两周快三倍：用 AI 调 AI 的性能功课

官方给了篇含金量很高的自述：两周之内 claude.ai 快了三倍，"怎么做到的"连方法一起公开——原帖："我们如何用 Claude 度量、调试、改进性能，prompts 与方法都在文内"（Boris Cherny 转发补充，博文在引文；产品页在文末）。 最值得记的是自举结构：AI 参与优化 AI 自己的速度——测量、定位、改动、复验的回路里，模型同时是工具与对象。性能工程由此回到流程：先测得准、再改得动、最后验得回——两周三倍是把"哪里慢"变成可测问题后的连环小步。 口径三条：①"三倍"是自家口径的数——基线、页面、网络一换倍率就重测，方法可搬数字不可搬；②这类提速往往是砍冗余、并行化、缓存与懒加载的集合，没有银弹只有清单；③"用 AI 调性能"的前提是先有可观测性——没有指标与 trace，模型再聪明也只能猜。 给要抄的三条：一，先建立"慢在哪"的测量面（火焰图、指标、真实用户样本），这是所有优化的地基；二，把 AI 放进回路的正确位置：读数据、提假设、写补丁、跑回归，四步各有验收；三，提速后设性能预算与回归门槛，别让下个功能悄悄吃回去。 两周快三倍不是模型的魔法，是把"慢"变成可测问题之后，一串小步走出来的。 claude.ai