内容简介：
AI 编程正在经历一次范式转变: 从“一个智能体、不停手敲 prompt”的 vibe coding, 走向“很多智能体、一个高层目标”的自动化循环。
但今天绝大多数这样的循环, 本质上仍是写死的脚本:控制流固定、状态散落、过程不透明, 既难检视、难复现, 也难分享。更关键的问题是: 这种循环究竟能不能啃下真正硬核的系统代码?
本次分享给出一个肯定的回答。我们把“构建-评审”循环工程化为开源运行时 Humanize: 一个 LLM 负责实现、另一个独立 LLM 负责评审, 而人始终是架构师。基于它的 KDA 项目, 在 MLSys'26 的FlashInfer 内核竞赛(200+ 支队伍) 中拿下前三, 自动写出的 Blackwell GPU kernel 相比官方基线最高快19.1倍。
分享将拆解这套循环方法、它在真实系统代码上的战绩, 以及支撑它的开源运行时如何把“循环”本身做成一个有类型、可观测、可组合的系统。
嘉宾：
刘思皓 是 UCLA 计算机科学系博士候选人 (即将毕业)， 隶属 PolyArch 体系结构研究组；即将加入 NVIDIA Research 担任研究科学家 (Graduating PhD; Incoming Research Scientist, NVIDIA)。本科毕业于西安交通大学电气工程专业 (2019)。研究方向为计算机体系结构, 聚焦领域专用加速器 (DSA)、空间/数据流架构、FPGA 原型与 VLSI、以及加速器编译器的自动化生成; 近期工作转向“用 AI 智能体自动化硬件与系统软件开发”。其代表作 DSAGEN (ISCA 2020) 等累计被引 800+; 曾多次入选 IEEE MICRO Top Picks, 并获 IEEE MICRO 最佳论文亚军 (2022)。他是开源智能体开发运行时 Humanize 的作者。个人主页：https://web.cs.ucla.edu/~sihao/。
主持人：
杨峻骁，清华大学博士生，研究兴趣包括可信大模型和智能体系统，以第一作者在ICLR、ACL等会议发表多篇论文，以核心贡献者参与的开源项目获github 9k+ star。个人主页：https://yangjunx21.github.io/。
