القائمة
在 Ascend 昇腾平台上校验并构建triton算子开发所需环境,包括CANN、Python/torch/torch_npu/triton-ascend依赖和PATH环境变量等设置。当用户需要配置triton算子开发环境、检查CANN/torch/triton-ascend安装、验证环境是否可用时使用。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
Kubernetes 集群健康检查与安全修复 — 诊断问题，用户确认后执行修复
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 性能优化、算子优化、tiling、流水、搬运、 内存优化、NPU/昇腾等关键词时触发。
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。
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。
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。
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。
| name | triton-operator-env-config |
| description | 在 Ascend 昇腾平台上校验并构建triton算子开发所需环境,包括CANN、Python/torch/torch_npu/triton-ascend依赖和PATH环境变量等设置。当用户需要配置triton算子开发环境、检查CANN/torch/triton-ascend安装、验证环境是否可用时使用。 |
必须按顺序执行环境检查，每个步骤依赖前一步的成功。
配套版本可能更新，必须先获取官方最新文档。
MANDATORY - READ ENTIRE PAGE：访问并完整阅读官方在线文档 https://triton-ascend.readthedocs.io/zh-cn/latest/quick_start.html 和 https://triton-ascend.readthedocs.io/zh-cn/latest/installation_guide.html，获取最新的：
以文档中的版本要求为准，更新后续步骤中的版本号。
以下版本对应关系仅供参考（截止 2026-03-26），以在线文档为准：
| Triton-Ascend 版本 | CANN 版本 | 发布日期 |
|---|---|---|
| 3.2.0 | 8.5.0（推荐） | 2026/01/16 |
| 3.2.0rc4 | 8.3.RC2 | 2025/11/20 |
torch_npu 版本（仅供参考）：2.7.1
⚠️ 如果在线文档中的版本与上表不一致，必须以在线文档为准。
必须最先检查 CANN 环境
npu-smi info，检查是否成功加载驱动which bisheng，检查是否成功加载CANN环境获取到npuir编译器，应该输出路径source /usr/local/Ascend/cann/set_env.shsource /usr/local/Ascend/ascend-toolkit/set_env.sh如果遇到python问题，最优先使用miniconda创建环境解决
which python3export PATH="/usr/bin:$PATH"python3 --version，以官方 quick_start.md 文档中的要求为准conda init bash检查是否有conda环境，有则跳转第5步，如果没有则执行第2步安装uname -m确认当前系统架构
如果系统架构为aarch64，执行：wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-aarch64.sh
如果系统架构为x86_64，执行：wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.shbash Miniconda3-latest-Linux-x86_64.sh或bash Miniconda3-latest-Linux-aarch64.sh，按照提示安装后激活miniconda环境conda init bashconda create -n triton python=<官方要求版本>conda activate triton必须保证前面的步骤都成功
pip list | grep "torch"pip install torch==<官方要求版本>ERROR: No matching distribution found for torch==2.7.1+cpu，尝试：
pip install torch==2.7.1+cpu --index-url https://download.pytorch.org/whl/cpu
pip install torch_npu==<官方要求版本>python3 -c "import torch; print(torch.__version__)"python3 -c "import torch; a = torch.randn(2, 3); print(a)"，应该输出类似结果：tensor([[2.86, 1.0406, 1.5811], [0.8329, 1.0024, 1.3639]])pip list | grep "triton"pip uninstall tritonpip install triton-ascend用于确认当前终端环境可以正常执行triton算子。
MANDATORY - READ ENTIRE FILE：在执行验证前，必须完整阅读 scripts/01-vector-add.py。
执行验证：
python3 <skill-dir>/scripts/01-vector-add.py
执行该算子样例后，如出现类似结果则表明其计算符合预期，difference为0.0则视为验证通过：
tensor([0.8329, 1.0024, 1.3639, ..., 1.0796, 1.0406, 1.5811], device='npu:0')
tensor([0.8329, 1.0024, 1.3639, ..., 1.0796, 1.0406, 1.5811], device='npu:0')
The maximum difference between torch and triton is 0.0
| 现象 | 动作 |
|---|---|
| torch 安装失败：No matching distribution found for torch==2.7.1+cpu | 尝试从 PyTorch 官方源安装：pip install torch==2.7.1+cpu --index-url https://download.pytorch.org/whl/cpu |
| 同时安装了原生 triton 和 triton-ascend | 先卸载原生 triton：pip uninstall triton，再重新安装 triton-ascend |
| 找不到 C++ compiler | 安装编译器：apt-get install g++ |
| 需要从源码编译时缺少依赖 | 安装系统库：sudo apt install zlib1g-dev clang-15 lld-15（推荐 clang >= 15, lld >= 15） |
| 已按上表重试仍失败 | 保留完整终端报错与已执行的命令序列，便于本地或后续排查 |