tilelang-op-orchestrator-skills

Plugin tilelang-op-orchestrator-skills from marketplace cannbot in catman626/cannbot-skills. Commands read from the repo's manifest — 19 days ago.

Skills (94)

• 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 JSON 输入、运行求解、结果解读与故障排查。触发：当用户使用 TilingSolver 工具求解时。

• 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、通信接口等 API 的正确用法和限制说明。触发：用户询问具体 API 用法（如"DataCopy 怎么用"、"ReadNbi 怎么用"）、遇到 API 参数错误或限制报错（如 repeatTimes、对齐问题）、需要查看 API 最佳实践或避坑指南时。

• ascendc-blaze-best-practice

  在 Ascend 950 / DAV_3510 平台上，基于 Blaze/tensor_api 开发 Basic、Batch、Grouped、Quantized、MX 等 MatMul 类算子或相关的融合算子时使用。不适用于纯 Vector 算子或 A2/A3 平台。

• ascendc-blaze-migration

  评估并将 ops-nn、ops-transformer 等仓中 Ascend 950 / DAV_3510 的 AscendC Kernel 分支等价迁移到 ops-tensor Blaze/Tensor API。适用于 CMCT、CGMCT、单体或自定义分层 Kernel，以及 Cube、Vector、MIX、高阶 Matmul、手工 Buffer、数据搬运、自定义调度、VF 和同步路径；在隔离迁移工程中串行完成迁移合同冻结、Blaze 开发、验证资产生成、原始基线、Blaze 验收和双仓本地提交交付。

• ascendc-code-review

  Ascend C 代码检视技能。触发：检视代码、检视 PR、检查是否有问题、快速检视。支持文件检视、PR 检视、快速定向检视、设计一致性检查。自动识别代码侧别、提取适用条例、执行假设检验驱动的逐条检视。

• ascendc-crash-debug

  Ascend C 算子卡死/崩溃/内存错误调试路由技能。用于处理程序无法运行完或执行异常崩溃的场景：(1) 程序卡死/挂起/超时，Kernel 无响应，(2) 程序崩溃（Segmentation Fault、Abort），(3) Buffer 冲突/死锁导致的核心挂起，(4) 需要解析 plog 日志定位卡死/崩溃位置，(5) 偶发崩溃/结果异常（怀疑内存越界踩踏），需要主动检测内存错误。触发关键词：卡死、挂起、超时、崩溃、hang、crash、deadlock、Segmentation Fault、Abort、Kernel hang、内存越界、plog、memcheck、内存检查、内存错误、

• ascendc-cross-gen-migration

  当用户希望将已有 AscendC 算子工程跨架构迁移（当前支持 A2/A3（910b/910_93、DAV_2201）→ A5（950、DAV_3510），按 Step R 判定迁移路线）时使用。按 Stage 0–5 完成 L1 基础适配、L2 RegBase 改造、L3 SIMT 优化及 Cube 类算子迁移；精度标杆由 agent 逆向源码自合成，并与目标平台实测双向互检。

• 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）、Blaze Matmul 工程模板（纯 Matmul / 融合 / MX 量化 / GroupMatmul）和 Kirin Vector 模板。触发：当用户需要创建 Kernel 直调工程、学习 Ascend C 编程、快速原型验证、或提及"Kernel直调"、"<<<>>>内核调用"、"Blaze Matmul"、"matmul 模板"时使用本 skill。

• ascendc-direct-invoke-to-registry-invoke

  当用户想把`<<<>>>` kernel 直调形式改造成自定义算子工程时使用。触发：用户提到"kernel直调转自定义算子"、"为kernel直调工程接入ACLNN/GEIR接口"、"`<<<>>>` 改自定义算子工程"等。不适用于从零开发新算子

• ascendc-docs-gen

  Ascend C 算子文档写作参考。提供需求分析、详细设计、迭代计划、aclnnAPI接口文档、算子README的标准模板。当用户需要生成算子文档、aclnnAPI文档、算子README、参考文档模板或了解算子文档规范时触发此技能。

• 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 API 用法、示例代码、兼容性信息、官方资料入口或定位文档来源时使用。

• 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 CANN 环境配置（CANN Toolkit、Ops、自定义算子包），(3) 验证开发依赖是否完整，(4) 运行时检测当前设备 NPU 架构。触发关键词：环境检查、NPU设备、npu-smi、CANN安装、设备查询、资源监控、检查CANN环境变量、NPU架构、npu arch。

• ascendc-mc2-best-practice

  Ascend C MC2 通算融合算子（多卡通信+计算融合）开发最佳实践。当用户需要设计、实现、调试、移植或优化通算融合算子，或提及"MC2"、"SHMEM"、"APACE"、"通算融合"、"多卡通信直调"、"UDMA"、"URMA"、"AllToAll+Matmul"、"CollectiveComm"、"MoE Dispatch"、"MoE Combine"、"专家并行"、"EP"、"mega_moe"、"MTE通信"、"MTE window"、"token 路由分发"、"HCCL"、"aclnn 通算融合"时使用。

• ascendc-perf-optimize

  Ascend C 算子性能优化策略制定。结合 Tiling 建模与流水分析（仿真图 + profiling 数据），按卡间/核间/核内三层流水制定性能优化策略，并回修 Tiling 参数。触发：算子性能调优、流水分析、Tiling 修正、bound 诊断、MC² 通算融合算子优化、卡间流水配平时。

• ascendc-performance-best-practices

  Ascend C 算子性能优化最佳实践库：按算子族组织优化经验与参考代码，供实施阶段查询。 当前覆盖 MatMul / Reduction / Scan(Cum) / Gather / Elementwise / Broadcast / Scatter / Conversion / Scalar / RadixSort / SIMT 等算子族； MatMul 与 FlashAttention 同时收录 arch22（A2/A3）和 arch35（A5）知识， 以及 FA 家族 fused_infer_attention_score 通用 4 手段（icache 预取/静态 LocalTenso

• ascendc-precision-debug

  Ascend（昇腾）算子精度问题定位与修复：NPU 输出与 golden 比对超差/不一致时，按"口径确认 → 误差形态 → 最小复现 → 二分定界 → 模式匹配 → 源码深潜 → 修复回归 → 报告交付"流程定位根因。 适用于：算子精度/正确性调试、精度问题修复、aclnn/单算子比对失败、误差形态分析、精度超差修复。不适用于：算子编译/构建失败、性能调优、未定界到单个算子的整网推理异常。

• 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。

• ascendc-registry-invoke-template

  完整自定义算子工程模板。通过提供标准工程结构、代码模板、UT/ST 样例和多芯片架构参考，帮助快速搭建并实现 registry-invoke 方式的自定义算子工程。当需要创建完整自定义算子工程、参考标准目录结构、补齐 UT/ST、适配多芯片架构或查找工程样例时使用。

• ascendc-registry-invoke-to-direct-invoke

  当用户想把自定义算子工程中的 kernel 模板改造成 `<<<>>>` kernel 直调形式，或从自定义算子工程中抽取某个 kernel 模板并转换成 `<<<>>>` 直调方式时使用。触发：用户提到"自定义算子转直调"、"从算子工程抽 kernel"、"kernel 模板改 `<<<>>>`"等。不适用于从零开发新算子

• 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 查找等错误），(2) 需要解析 plog 日志定位问题。触发关键词：运行时错误、错误码、Tiling错误、Kernel查找失败、环境变量、plog。

• ascendc-simt-best-practices

  AscendC SIMT 最佳实践与 API 导航。提供 SIMT 算子开发的实践经验总结和专有 API 分类索引：VF函数声明与调用、线程排布模式、索引计算API、数据搬入搬出、计算指令映射、多核同步、核内共享内存、TensorList处理、调测接口、内置宏、编译运行。触发：开发SIMT算子kernel代码、设计SIMT编程模式、查询SIMT API分类或线程排布。

• ascendc-simt-tiling-design

  AscendC SIMT 算子切分设计指南。提供 SIMT 算子独有的核数切分、线程数设置、DCache/UB空间分配、模板路由与 tilingKey 分发、workspace 契约方法。SIMT切分与SIMD完全不同（线程级并行 vs 向量级UB切分），本skill聚焦SIMT切分范式。触发：设计SIMT算子Tiling策略、设置SIMT线程数、规划SIMT核数切分、选择SIMT/SIMD模板、规划SIMT workspace、blockDim封顶、DCache 取值范围、SetScheduleMode时。

• ascendc-st-design

  Ascend C 算子系统测试（ST）设计技能。基于 aclnn 接口文档，完成算子参数定义、测试因子提取、约束关系分析、测试用例生成（L0/L1/L2）的完整流程。当需要以下任务时使用此技能：设计算子测试用例、生成ST用例。

• ascendc-sync-audit

  Ascend C 信号同步问题检验与修正。检测核内流水线同步（SetFlag/WaitFlag、SyncFunc、PipeBarrier、EnQue/DeQue）、核间同步（CrossCoreSetFlag/WaitFlag、SyncAll、ScalarBar）以及 producer/consumer/sync 数据流图中的 buffer 索引一致性问题。触发关键词：同步、同步问题、SetFlag、WaitFlag、CrossCore、SyncFunc、PipeBarrier、死锁、死等、卡死、hang、数据错乱、半成品、flagId、buffer 索引、output buffer id、pr

• 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 Tiling 策略（多核切分/UB切分）、规划 Buffer 分配、查阅某类算子的 Tiling 方法论时。

• ascendc-ut-develop

  Ascend C 算子 UT 开发与覆盖率增强技能。通过分析 op_host / op_api / op_kernel 的测试空白、生成或补充 UT 用例并定位未覆盖代码来提升覆盖率并支持生成覆盖率报告。当用户提及 UT、单元测试、覆盖率、补测、未覆盖代码或需要新增/完善 UT 时使用，不适用于 ST 测试。

• ascendc-whitebox-design

  Ascend C 算子白盒测试用例生成系统。分析算子源码提取参数维度，自动枚举参数组合，生成可执行的白盒测试用例。自动两套输出：low 档位（路径覆盖+网络+空tensor，全normal）与 high 档位（data_range 展开，信息性验证）。触发场景：(1) "为 X 算子生成白盒测试用例" (2) "算子白盒用例生成" (3) "generate whitebox test cases for operator"。

• cann-env-setup

  昇腾 NPU 上 CANN 安装与环境配置指导。触发场景：需安装 CANN、配置开发环境或排查安装问题时。

• cann-error-code-standard

  CANN算子错误码的基准知识源，提供官方文档错误码清单、来源与版本治理、选码和上报规范、机器可读契约。触发：新算子错误码设计、源码静态检查、问题定位或整改Skill需要统一错误码基准时；不直接修改算子源码或执行构建测试。

• cannbot-dsl-best-practice

  为 CANNBotDSL 算子提供整体实现、局部写法和生产代码最佳实践。当需要职责划分、Host 约束校验、Channel/同步/布局、注册与适配、编译启动、AICPU 负载均衡 metadata、VF 向量计算或命名建议时使用。

• cannbot-dsl-code-reviewer

  检视调用方提供的 CANNBotDSL 算子代码，依据真实调用链核查生产执行约束、计算与导出路径，以及命名、魔数和可读性。当用户要求 DSL 代码审查、检视实现或复核 PR 时使用。

• cannbot-dsl-env-check

  当需要检查 CANNBotDSL 开发环境，或诊断导入、翻译、编译及 NPU 不可用问题时使用；输出环境诊断结果、可用能力与限制。

• cannbot-dsl-op-design

  根据算子规格编写分文件设计文档：数学语义、接口契约、形状与数据类型推导、算法与执行路径、任务调度、资源预算、同步及验证方案。当需要从算子规格形成方案或修订设计文档时使用。

• cannbot-dsl-test-generator

  当需要设计、补充或校验 CANNBotDSL 算子测试，或生成独立 CPU Golden 与测试入口时使用；根据调用方提供的规格、设计及实现单元检验义务生成黑盒、白盒和 TDD 用例及校验结果。

• cannbot-dsl-unit-planner

  根据 CANNBotDSL 算子的规格和调用方提供的设计资料，规划有依赖关系、可实现并独立验收的纵向实现 Unit，识别关键能力缺口和设计偏离风险，输出 U*.yaml。当用户要求拆分算子实现任务或编写 Unit 时使用。

• catlass-op-design

  Analyze operator requirements and select CATLASS components (ArchTag, DispatchPolicy, TileShape, BlockMmad, BlockEpilogue, BlockScheduler, Kernel type). Use when designing new CATLASS-based Ascend C operators, selecting DispatchPolicy, determining TileShape, choosing Kernel type, or picking Epilogue

• catlass-op-develop

  Generate CATLASS kernel code from design selections. For prerequisite-reading questions, answer directly: before implementation must read workspace `./catlass/README.md` (library positioning and directory structure), `./catlass/docs/` (operator assembly knowledge and implementation constraints), and

• catlass-op-perf-tune

  Tune CATLASS kernel performance by adjusting TileShape, DispatchPolicy, Swizzle, and Kernel type parameters. Change one variable at a time for attribution. Use when optimizing CATLASS kernel performance, analyzing profiler bottlenecks, or exploring tiling configurations.

• 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。

• ops-design-paradigms

  当需要设计或修订 Broadcast、Reduction、Contraction 等算子范式方案，或查询对应算法、资源规划、语言实现约束和故障经验时使用；提供 Ascend C regbase 与 CANNBotDSL 的设计依据、适用条件和验证要点。

• ops-error-code-remediation

  为新增或已完成的CANN C/C++算子设计、接入、审计和整改错误码上报路径，覆盖实际log.h解析、失败出口治理、最小编译、负向测试与Markdown报告。触发：用户要求新增算子错误码开发，或扫描、重构、验证既有算子的错误码与失败返回；

• 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(混合容差 atol/rtol)。当需要(1)评估算子精度是否达标,(2)编写 ST 测试验证精度,(3)处理 FP16/FP32/BF16 等不同数据类型精度问题,(4)确认算子精度验收标准时触发。

• ops-profiling

  NPU 性能采集与分析，支持 msprof application 标准可比较计时（每例 10 组 warmup→target 取中位数）、msprof 深度指标采集与算子级瓶颈定位、kernel-level 对比测试（--compare/--quick/--batch）和交互式可视化。核心工具：collect_perf_application.py（标准可比较计时）、msprof_profile_run.sh（标准采集 / --compare 对比测试 / --quick 快速对比 / --batch 批量并行）、msprof_perf_summary.py（瓶颈分析、对比报告）与 comp

• msopprof-visualization

  面向算子的 msOpProf 数据采集与可视化技能。用于执行环境检查、最小非重复采集、已有采集结果重绘，以及生成包含 Details、Roofline、Timeline、Cache、Source、片上内存、Warp Stall、指令时间线和原始数据页面的独立 HTML 报告。当用户要求将上板采集的算子性能数据生成可视化报告、查看某个性能模块页面、或基于已有采集目录重建报告时触发。

• ops-simulator

  NPU 仿真器技能。提供 CANN Simulator 的使用指导，包括精度仿真、性能仿真、流水线分析。当需要在无 NPU 硬件环境下验证算子功能、分析性能瓶颈、定位精度问题时使用。也用于分析已有的 npusim 性能报告（summary.json）并给出优化建议。

• ops-spec-gen

  生成或校验算子 spec.yaml（算子的 L0 数学约束唯一真值）。当用户提及：生成 spec.yaml、新算子 spec 骨架、scaffold spec、validate spec.yaml、spec schema 校验、算子规格校验 时触发。

• ops-theoretical-performance-estimation

  从算子设计或计算流估算理论性能上限、瓶颈与目标时延，用于设计期方案比较和性能目标制定。当前仅支持 Ascend950 / DAV_3510 的 AscendC RegBase 纯 Vector 算子，暂不支持 Cube 及 Cube-Vector 混合算子。

• 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 API 约束、分析算子可行性时使用。触发词：API 探索、查找 API、PyPTO 有没有 xxx、支持什么 dtype、约束是什么、tiling 怎么配、API 映射、可行性分析、这个算子能做吗。

• pypto-docs-search

  检索 PyPTO 算子开发资源——API 文档、按错误码排障、教程/安装/工具文档、算子参考实现与 golden。当要查 PyPTO 文档、读算子或 API 用法、按错误码排障、找算子参考实现或 golden、或问"这份资源在哪、有哪些"时使用，即使没明说"文档站"也应触发。触发：当需要查 PyPTO 文档、算子/API 用法、错误码排障或算子参考实现时。

• pypto-general-debug

  PyPTO debugging router for stuck or opaque failures, including tile-shape/L0/L1/alignment/set_cube_tile_shapes issues; route through DEBUG_GUIDEBOOK.md to the matching topic reference or sub-skill. Use when a PyPTO kernel run is stuck or failing opaquely.

• 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 torch + torch_npu NPU 参考实现 `{op}_golden.py`，导出 `{op}_golden()` 函数，作为精度验证基准。计算在 NPU 上执行；torch_npu 未安装时直接报错引导安装，仅无 NPU 硬件时回退 CPU。触发词：生成 golden、生成参考实现、写 golden 函数、golden script、golden reference、reference implementation、generate golden、torch 参考、验证基准、baseline imple

• 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 sinh 算子'、'实现 GELU'、'参考 PyTorch 的 F.scaled_dot_product_attention'、'根据论文实现算子'、'创建自定义算子

• pypto-memory-template

  Template for the PyPTO Kernel operator-specific memory file (custom/{op}/MEMORY.md). Defines required sections, machine-readable fields, and update cadence. Use when creating or updating an operator's MEMORY.md.

• pypto-op-construct

  PyPTO Kernel module decomposition and construction. Covers semantic module decomposition (split by meaning, define contracts, freeze) and module construction (one module at a time, validate, cross-check golden inventory). Use when decomposing an operator into modules and constructing them.

• pypto-op-design

  当需要设计 PyPTO 算子实现方案时使用。通过迭代式约束收敛，生成 DESIGN.md（含 API 映射、精度路由、Tiling 推导、Loop 结构设计）。触发词：生成设计方案、生成 design、设计方案、写 DESIGN.md、算子设计、API 映射、Tiling 策略、tiling 推导、Loop 结构、数据流设计、精度路由。

• pypto-op-develop

  PyPTO 算子 impl 编码手册。coder agent 收到调度时使用，先 per-Phase 累计构建 `{op}_module{k}_impl.py`，最后一个 Phase 通过验证后 cleanup 整理出 `{op}_impl.py` + `README.md`。基于 Layer A–L 设计规范，配合 `impl_template.py` 模板生成符合规范的 PyPTO 实现代码。触发关键词：实现算子、写 kernel、编写实现、写 impl、算子编码、code the op、op develop、kernel 实现。

• pypto-op-knowledge

  PyPTO 算子开发知识库查询技能。串行查询经验表和问题查找表，有结果立即返回，无结果返回"无匹配"。触发关键词：查经验表、查问题表、知识库查询、knowledge query。

• 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 PyPTO 算子性能、进行性能调优、生成性能报告时使用此技能。触发词：算子性能调优、性能分析、自动调优、性能优化、泳道图分析。

• perf-analyzer

  分析 PyPTO 算子的性能指标。适用于分析 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，并提供性能瓶颈分析和优化建议时。

• 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 优化、TileShape 设置、前端优化。

• 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 Shape 处理等。当用户需要进行核内性能调优、单 task 耗时分析、指令级优化时使用此技能。触发词：核内性能调优、单 task 优化、指令级优化、核内流水、Operation 实现优化。

• tune-orchestrator

  PyPTO 算子性能调优编排器。控制调优流程按固定顺序严格执行、迭代轮次完整执行、Todo 清单实时更新。负责流程推进、完成条件校验、状态机转移，不负责具体优化建议或代码修改。适用于 PyPTO 算子性能调优流程编排时。

• 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 优化、合图优化时使用此技能。触发词：深度性能调优、泳道图分析、Stitch 调优、合图调优、调度优化。

• pypto-op-plan

  PyPTO Kernel requirement planning — structurally-similar example search and feasibility setup. Use when planning a new operator's development.

• pypto-op-review

  Op-by-op PyPTO call extraction plus the layout / structure requirements for custom/{operator}/ kernels. Use when reviewing or debugging a custom operator's kernels.

• pypto-op-verify

  Validation runner requirements, detailed_tensor_compare usage, success criteria, required deliverables, and required output structure for the PyPTO Complex Kernel Workflow. Use when validating a PyPTO kernel and assembling deliverables.

• pypto-orchestration-manual

  pypto-op-orchestrator entry point for PyPTO Kernel development. Bundles the 3 control documents (principles, team roster, mandatory rules) as one skill with progressive-disclosure references. Read this file first, then load the references on demand. Use when orchestrating the PyPTO operator-developm

• 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 tensor）。当需要调试 PyPTO 算子精度、定位精度差异来源、进行中间结果对比时使用此技能。

• precision-binary-search

  PyPTO 算子上板二分定位法。通过在 kernel 函数中添加检查点 tensor 作为输入参数进行原地修改，对比中间结果的精度。专注：修改 kernel 签名 → 修改 golden 返回值 → 修改测试函数 → 二分定位首个出错的 op。适用于上板二分定位算子精度问题时。

• precision-pass

  Pass精度校验子技能。开启PreCheck/PostCheck进行全链路Pass校验，通过pass校验定位报错Pass，使用pass_compare逐Op对比定位具体问题Op，支持动态shape上板数据打印验证。适用于 Pass 精度校验并定位问题 Op 时。

• precision-verify

  PyPTO 算子精精度工具对比法。使用 pypto.pass_verify_save 和 torch.save 保存中间结果到文件，然后使用对比工具分析。专注：插入检查点 → 运行测试 → 对比分析 → 定位首个失败点。适用于用精度工具对比定位首个失败点时。

• 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。

• samples

  当用户需要查找样例、了解特性用法或获取算子优化建议时使用。

• tilelang-api-best-practices

  TileLang NPU API 查询入口。适用于用户需要API 查询时，根据已选 Ascend910 或 Ascend950 平台读取独立技能；两套规则不混用。

• tilelang-env-check

  TileLang NPU 环境检查入口。适用于用户需要环境检查时，根据已选 Ascend910 或 Ascend950 平台读取独立技能；两套规则不混用。

• tilelang-op-design

  TileLang NPU 算子方案设计入口。适用于用户需要算子方案设计时，根据已选 Ascend910 或 Ascend950 平台读取独立技能；两套规则不混用。

• tilelang-op-develop

  TileLang NPU 算子实现与精度验证入口。适用于用户需要算子实现与精度验证时，根据已选 Ascend910 或 Ascend950 平台读取独立技能；两套规则不混用。

• tilelang-op-profiling

  TileLang NPU 性能采集与分析入口。适用于用户需要 Ascend950 算子上板性能采集、msprof 指标分析或性能验收时，读取独立的 Ascend950 技能。

• tilelang-op-test-design

  TileLang NPU 算子测试设计与验收入口。适用于用户需要算子测试设计与验收时，根据已选 Ascend910 或 Ascend950 平台读取独立技能；两套规则不混用。

• tilelang-perf-optimization

  TileLang NPU 性能优化入口。适用于用户需要性能优化时，根据已选 Ascend910 或 Ascend950 平台读取独立技能；两套规则不混用。

• tilelang-performance-best-practices
• tilelang-programming-model-guide
• tilelang-review
• tilelang-submodule-pull
• torch-ascendc-op-extension
• torch-ops-profiler
• triton-latency-optimizer
• triton-mfu-analyzer
• triton-op-coding
• triton-op-designer
• triton-op-verifier
• triton-precision-debug
• triton-simulator-optimizer
• triton-task-extractor

Similar plugins