EffiSkill：基于代理技能的自动化代码效率优化

代码效率是软件质量的一个基本方面，但如何利用 大语言模型 (LLM) 来优化程序仍然具有挑战性。先前的方法寻求一次性重写、检索样本或基于提示的搜索，但它们没有明确提炼可重用的优化知识，这限制了超出个体实例的泛化。在本文中，我们提出了 EffiSkill，一个代码效率优化框架，它为基于 LLM 的代理构建了一个便携式优化工具箱。关键思想是将重复的从慢到快的转换建模为可重用的代理技能，捕获具体的转换机制和更高级别的优化策略。 EffiSkill采用两阶段设计：第一阶段从大规模慢/快程序对中挖掘Operator和Meta Skills，构建技能库；第二阶段通过免执行诊断、技能检索、计划组成和候选生成，将该库应用于看不见的程序，无需运行时反馈。 EffiBench-X 的结果表明，EffiSkill 实现了更高的优化成功率，在模型和语言设置上比最强基线提高了 3.69 至 12.52 个百分点。这些发现表明，机制级技能重用为免执行代码优化提供了有用的基础，并且生成的技能库可以作为更广泛的代理工作流程的可重用资源。