external-mindstudio-skills

Plugin external-mindstudio-skills from marketplace awesome-ascend-skills in ascend-ai-coding/awesome-ascend-skills. Commands read from the repo's manifest — 30 days ago.

Skills (191)

• create-pr

  Creates GitHub pull requests with properly formatted titles that pass the check-pr-title CI validation. Use when creating PRs, submitting changes for review, or when the user says /pr or asks to create a pull request.

• skill-creator

  Create new skills, modify and improve existing skills, and measure skill performance. Use when users want to create a skill from scratch, edit, or optimize an existing skill, run evals to test a skill, benchmark skill performance with variance analysis, or optimize a skill's description for better t

• external-cannbot-graph-torch-custom-ops-guide

  自定义算子入图完整指南。覆盖从零开发、Eager 算子适配 npugraph_ex 图模式（torch.library.custom_op

• torch-npugraph-ex-compile-error-diagnosis

  PyTorch 昇腾 NPU npugraph_ex 编译期报错诊断。覆盖 torch.compile 触发后 TorchDynamo /

• external-cannbot-graph-torch-npugraph-ex-dfx-triage

  PyTorch 昇腾 NPU npugraph_ex DFX 问题分诊入口。统一执行首轮全量日志收集与最少闭环信息核对，按报错栈和现象将问题路由到

• external-cannbot-graph-torch-npugraph-ex-knowledge

  npugraph_ex（aclgraph）模式使用指南。采用 Capture & Replay 方式将算子任务下沉至 Device 执行，减少

• torch-npugraph-ex-runtime-error-diagnosis

  PyTorch 昇腾 NPU npugraph_ex 运行时报错诊断。覆盖 ACL graph 已 capture 成功之后，replay

• external-cannbot-graph-torch-npugraph-ex-template

  npugraph_ex 模式的 MRE（最小可复现示例）代码模板。包含标准 npugraph_ex 编译模板和 npugraph_ex 编译缓存（cache_compile）模板。触发：当用户需要从零生成

• external-cannbot-model-model-infer-fusion

  基于 PyTorch 框架的昇腾 NPU 模型推理融合算子优化技能。分析模型代码，识别可替换为 torch_npu 融合算子的计算模式，生成替换方案。触发场景：torch_npu

• external-cannbot-model-model-infer-graph-mode

  基于 PyTorch 框架的昇腾 NPU 模型推理图模式适配技能。将模型适配到 torch.compile 图模式以加速推理性能。触发场景：npugraph_ex

• external-cannbot-model-model-infer-kvcache

  基于 PyTorch 框架的昇腾 NPU 模型推理 KVCache 优化技能。分析和优化 LLM 文本推理模型中的 KVCache 实现，包括连续缓存、分页注意力（Paged

• external-cannbot-model-model-infer-migrator

  基于 PyTorch 框架的昇腾 NPU 模型推理适配与部署基线技能。从 HF 链接或本地模型代码出发，按 cann-recipes-infer

• external-cannbot-model-model-infer-multi-stream

  基于 PyTorch 框架的昇腾 NPU 模型推理多流整网优化技能。用于分析和实施模型的多流优化、双流、stream overlap、控核与

• external-cannbot-model-model-infer-parallel-analysis

  基于 PyTorch 框架的昇腾 NPU 模型推理并行策略分析技能。分析模型架构参数和昇腾硬件规格，推荐最优的 TP/EP/DP 并行配置（parallel_config）。触发场景：新模型需要确定并行策略、现有配置需要优化、部署卡数或硬件变更后需要重新评估。输出为结构化的

• external-cannbot-model-model-infer-parallel-impl

  基于 PyTorch 框架的昇腾 NPU 模型推理并行切分实施技能。根据已确认的 parallel_config，实施模型代码的并行化改造，包括并行线性层替换、MoE

• external-cannbot-model-model-infer-precision-debug

  基于 PyTorch 框架的昇腾 NPU 模型推理精度问题诊断技能。当前主要覆盖 KVCache / FlashAttention 相关精度问题，包括

• external-cannbot-model-model-infer-prefetch

  基于 PyTorch 框架的昇腾 NPU 模型推理权重预取优化技能。为模型添加 torch_npu.npu_prefetch 特性以优化推理性能。触发场景：profiling

• external-cannbot-model-model-infer-runtime-debug

  基于 PyTorch 框架的昇腾 NPU 模型推理运行时错误诊断与修复技能。系统化排查模型加载、初始化、推理执行全链路的运行时错误，包括

• external-cannbot-model-model-infer-superkernel

  基于 PyTorch 框架的昇腾 NPU 模型推理 SuperKernel 适配技能。当用户需要启用 SuperKernel 算子二进制融合技术优化昇腾

• tilelang-api-best-practices

  TileLang Ascend API 使用最佳实践。提供内存分配、数据搬运、矩阵计算、归约、元素级运算、同步、调度原语等 API 的正确用法和最佳实践。触发：使用

• external-cannbot-ops-lab-tilelang-skills-tilelang-op-design

  根据算子需求生成 TileLang-Ascend 算子设计文档（design.md）。涵盖编程模式选型（Developer/Expert/混合）、API

• tilelang-op-developer

  基于设计文档生成 TileLang-Ascend 算子实现代码与测试。从 design.md 中提取关键信息，结合 examples/ 中的参考实现生成可运行代码。触发：实现算子、写

• tilelang-programming-model-guide

  TileLang Ascend Developer/Expert 模式选择与 pass_configs 配置指南。当需要确定编程模式、配置

• external-cannbot-ops-lab-tilelang-skills-tilelang-review

  检查代码格式是否符合 CI 规则。适用于 TileLang NPU kernel 开发时的代码规范检查和格式化。自动检测并安装缺失工具（ruff、clang-format），先运行检查生成报告，使用醒目方式询问用户后，仅在用户同意时执行修复。工作流程：检测环境→自动安装缺失工具→运行检查→生成报告→醒目询问→用户确认→执行修复。使用此技能当：用户要求"格式检查"、"格式化代码"、"代码格式化"、"检查代码格式"、"代码

• external-cannbot-ops-aiss-tiling-solver

  使用 AISS-TilingSolver 工具自动求解 Ascend C 算子（MatMul / Vector）的最优 Tiling 参数，包括下载安装、构造

• external-cannbot-ops-ascendc-api-best-practices

  Ascend C API 使用最佳实践。提供算术、归约、数据搬运、Buffer管理、精度转换等 API 的正确用法和限制说明。触发：用户询问具体

• external-cannbot-ops-ascendc-blaze-best-practice

  Matmul/Cube/GEMM/BMM 单算子直调生成（Blaze/tensor_api 路径）。当用户提到 Blaze 时必须使用此

• external-cannbot-ops-ascendc-code-review

  Ascend C 代码检视技能。基于假设检验方法论对代码进行安全规范检视。当用户提供代码片段和检视规则描述时，可使用此技能进行代码检视，使用时必须明确提供：代码片段和检视规则描述。

• external-cannbot-ops-ascendc-crash-debug

  Ascend C 算子卡死/崩溃调试技能。用于处理程序无法运行完的场景：(1) 程序卡死/挂起/超时，Kernel 无响应，(2) 程序崩溃（Segmentation

• external-cannbot-ops-ascendc-direct-invoke-template

  Kernel直调工程模板，用于创建 Ascend C Kernel 直调工程项目。提供经过验证的 Vector 样例工程（add_custom）和

• external-cannbot-ops-ascendc-docs-search

  Ascend C 开发资源检索技能。通过本地 API 文档索引、示例代码映射和在线文档兜底搜索定位开发资料，优先查本地、缺失时再查在线。当需要查询

• external-cannbot-ops-ascendc-env-check

  Ascend C 算子开发环境检查技能。用于：(1) 通过 npu-smi 查询 NPU 设备信息（设备列表、状态、资源使用），(2) 检查

• external-cannbot-ops-ascendc-precision-debug

  Ascend C 算子精度调试技能，提供精度问题诊断和解决方法。触发：输出异常（全为0、随机值、未初始化）、精度验证失败（rtol/atol

• external-cannbot-ops-ascendc-regbase-best-practice

  当需要为 DAV_3510 RegBase 算子确认 API 约束、实现结构、排查常见陷阱或选择真实参考算子时使用。

• external-cannbot-ops-ascendc-runtime-debug

  Ascend C 算子运行时错误调试技能。用于处理算子运行时问题：(1) aclnn 返回错误码（161xxx/361xxx/561xxx，包括环境配置、Tiling、Kernel

• external-cannbot-ops-ascendc-tiling-design

  Ascend C 算子 Tiling 设计指南。提供算子分类体系和 Tiling 核心要素（多核切分、UB切分、Buffer规划、分支覆盖）的详细设计方法。触发：算子设计阶段、设计

• external-cannbot-ops-npu-arch

  Ascend NPU 架构知识查询技能。通过芯片型号映射、架构代际划分和 archXX 特性说明，帮助判断目标平台能力、特性支持与条件编译策略。当需要确认芯片型号、NpuArch/SocVersion、架构差异、特性支持或编译分支条件时使用。

• external-cannbot-ops-ops-precision-standard

  算子精度标准。描述 Ascend C 算子各种 dtype 输出对应的精度比对标准（atol/rtol）。当需要（1）评估算子精度是否达标，（2）编写

• external-cannbot-ops-ops-profiling

  NPU 性能采集与分析，用于采集算子性能数据、定位性能瓶颈并给出优化建议。当用户在算子开发过程中提到"上板性能"、"算子性能测试"、"硬件性能验证"、"NPU性能采集"、"NPU

• external-cannbot-ops-pypto-api-explore

  探索 PyPTO API，为算子开发提供 API 映射、约束检查和 Tiling 需求分析。当需要查找 PyPTO 是否支持某个操作、验证

• external-cannbot-ops-pypto-golden-generate

  当需要生成 golden 参考实现时使用此 skill。基于算子规格信息，生成纯 PyTorch golden 参考实现 `{op}_golden.py`，导出

• external-cannbot-ops-pypto-intent-understand

  PyPTO 算子需求意图理解。将用户的自然语言算子描述转化为结构化需求文档。当用户描述要开发、实现、创建某个算子时触发，例如：'开发一个

• external-cannbot-ops-pypto-op-design

  当需要设计 PyPTO 算子实现方案时使用此 skill。基于算子规格与相关上下文，生成 DESIGN.md（含 API 映射、Tiling

• external-cannbot-ops-pypto-op-develop

  当需要编写 PyPTO 算子实现时使用此 skill。基于需求规格、设计方案和参考实现，生成完整可运行的 PyPTO 算子实现与配套测试、文档。Triggers:

• external-cannbot-ops-pypto-op-perf-tune

  PyPTO 算子性能分析和自动调优技能。用于对生成及新开发的算子进行性能分析及自动调优，包括算子用例执行及精度校验、性能数据采集及分析、分步骤性能调优和生成性能分析报告。当用户需要分析

• external-cannbot-ops-pypto-op-perf-tune-perf-analyzer

  分析 PyPTO 算子的性能指标。当需要分析PyPTO算子的性能指标，从性能数据文件中提取关键指标，计算性能评级，或提供性能瓶颈分析和优化建议时使用此技能。

• external-cannbot-ops-pypto-op-perf-tune-tune-frontend

  PyPTO 算子开箱性能调优技能。主要关注代码级的调优、前端写法不同导致的性能差异，包括 loop 写法优化、TileShape 设置优化、数据操作优化等。当用户需要进行算子初始开发性能优化、开箱性能调优时使用此技能。触发词：开箱性能调优、代码级优化、loop

• external-cannbot-ops-pypto-op-perf-tune-tune-incore

  PyPTO 算子核内性能调优技能。通过分析单 task 的实现指令及 operation，完成核内的性能调优，包括指令级优化、核内流水优化、特殊

• external-cannbot-ops-pypto-op-perf-tune-tune-swimlane

  PyPTO 算子深度性能调优技能。通过泳道图分析及调优性能，包括 Stitch 调优、TileShape 深度调优、合图调优、调度策略调优等。当用户需要进行深度性能调优、泳道图分析、Stitch

• external-cannbot-ops-pypto-precision-compare

  PyPTO 算子精度问题调试技能。提供两种精度对比方法：文件保存方法（使用 pypto.pass_verify_save 和 torch.save）和二分对比方法（使用检查点

• external-cannbot-ops-pypto-precision-debug

  PyPTO 算子精度问题排查技能。专注于用户代码层面的语法逻辑检查和规避方法尝试。当算子精度验证失败、输出结果异常、计算错误、数值偏差、或任何与精度相关的问题时使用此技能。

• external-cannbot-ops-torch-ascendc-op-extension

  将已有 Ascend C <<<>>> 直调工程通过 TORCH_LIBRARY 对接到 PyTorch，实现 torch.ops.npu.xxx()

• external-cannbot-ops-triton-latency-optimizer

  擅长在 Ascend NPU 平台上编写高效 Triton 算子的性能优化专家。 按照严格的顺序逐步优化 Triton 代码，每次只尝试一个优化点，

• external-cannbot-ops-triton-op-coding

  Triton Ascend 算子代码生成 Skill — 根据算子任务格式任务描述生成高性能 Triton Ascend 内核代码。支持首次生成和基于错误反馈的迭代优化。

• external-cannbot-ops-triton-op-designer

  Triton Ascend 算子算法草图设计 Skill — 根据任务描述设计高质量的算法草图（sketch）， 用于指导后续代码生成。支持首次设计和基于历史上下文的迭代优化。

• external-cannbot-ops-triton-op-verifier

  算子代码验证 Skill — 按照标准验证流程验证生成的内核代码。 创建验证项目文件，调用 scripts/verify.py 运行验证，验证通过后

• external-cannbot-ops-triton-task-extractor

  从用户 PyTorch/Python 代码中提取算子实现，构建为算子任务格式的标准化 任务文件。支持两种模式：单 case（单一自包含

• external-gitcode-ascend-analyse-coverage

  分析测试覆盖率盲区，生成覆盖率分析报告

• external-gitcode-ascend-arxiv-recommendation-npu

  自动化推荐系统论文发现流水线。抓取 arxiv 推荐论文，检测源码，生成待迁移任务清单，由 npu-model-migration skill

• external-gitcode-ascend-ascend-inference-repos-copilot

  昇腾（Ascend）推理生态开源代码仓库智能问答专家旨在为 vLLM、vLLM-Ascend、MindIE-LLM、MindIE-SD、MindIE-Motor、MindIE-Turbo

• external-gitcode-ascend-ascend-mmlab-install-suite

  昇腾NPU环境安装OpenMMLab系列库套件（mmcv/mmdet/mmdet3d/detectron2），支持本地+远程混合开发模式

• external-gitcode-ascend-ascend-npu-driver-install

  能完成昇腾NPU驱动和固件安装部署，实现安装包正则匹配提取、按需添加可执行权限、Python+Shell双重包校验、系统依赖先验后装、适配CentOS/RHEL/Ubuntu/Debian系统，适用于昇腾NPU驱动和固件安装部署。

• external-gitcode-ascend-ascend-profiling-anomaly

  Analyze Huawei Ascend NPU profiling data to discover hidden performance

• external-gitcode-ascend-ascend-transformer-boost

  昇腾 Transformer 加速库（ATB）核心技能集索引（Index Skill）。 整合 8 大核心技能：CANN 安装部署、ATB

• external-gitcode-ascend-ascendc-operator-code-gen

  根据设计文档生成 AscendC 算子完整代码实现并完成框架适配。TRIGGER when: 设计文档已完成，需要生成 op_host/op_kernel

• external-gitcode-ascend-ascendc-operator-code-review

  Ascend C 代码检视技能。基于假设检验方法论对代码进行安全规范检视。调用时必须明确提供：代码片段和检视规则描述。TRIGGER when:

• external-gitcode-ascend-ascendc-operator-compile-debug

  编译安装 AscendC 算子并执行精度测试。TRIGGER when: 算子代码生成完成后需要编译验证、安装 whl 包、运行精度测试，或编译/测试失败需要排查。关键词：build.sh、编译、安装、whl、pytest、精度测试、编译错误、NPU

• external-gitcode-ascend-ascendc-operator-design

  完成AscendC算子设计 - 帮助用户完成算子的架构设计、接口定义和性能规划。当用户提到算子设计、算子开发、tiling策略、内存规划、AscendC

• external-gitcode-ascend-ascendc-operator-dev

  AscendC算子端到端开发编排器。当用户需要开发新算子、实现自定义算子、或完成从需求到测试的完整流程时使用。关键词：算子开发、operator

• external-gitcode-ascend-ascendc-operator-doc-gen

  为AscendC算子生成PyTorch风格的接口文档（README.md）。触发场景：编译调试通过后需要生成接口文档，或用户提到"生成算子文档"、"创建README"、"文档化算子"、"帮我写文档"（算子上下文）、"算子文档"时使用。

• external-gitcode-ascend-ascendc-operator-doc-writer

  Write README-style technical documentation for AscendC custom operators

• external-gitcode-ascend-ascendc-operator-mssanitizer

  Ascend C 算子 mssanitizer 内存检测分析技能。用于检测和分析算子内存问题：非法内存访问、非法释放、内存泄漏、UB地址越界，生成问题报告。自动识别算子工程类型（ops算子仓用GE

• external-gitcode-ascend-ascendc-operator-performance-eval

  在 ascend-kernel 的 csrc/ops/<op>/test 下维护仅含 JSONL 的 profiler 性能用例，使用 torch_npu.profiler（固定

• external-gitcode-ascend-ascendc-operator-performance-optim

  排查并优化 Ascend C 算子性能。当用户开发、审查或优化 Ascend C kernel 算子时使用，或当用户提及 Ascend C

• external-gitcode-ascend-ascendc-operator-precision-debug

  AscendC 算子精度问题调试与根因定位。当算子精度测试失败（allclose 不通过、结果偏差、输出全零/NaN 等）时使用。流程：误差分布分析

• external-gitcode-ascend-ascendc-operator-precision-eval

  AscendC算子精度评估。对已编译安装的算子生成全面的精度测试用例集（≥30例），运行并生成精度验证报告。关键词：精度测试、precision

• external-gitcode-ascend-ascendc-operator-project-init

  初始化 AscendC 算子工程并创建可编译的算子骨架。触发场景：(1) 用户要求创建新算子；(2) 关键词：ascendc算子、新建算子、算子目录、算子初始化；(3)

• external-gitcode-ascend-ascendc-operator-testcase-gen

  完成AscendC算子验证用例生成 - 帮助用户完成testcase设计。当用户提到用例设计、泛化用例生成、算子标杆、UT用例、精度用例、性能用例时，使用此skill。

• external-gitcode-ascend-atb-aclnn-operator-migration

  自动执行 ATB 算子到 ACLNN 的迁移操作，在 910B/950 设备上启用 ACLNN 加速。 支持参数映射、ACLNN Runner

• atb-aclnn-operator-replacement-designer

  自动生成 ATB 到 ACLNN 算子替换的详细设计文档。接收用户提供的 ATB 和 ACLNN 接口文档链接， 输出包含参数映射、开发自测、风险评估的

• atb-csv-testcase-generator
• atb-csv-tester
• atb-debug-guide
• atb-nnal-installer
• atb-ops-to-aclnn-migration-workflow
• atb-testframework-build
• auto-bug-fixer
• auto-develop-test-gen
• cann-nnal-installer
• cann-operator-env-config
• catlass-operator-code-gen
• catlass-operator-design
• catlass-operator-dev
• catlass-operator-performance-optim
• code-comprehension
• connect
• coverage
• debug
• deploy
• detectron2
• drivingsdk-ascend-model-migration
• fault_diagnose
• k8s-check-fix
• large_scale_deploy
• long-task
• megatron-change-analyzer
• megatron-commit-tracker
• megatron-impact-mapper
• megatron-migration-generator
• mindspeed-fsdp2-config-migration
• mindspeed-fsdp2-data-migration
• mindspeed-fsdp2-migration-main
• mindspeed-fsdp2-model-migration
• mindspeed-fsdp2-verification
• mmcv
• mmdet
• mmdet3d
• model-migration
• model-training
• modelscope-cli
• msverl-daily-regression-triage
• npu-adapter-reviewer
• npu-model-migration
• pytest-writer
• python-refactoring
• run-mindspeed-llm-test
• security-code-review
• simple-vector-triton-gpu-to-npu
• skill-auditor
• ssh-connection
• swanlab-setup
• triton-operator-code-gen
• triton-operator-code-review
• triton-operator-design
• triton-operator-dev
• triton-operator-doc-gen
• triton-operator-env-config
• triton-operator-performance-eval
• triton-operator-performance-optim
• triton-operator-precision-eval
• tunnel
• unittest-writer
• vLLM-ascend_FAQ_Generator
• vector-triton-ascend-ops-optimizer
• verl-async-dapo
• verl-feature-deploy
• vllm-ascend-deploy
• vllm-tests-failure-analysis
• ascend-profiler-db-explorer
• cluster-fast-slow-rank-detector
• document-ux-review
• gitcode-code-reviewer
• github-raw-fetch
• mindstudio_profiler_data_check
• msmodelslim-model-adapt
• msmodelslim-model-analysis
• op-mfu-calculator
• hiascend-forum-analyzer
• hiascend-forum-fetcher
• ai4s-main
• ai4s-profiling
• ai4s-basic
• ankh
• boltz2
• boltzgen
• deepfri-tf-npu
• deepfri
• diffsbdd
• generator
• oligoformer
• proteinbert
• ascend-tf-community
• tf-to-pytorch
• diffusers-ascend-pipeline
• diffusers-ascend-weight-prep
• msmodelslim-quant
• profiling-analysis
• profiling-analysis-communication
• profiling-analysis-computing
• profiling-analysis-hostbound
• profiling-analysis-roofline
• mindspeed-llm-data-prep
• mindspeed-llm-env-setup
• mindspeed-llm-pipeline
• mindspeed-llm-training
• mindspeed-llm-weight-prep
• mindspeed-mm-env-setup
• mindspeed-mm-generative
• mindspeed-mm-pipeline
• mindspeed-mm-vlm
• mindspeed-mm-weight-prep

Similar plugins