---

name: search-workflow description: > 通过 adaptive_search 或 evolve 搜索式 workflow 生成优化算子。 后台 silent mode 执行，轮询监控进度。 argument-hint: > 必需：workflow 类型（adaptive_search / evolve）、任务文件路径、framework、backend、arch、dsl、输出路径、命令模板。 可选：devices、workflow 特定参数。

搜索式算子生成（adaptive_search / evolve）

What I do

通过 adaptive_search 或 evolve 搜索式 workflow 生成高性能算子代码。以 silent mode 后台执行，轮询监控进度。

When to use me

主 Agent 的 Phase 3 中用户选择了 adaptive_search 或 evolve 时使用。

Workflow

1. 启动

使用命令模板后台启动 @scripts/run_workflow.py，输出重定向到 run.log：

<命令模板: nohup python @scripts/run_workflow.py 的绝对路径 \
  --workflow <adaptive_search|evolve> \
  --task-file /abs/path/{op_name}.py \
  --framework <framework> --backend <backend> \
  --arch <arch> --dsl <dsl> \
  --output-path <output-path> \
  > <output-path>/run.log 2>&1 & echo $!>

记录返回的 PID。

2. 轮询监控

每隔 ~1 分钟执行：

kill -0 <PID> 2>/dev/null && echo "RUNNING" || echo "FINISHED"
tail -n 10 <output-path>/run.log

• RUNNING → 继续轮询（间隔 1 分钟）
• FINISHED → 进入结果收集

禁止擅自终止工作流

3. 结果收集

• summary.json 存在 → 读取 success 字段
• generated_code.py 存在 → 成功
• 均不存在 → 查看 run.log 末尾获取错误信息

4. 中断控制（用户要求时）

kill <PID>

中断后按「部分结果恢复」处理。

---

部分结果恢复

adaptive_search / evolve 每完成一次成功验证就会写入 <output-path>/logs/。进程被杀时已写入的文件仍在。

核心原则：只要有 passed case 就不算失败。

<output-path>/logs/
├── passed_cases/{op_name}/              # 通过验证的迭代
│   └── Iteration{id}_Step{NN}_verify/
│       └── {op_name}_{dsl}_impl.py      # 实现代码
├── {op_name}/profiling/
│   └── speed_up_record.txt              # 加速比记录
└── verification_results.jsonl

恢复步骤：

1. 检查 logs/passed_cases/{op_name}/ 是否有内容
2. 读取 speed_up_record.txt，找性能最佳记录对应的 unique_dir
3. 从 passed_cases/{op_name}/{unique_dir}/ 读取实现代码
4. 写入 <output-path>/generated_code.py

---

Workflow 参数

workflow	特点	典型耗时
adaptive_search	UCB 策略、即时递补、收敛快	10-30 分钟
evolve	岛屿模型、多样性强	15-60 分钟

adaptive_search 特定参数:

• --max-concurrent（默认 2）、--initial-tasks（默认 2）、--max-tasks（默认 10）

evolve 特定参数:

• --max-rounds（默认 3）、--parallel-num（默认 4）、--num-islands（默认 2）

---

方式 B: akg_cli 调用（替代方案）

仅当需要 --resume 恢复会话或 --worker_url 远程 Worker 时使用：

akg_cli op --task-file /abs/path/{op_name}.py \
  --intent '使用 adaptive_search_workflow 生成高性能算子' \
  --framework <framework> --backend <backend> \
  --arch <arch> --dsl <dsl> \
  --output-path <output-path> \
  --yes --no-stream