多语言安全代码审查 (Security Code Review)。对 Python、C++、Shell、Markdown 文件进行系统性安全漏洞检测与修复指导。覆盖 OWASP Top 10、CWE Top 25、CERT 安全编码标准。当用户提及以下内容时，务必使用此技能：安全审查、安全代码审查、security review、code review 中的安全检查、漏洞扫描、安全合规检查（CWE/CERT/OWASP）、编写安全代码、检查代码安全性、推理服务安全审计、多模态 Token 安全校验、JSON 嵌套深度攻击防护。即使用户没有明确说'安全审查'，只要涉及代码安全性评估、漏洞检测、安全最佳实践，都应触发此技能。

2026-05-0726

cann-nnal-installer

Ascend/agent-skills

昇腾NPU CANN Toolkit+Kernels+NNAL安装部署技能。支持从官网下载run包安装和从Docker镜像提取两种方式，覆盖驱动检查、包下载、安装、环境变量配置与验证全流程。当用户需要安装CANN全套组件或指定版本CANN到自定义路径时调用。

2026-05-0726

ascendc-operator-code-gen

Ascend/agent-skills

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 代码、注册到 PyTorch 框架、编译测试。关键词：代码生成、op_host、op_kernel、tiling、kernel、框架适配、算子注册。

2026-05-0626

ascendc-operator-design

Ascend/agent-skills

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 kernel设计、两级tiling、核间切分、核内切分时，使用此skill。

2026-05-0626

name	atb-csv-testcase-generator
description	ATB CSV 测试用例生成技能。当用户需要为 ATB 算子创建 CSV 格式的泛化测试用例时调用此技能。覆盖：正例设计、反例设计、性能测试用例、CSV 格式规范。
keywords	["atb","csv","test","testcase","昇腾","泛化测试","正例","反例","性能测试"]
metadata	{"author":"ascend-transformer-boost-team + Claude Code + deepseek-v4-pro","version":"1.4.0","created":"2026-04-19","updated":"2026-04-29","skill-type":"testcase","gates":[{"id":"gate-csv","description":"CSV 测试用例确认","trigger":"CSV 用例设计完成后，必须等待用户确认再进入实际迁移阶段"}]}
hooks	{"PreToolUse":[{"matcher":"Write\|Edit\|Bash","hooks":[{"type":"command","command":"([ -z \"$ATB_REPO_PATH\" ] \|\| [ ! -d \"$ATB_REPO_PATH\" ]) && echo '[PATH CHECK] ATB_REPO_PATH 未设置或无效，请先向用户获取 ATB 路径' >&2 \|\| true"}]}],"PostToolUse":[{"matcher":"Write","hooks":[{"type":"command","command":"echo '[HIL GATE 2] CSV 用例已生成/修改。若 CSV 用例设计完成，请向用户展示确认检查表并等待\"确认通过\"。未收到用户确认前，严禁进入实际迁移阶段。'"}]}],"Stop":[{"hooks":[{"type":"command","command":"echo '[CHECK] 确认 CSV 用例已获用户确认（Gate 2）后，方可结束此技能。'"}]}]}

ATB CSV Testcase Generator

功能概述

此技能用于为 ATB 算子生成 CSV 格式的泛化测试用例，支持正例、反例和性能测试用例设计。

调用时机

在以下情况下调用此技能：

用户需要为 ATB 算子创建 CSV 测试用例
用户需要生成正例、反例或性能测试用例

任务分块

类型	说明	数量建议
正例	验证正常功能，覆盖典型场景	5-15 个
反例	覆盖所有参数校验分支	10-20 个
性能测试	大小 shape 性能验证	5-10 个

任务前提知识

参考已有 CSV 文件：tests/apitest/opstest/csv/ 目录下有丰富的参考用例
性能测试标记：TestType 列填写 Performance 即为性能测试
预期错误标记：ExpectedError 列填写错误类型，如 NO_ERROR、I:ERROR_INVALID_TENSOR_DIM 等

正例设计原则（点击展开）

数据类型覆盖

float16 (最常用)
bf16 (高精度场景)

Shape 典型性

包含主流模型的常见 shape：

Llama: 512, 7168 (hidden_size=3584)
GPT: 256, 12288 (hidden_size=6144)
Mini batch: 1-16 tokens
Large batch: 1024-2048 tokens

边界条件

UB 上限边界（如 hidden_size=31424）
非对齐 hidden_size（如 130, 65）
最小 shape（如 1, 64）

正例模板

CaseNum|CaseName|OpName|OpParam|InNum|InDType|InFormat|InShape|OutNum|OutDType|OutFormat|OutShape|DataGenType|DataGenRange|InTensorFile|OutTensorFile|TestType|TestLevel|FromModel|SocVersion|ExpectedError
1      |XxxBase |XxxOperation|{"param":0}|1|float16|nd|128,4096|2|int8;float|nd;nd|128,2048;128|customize|-100,100;|||||||Ascend910B;Ascend950|NO_ERROR

反例设计原则（点击展开）

数据类型错误

# 只支持 float16/bf16，不支持 int64
SwigluQuantErrorDtypeInt64|SwigluQuantOperation|{"quantType":0}|1|int64|nd|128,4096|...|I:ERROR_INVALID_TENSOR_INI_MATCH

维度错误

# dimNum 必须为 2
SwigluQuantErrorDimNum|SwigluQuantOperation|{"quantType":0}|1|float16|nd|128,4096,1|...|I:ERROR_INVALID_TENSOR_DIM_NUM

维度值错误

# hidden_size 必须能被 2 整除
SwigluQuantErrorHiddenSizeOdd|SwigluQuantOperation|{"quantType":0}|1|float16|nd|128,4097|...|I:ERROR_INVALID_TENSOR_DIM

参数错误

# quantType 只能为 0
SwigluQuantErrorParam|SwigluQuantOperation|{"quantType":1}|1|float16|nd|128,4096|...|C:ERROR_INVALID_PARAM

Shape 边界超限

# UB 上限检查
SwigluQuantErrorHiddenSizeTooLarge|SwigluQuantOperation|{"quantType":0}|1|float16|nd|5,15714|...|I:ERROR_INVALID_TENSOR_DIM

反例覆盖检查表

校验类型	ExpectedError	覆盖场景
数据类型	`I:ERROR_INVALID_TENSOR_INI_MATCH`	int64, int32, float32, bool
数据格式	`I:ERROR_INVALID_TENSOR_INI_MATCH`	fractal_z, ncdhw 等
维度数量	`I:ERROR_INVALID_TENSOR_DIM_NUM`	1D, 3D, 4D
维度值	`I:ERROR_INVALID_TENSOR_DIM`	0, 奇数, 超限
参数校验	`C:ERROR_INVALID_PARAM`	非法参数值
输出 Shape	`S:ERROR_INVALID_TENSOR_DIM`	shape 不匹配
UB 边界	`I:ERROR_INVALID_TENSOR_DIM`	hidden_size 过大

性能测试设计原则（点击展开）

大小 Shape 覆盖

# 大 shape
SwigluQuantPerformanceLarge|SwigluQuantOperation|{"quantType":0}|1|float16|nd|2048,16384|...|Performance|Ascend910B;Ascend950|NO_ERROR

# 中 shape
SwigluQuantPerformanceMedium|SwigluQuantOperation|{"quantType":0}|1|float16|nd|512,8192|...|Performance|Ascend910B;Ascend950|NO_ERROR

# 小 shape
SwigluQuantPerformanceSmall|SwigluQuantOperation|{"quantType":0}|1|float16|nd|64,256|...|Performance|Ascend910B;Ascend950|NO_ERROR

不同数据类型

# bf16 性能
SwigluQuantPerformanceBf16|SwigluQuantOperation|{"quantType":0}|1|bf16|nd|1024,8192|...|Performance|Ascend910B;Ascend950|NO_ERROR

边界值测试

# hidden_size 边界
SwigluQuantPerformanceHidden4096|SwigluQuantOperation|{"quantType":0}|1|float16|nd|256,8192|...|Performance|Ascend910B;Ascend950|NO_ERROR

CSV 格式规范（点击展开）

列说明

列号	名称	说明
1	CaseNum	用例编号
2	CaseName	用例名称
3	OpName	算子名称（如 `SwigluQuantOperation`）
4	OpParam	JSON 格式参数字符串
5	InNum	输入张量数量
6	InDType	输入数据类型（分号分隔）
7	InFormat	输入数据格式（分号分隔）
8	InShape	输入形状（分号分隔）
9	OutNum	输出张量数量
10	OutDType	输出数据类型
11	OutFormat	输出数据格式
12	OutShape	输出形状
13	DataGenType	数据生成类型（通常为 `customize`）
14	DataGenRange	数据生成范围
15	InTensorFile	输入张量文件（空）
16	OutTensorFile	输出张量文件（空）
17	TestType	测试类型（空或 `Performance`）
18	TestLevel	测试级别（空）
19	FromModel	来源模型（空）
20	SocVersion	目标 SoC（如 `Ascend910B`、`Ascend950`。多个设备用 `;` 分隔：`Ascend910B;Ascend950`）
21	ExpectedError	期望错误（`NO_ERROR` 或错误类型）

数据类型映射

在 CSV 中使用 data_generation.py 支持的数据类型名称：

实际类型	CSV 中使用
float32	`float`
float16	`float16` 或 `half`
bfloat16	`bf16` 或 `bfloat16`
int8	`int8` 或 `char`
int32	`int32` 或 `int`
int64	`int64` 或 `long`

常用 ExpectedError 类型

错误类型	说明	触发场景
`NO_ERROR`	无错误，正例预期	正常执行
`I:ERROR_INVALID_TENSOR_INI_MATCH`	张量初始化不匹配	dtype/format 错误
`I:ERROR_INVALID_TENSOR_DIM_NUM`	维度数量错误	dimNum 不符合预期
`I:ERROR_INVALID_TENSOR_DIM`	维度值错误	维度值超限/无效
`C:ERROR_INVALID_PARAM`	参数错误	非法参数值
`S:ERROR_INVALID_TENSOR_DIM`	输出 Shape 错误	输出 tensor shape 不匹配

多设备测试设计原则

设计 CSV 测试用例时，必须同时覆盖 Ascend910B 和 Ascend950 设备。

合并 vs 分离规则

情况	SocVersion	说明
910B 和 950 完全一致（场景/约束/dtype/format 均相同）	`Ascend910B;Ascend950`	合并为一条用例
910B 和 950 存在任何差异	分两条，各写各自 SocVersion	必须分离

必须分离的场景（不限于以下）

差异类型	示例	处理方式
dtype 支持不同	910B 支持 bf16，950 不支持	分两条：910B bf16 / 950 用其他 dtype
format 支持不同	910B 支持 ND，950 仅支持 ND_TRANSPOSE	分两条，各自指定合法 format
参数约束不同	910B quantType=0,1；950 quantType=0	分两条，各自合法/非法参数
维度限制不同	910B hidden_size≤31424；950 hidden_size≤32768	正向/边界分别设计
ExpectedError 不同	同一非法输入，910B 报 ERROR_A，950 报 ERROR_B	分两条，各自 ExpectedError
性能基准不同	910B 和 950 性能预期不同	分两条，各自 Performance

设计流程

先分析接口文档：对比 910B 和 950 的 ACLNN 接口规格，标记所有差异点
先写共同用例：无差异的场景用 Ascend910B;Ascend950
再写差异用例：每个差异点，为 910B 和 950 各写一条独立用例
差异用例命名：{OpName}{场景}910B / {OpName}{场景}950 便于区分

注意：实际运行测试时仅执行 Ascend910B 用例（当前测试环境限制）。Ascend950 用例由用户在 950 设备上手动验证。

⚠️ 路径约束（必须执行）

执行此技能前，必须从用户处获取以下路径：

<ATB_REPO_PATH>: ATB 仓库路径（如 {your working path}ascend-transformer-boost）

编写步骤

Step 1: 获取接口规格

从用户或官方文档获取算子的：

输入输出定义
参数约束
数据类型支持

Step 2: 阅读源码获取校验逻辑

# 查看参数校验
cat <ATB_REPO_PATH>/src/ops/ops_infer/<op_name>/<op_name>_operation.cpp

# 查找 ERROR_INVALID_* 分支
grep -n "ERROR_INVALID" <ATB_REPO_PATH>/src/ops/ops_infer/<op_name>/<op_name>_operation.cpp

Step 3: 设计正例

覆盖：

典型数据类型的基例
主流模型的常见 shape
边界条件

Step 4: 设计反例

覆盖所有校验分支：

数据类型校验
维度数量校验
维度值校验
参数校验
输出 tensor 校验

Step 5: 设计性能测试

覆盖：

大/中/小 shape
不同数据类型
边界值

Step 6: 创建 CSV 文件（双文件输出）

⚠️ 必须产出两个独立 CSV 文件，不可合并为一个：

# 创建功能用 CSV（正例 + 反例）
touch <ATB_REPO_PATH>/tests/apitest/opstest/csv/<op_name>_func.csv

# 创建性能用 CSV（性能用例）
touch <ATB_REPO_PATH>/tests/apitest/opstest/csv/<op_name>_perf.csv

# 可选：创建合并全量文件
touch <ATB_REPO_PATH>/tests/apitest/opstest/csv/<op_name>_test.csv

拆分规则

文件	内容	TestType 列	用途
`{op}_func.csv`	所有 TestType 非 Performance 的用例（正例+反例）	空或 Function	Phase 5a 前台快速验证
`{op}_perf.csv`	所有 TestType=Performance 的用例	Performance	Phase 5a 后台 subagent 运行
`{op}_test.csv`	全部用例（func + perf 合并）	混合	全量参考 / Phase 5b 全量回归

拆分理由

正例/反例用 -t 1（默认），秒级完成
性能用例默认 400 次迭代，耗时长且可能 OOM
分文件允许 Phase 5a 先快速验证功能，再后台跑性能
_func.csv 和 _perf.csv 各有独立完整 header（21 列）

Step 7: 自动引入 Reviewer Agent 评审 ⭐

⚠️ 强制步骤 — Gate 2 之前必须执行

CSV 文件创建后，必须调用 superpowers:requesting-code-review agent 进行评审，不可跳过。

评审内容:

评审维度	检查内容
完整度	正例/反例/性能是否覆盖所有必要场景
正确性	OpParam JSON 是否与设计文档参数映射一致
Shape 一致性	InShape/OutShape 是否与 ACLNN 接口约束一致
设备分离	910B/950 差异场景是否正确分离 SocVersion
格式规范	21 列、`

评审输入:

CSV 文件路径
设计文档路径（来自 Phase 1 的 *_replacement_design.md）
ACLNN 接口参数约束（来自详设第 2 章）

评审通过标准:

无遗漏的正例场景（dtype/shape/边界）
反例覆盖所有 ERROR_INVALID_* 分支
所有 Shape 经 ACLNN 参数约束预检通过
无格式错误

评审问题修复后，方可进入 Gate 2 用户确认。

Step 8: 运行测试验证

source <CANN_PATH>/set_env.sh
source <ATB_REPO_PATH>/output/atb/set_env.sh --cxx_abi=1
cd <ATB_REPO_PATH>/tests/framework/python/CsvOpsTestTool
python3 atb_csv_ops_test.py -i <CSV_FILE_PATH>

苏格拉底式提问模板（点击展开）

在开始编写前，确认以下问题：

算子接口：
- 输入/输出张量的数量和形状？
- 支持的数据类型？
- 参数的合法取值范围？
已有参考：
- 是否有同类型算子的 CSV 可参考？
- 是否已有该算子的测试用例？
特殊约束：
- 是否有 UB 限制？
- 是否有内存限制？
- 是否有特定 shape 要求？

输出模板

## CSV 测试用例设计

### 算子信息
- **算子名称**: XxxOperation
- **接口规格**: [简述]

### 正例列表 (N 个)
| CaseName | InShape | OutShape | 说明 |
|----------|---------|----------|------|
| XxxBase | 128,4096 | 128,2048 | 基例 |
| ... | ... | ... | ... |

### 反例列表 (M 个)
| CaseName | ErrorType | 覆盖分支 |
|----------|-----------|----------|
| XxxErrorDtype | ERROR_INVALID_TENSOR_INI_MATCH | dtype 校验 |
| ... | ... | ... |

### 性能测试列表 (P 个)
| CaseName | InShape | 说明 |
|----------|---------|------|
| XxxPerfLarge | 2048,16384 | 大 shape |
| ... | ... | ... |

### 统计
- 正例: N 个
- 反例: M 个
- 性能测试: P 个
- 总计: N+M+P 个

### 保存路径
- **功能 CSV**: `{ATB_REPO_PATH}/tests/apitest/opstest/csv/{op_name}_func.csv`（正例+反例）
- **性能 CSV**: `{ATB_REPO_PATH}/tests/apitest/opstest/csv/{op_name}_perf.csv`（性能用例）
- **合并 CSV**（可选）: `{ATB_REPO_PATH}/tests/apitest/opstest/csv/{op_name}_test.csv`
- **备份/预览**: `{WORKING_DIR}/`

Human in the Loop: 用户确认检查点 ⭐

⚠️ 强制检查点 - 不可跳过

CSV 用例设计完成后，必须等待用户确认后方可进入实际迁移阶段。

确认前准备

保存 CSV: 将生成的 CSV 用例保存至 ATB 仓库目录
- 功能 CSV: {ATB_REPO_PATH}/tests/apitest/opstest/csv/{op_name}_func.csv（正例+反例）
- 性能 CSV: {ATB_REPO_PATH}/tests/apitest/opstest/csv/{op_name}_perf.csv（性能用例）
- 合并 CSV（可选）: {ATB_REPO_PATH}/tests/apitest/opstest/csv/{op_name}_test.csv
准备确认清单: 供用户逐项确认

用户确认检查表

## CSV 用例确认 - {OpName}

### 待确认文件
- **功能 CSV**: `{ATB_REPO_PATH}/tests/apitest/opstest/csv/{op_name}_func.csv`（正例 X 个 + 反例 Y 个）
- **性能 CSV**: `{ATB_REPO_PATH}/tests/apitest/opstest/csv/{op_name}_perf.csv`（性能 Z 个）

### 确认检查表
| 检查项 | 说明 | 用户确认 |
|--------|------|----------|
| 正例覆盖典型场景 | 包含 float16/bf16 基础用例，主流模型常见 shape | [ ] |
| 反例覆盖所有校验分支 | 覆盖所有 ERROR_INVALID_* 类型 | [ ] |
| 性能测试覆盖大小 shape | 包含大/中/小 shape 测试 | [ ] |
| CSV 已拆分为双文件 | `_func.csv` 和 `_perf.csv` 各自独立 | [ ] |
| CSV 格式符合规范 | 列数=21，分隔符=|，无多余空格 | [ ] |
| 数据类型名称正确 | 使用 data_generation.py 支持的名称 | [ ] |
| ExpectedError 类型正确 | 与参数校验逻辑匹配 | [ ] |
| 可进入实际迁移阶段 | CSV 用例已通过审查 | [ ] |

### 确认方式
- **通过**: 回复 "确认通过" 或逐项打勾确认
- **修改**: 指出具体问题，返回修改后重新确认

### 后续步骤
确认通过后，将进入 Phase 3: 实际迁移阶段
- 下一步调用: `atb-aclnn-operator-migration`

**⚠️ 未收到用户确认前，禁止进入实际迁移阶段**

向用户呈现方式

我已生成 {OpName} 算子的 CSV 测试用例，已拆分为两个独立文件，请确认以下内容：

📄 **功能 CSV**: `{ATB_REPO_PATH}/tests/apitest/opstest/csv/{op_name}_func.csv`
   - 正例: N 个
   - 反例: M 个
📄 **性能 CSV**: `{ATB_REPO_PATH}/tests/apitest/opstest/csv/{op_name}_perf.csv`
   - 性能测试: P 个

Phase 5a 测试时将分两步：
1. 前台跑 _func.csv（秒级完成）
2. 后台 subagent 逐个跑 _perf.csv（避免 OOM）

请检查：
1. 正例是否覆盖了所有典型场景和数据类型？
2. 反例是否覆盖了所有参数校验分支？
3. 性能测试的 shape 选择是否合理？
4. CSV 拆分是否正确（正例/反例在 _func，性能在 _perf）？

回复 "确认通过" 进入实际迁移阶段，或指出需要修改的地方。

保存路径规范（点击展开）

文件类型	路径	说明
功能 CSV	`{ATB_REPO_PATH}/tests/apitest/opstest/csv/{op_name}_func.csv`	正例+反例，Phase 5a 前台跑
性能 CSV	`{ATB_REPO_PATH}/tests/apitest/opstest/csv/{op_name}_perf.csv`	性能用例，Phase 5a 后台 subagent 跑
合并 CSV（可选）	`{ATB_REPO_PATH}/tests/apitest/opstest/csv/{op_name}_test.csv`	全量参考

变量说明:

ATB_REPO_PATH: ATB 仓库路径
WORKING_DIR: working_files 目录
op_name: 算子名称小写（如 {xxx}quant）

执行结果

⚠️ 执行后填写：技能执行完成后，参照下方格式填写实际执行结果。

检查点检查表

步骤	检查点描述	状态
-	正例设计完成	✅ PASS / ❌ FAIL / ⏭️ SKIP
-	反例设计完成	✅ PASS / ❌ FAIL / ⏭️ SKIP
-	性能测试设计完成	✅ PASS / ❌ FAIL / ⏭️ SKIP
-	CSV 文件已创建（双文件）	✅ PASS / ❌ FAIL / ⏭️ SKIP
-	CSV 已拆分为 _func.csv 和 _perf.csv	✅ PASS / ❌ FAIL / ⏭️ SKIP
-	用户已确认 CSV 用例 ⭐	⬜ 待确认

VERDICT: ✅ SUCCESS / ⚠️ PARTIAL / ❌ FAILED / ⏭️ SKIPPED

问题列表（若有）

等级	检查点	问题描述	建议
🔴 CRITICAL	-	-	-
🟡 WARNING	-	-	-

执行摘要

执行时间：
算子名称：
正例数量：
反例数量：
性能测试数量：
通过率：