基于华为昇腾社区论坛开发者反馈内容，按时间范围抓取帖子并识别特定领域的易用性、故障和报错类问题，用于产品改进分析。
Plugin hiascend-forum from marketplace awesome-ascend-skills in ascend-ai-coding/awesome-ascend-skills. Commands read from the repo's manifest — 30 days ago.
create-prCreates 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-creatorCreate 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-diagnosisPyTorch 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-triagePyTorch 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-knowledgenpugraph_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-diagnosisPyTorch 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-templatenpugraph_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-practicesTileLang 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-guideTileLang 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-practicesAscend 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-practiceMatmul/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-reviewAscend 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-debugAscend 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-templateKernel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-searchAscend 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-checkAscend 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-debugAscend 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-debugAscend 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-designAscend 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-archAscend 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-profilingNPU 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-understandPyPTO 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-tunePyPTO 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-frontendPyPTO 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-incorePyPTO 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-swimlanePyPTO 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-comparePyPTO 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-debugPyPTO 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-codingTriton 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-designerTriton 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-anomalyAnalyze 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-reviewAscend 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-devAscendC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-writerWrite README-style technical documentation for AscendC custom operators
external-gitcode-ascend-ascendc-operator-mssanitizerAscend 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-debugAscendC 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-evalAscendC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-generatoratb-csv-testeratb-debug-guideatb-nnal-installeratb-ops-to-aclnn-migration-workflowatb-testframework-buildauto-bug-fixerauto-develop-test-gencann-nnal-installercann-operator-env-configcatlass-operator-code-gencatlass-operator-designcatlass-operator-devcatlass-operator-performance-optimcode-comprehensionconnectcoveragedebugdeploydetectron2drivingsdk-ascend-model-migrationfault_diagnosek8s-check-fixlarge_scale_deploylong-taskmegatron-change-analyzermegatron-commit-trackermegatron-impact-mappermegatron-migration-generatormindspeed-fsdp2-config-migrationmindspeed-fsdp2-data-migrationmindspeed-fsdp2-migration-mainmindspeed-fsdp2-model-migrationmindspeed-fsdp2-verificationmmcvmmdetmmdet3dmodel-migrationmodel-trainingmodelscope-climsverl-daily-regression-triagenpu-adapter-reviewernpu-model-migrationpytest-writerpython-refactoringrun-mindspeed-llm-testsecurity-code-reviewsimple-vector-triton-gpu-to-npuskill-auditorssh-connectionswanlab-setuptriton-operator-code-gentriton-operator-code-reviewtriton-operator-designtriton-operator-devtriton-operator-doc-gentriton-operator-env-configtriton-operator-performance-evaltriton-operator-performance-optimtriton-operator-precision-evaltunnelunittest-writervLLM-ascend_FAQ_Generatorvector-triton-ascend-ops-optimizerverl-async-dapoverl-feature-deployvllm-ascend-deployvllm-tests-failure-analysisascend-profiler-db-explorercluster-fast-slow-rank-detectordocument-ux-reviewgitcode-code-reviewergithub-raw-fetchmindstudio_profiler_data_checkmsmodelslim-model-adaptmsmodelslim-model-analysisop-mfu-calculatorhiascend-forum-analyzerhiascend-forum-fetcherai4s-mainai4s-profilingai4s-basicankhboltz2boltzgendeepfri-tf-npudeepfridiffsbddgeneratoroligoformerproteinbertascend-tf-communitytf-to-pytorchdiffusers-ascend-pipelinediffusers-ascend-weight-prepmsmodelslim-quantprofiling-analysisprofiling-analysis-communicationprofiling-analysis-computingprofiling-analysis-hostboundprofiling-analysis-rooflinemindspeed-llm-data-prepmindspeed-llm-env-setupmindspeed-llm-pipelinemindspeed-llm-trainingmindspeed-llm-weight-prepmindspeed-mm-env-setupmindspeed-mm-generativemindspeed-mm-pipelinemindspeed-mm-vlmmindspeed-mm-weight-prepAI for Science skill set for Huawei Ascend NPU. Includes a main routing skill for profiling collection, model migration, and TensorFlow route selection, plus specialized leaf skills for Boltz2, BoltzGen, DeepFRI, DiffSBDD, GENERator, OligoFormer, ProteinBERT, TensorFlow Community deployment, TF-to-PyTorch conversion, and torch_npu profiling workflows.
191 skills
官方推荐的 AI for Science 安装包。适用于 AI for Science 场景下的 Profiling 采集、模型迁移、TensorFlow/Keras 路线选择与相关子方向能力。
191 skills
官方推荐的昇腾基础安装包。适合新同学和通用项目起步，包含设备检查、容器环境与 PyTorch NPU 基础能力。建议作为所有场景的第一步安装入口。
191 skills
官方推荐的昇腾推理安装包。适用于模型转换、量化、推理部署与评测场景，包含 ATC、vLLM-Ascend、ais-bench、msmodelslim、Diffusers 与 Wan 适配相关 skills。
191 skills
官方推荐的昇腾算子开发与迁移安装包。适用于 AscendC 算子开发、torch_npu 自定义算子接入、Triton-Ascend 迁移与算子基准测试场景。
191 skills
官方推荐的昇腾 Profiling 与性能分析安装包。适用于 Profiling 数据采集、瓶颈分析、训练性能诊断与 MFU 分析场景。
191 skills
Shared BoxLite coding-agent skills, auditors, hooks, and repository tooling.
12 skills · hooks
Reusable Agent Skills from agent-tools
8 skills
Authoritative reference for Pi (@earendil-works/pi-coding-agent): install, configure, run, and extend. Use when the user asks about Pi CLI/flags/commands, providers/models/auth, settings/compaction/sessions, security/trust, extensions, skills, prompt templates, themes, packages, MCP, codemode, custom providers, TUI components, the SDK, RPC mode, or JSON streaming. Also use for Pi's design philosophy and opinionated choices (why minimal, 4 tools, YOLO, no MCP/plan mode/to-dos/sub-agents), Pi's internal monorepo architecture (the Chord typed host runtime (@earendil-works/chord), the durable agent harness (@earendil-works/pi-durable) and its Pico5 specification, telemetry, delta tracking), and the repository's build, development, and contribution rules. Also use for Pi Durable itself: what the experimental harness is, its versions, the runnable examples, and which blog demos 1.2.0 removed.
1 skill
Add WebMCP tools to a web app: read the repo, propose a reviewable tool plan, implement against @nekuda/webmcp-sdk, and verify the tools in a browser — or connect the tools a site already has, without rebuilding them.
3 skills · 1 command · 1 MCP server
Minimize token waste in all bash, file, and data processing operations
1 skill · hooks
Agent Tooling — Building the skills, hooks, commands, and plugins that agents run on.
137 skills
This page updates itself from your repo. Add the badge to your README, or get it Featured to pin it above the organic results with a followed link to your site.