запускает ядра и не измеряет производительность не модель, обслуживающая время выполнения ** не является автономным кодирующим агентом** ** не выполняет сгенерированный код**

Почему существует

Агенты кодирования ИИ производят значительно худший код ядра, когда им дают неопределенные подсказки.

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