SGLang revoluciona desenvolvimento ao transformar fluxos de agentes em arquivos reutilizáveis

O KDA-Pilot não é um agente que escreve código e some. É uma biblioteca de engenharia de infraestrutura para campanhas de otimização de kernels GPU no SGLang, desenvolvida por BBuf KDA-Pilot no GitHub. Ele opera como um ambiente estruturado onde modelos como o Claude Code executam loops repetidos de benchmarking, profiling com NCU, análise de traces e aplicação de patches, mas só dentro de limites rígidos: barreiras de corretude, contratos de artefato e revisão obrigatória via Humanize/RLCR. O foco não é gerar código novo, mas extrair padrões reais de desempenho a partir de execuções congeladas do SGLang, comparando de forma simétrica contra outros frameworks sob as mesmas condições de hardware, precisão e carga.

Isso resolve um problema crônico em IA de infraestrutura: a intuição falha em perfis complexos. Um kernel 'quente' no Perfetto pode ser um sintoma, não a causa. O KDA-Pilot força a decomposição em etapas objetivas, kernel table, overlap opportunity table, fuse pattern table, antes de qualquer mudança. E mesmo assim, ele reconhece seus limites: kernels fortemente computacionais (como FlashAttention-4) ainda exigem intervenção humana direta. Não é automação cega. É evidência codificada.

A cobertura anterior da CEVIU já havia mostrado que 'skills' deixaram de ser prompts genéricos e viraram estruturas de engenharia com scripts, assets e contratos de saída, como na Anthropic [[LINK:/newsletter/ceviu-ia/construindo-o-claude-code-como-a-anthropic-utiliza-skills-para-otimizar-o-desempenho-da-ia|Construindo o Claude Code]] e na API OpenAI [[LINK:/newsletter/ceviu-ia/novidade-na-api-openai-suporte-a-skills-para-fluxos-de-trabalho-reutilizaveis|Suporte a Skills]]. Agora, no SGLang, essa ideia se concretiza em produção: os SKILL.md não são documentos teóricos, mas arquivos executáveis integrados ao repositório, usados em PRs reais, com habilidades como debug-cuda-crash e sglang-diffusion-benchmark-profile já validadas em três integrações oficiais. O que era conceito virou pipeline operacional.

Porque transforma conhecimento tácito, 'como eu depuro um crash CUDA nesse modelo', em ativo reutilizável, testável e auditável. Isso reduz o custo de onboarding, evita retrabalho em incidentes repetidos e muda o papel do engenheiro: de executor manual para designer de workflows e juiz de evidência. Em ambientes de alta performance como SGLang, onde cada microsegundo conta e erros de otimização podem quebrar acurácia, ter um loop que exige NCU report, forward-pass steady-state isolation e verificação de corretude antes de qualquer merge não é luxo. É a nova linha de defesa da qualidade de infraestrutura de IA.