القائمة
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。
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
PyPTO Pass 编译性能优化技能。用于分析和优化 Pass 模块的编译性能，当 Pass 编译耗时过长需要优化时使用此技能。
定位测试案例中出现 aicore error 时的问题 CCE 文件和问题代码行。当用户说"aicore error"、"定位 aicore error 的原因"、"帮我定位 aicore error 报错"时使用此技能。也适用于用户直接提供 CCE 文件希望定位问题代码行或映射到源码的场景。
PyPTO 环境安装与环境问题修复，包括 CANN、torch_npu、编译工具链、第三方依赖和 PyPTO 编译运行等。触发词：PyPTO environment setup, CANN install, torch_npu, NPU environment, Ascend toolkit, compile PyPTO, build PyPTO, NPU driver, prepare_env, diagnose environment, fix import error, torch_npu import fail, DT_FP8E8M0, pto-isa, ASCEND_HOME_PATH, npu-smi, softmax verify, pip dependency conflict
分析当前 session 上下文，识别 PyPTO 框架或文档不完善导致的断裂点，产出可转化为 Issue 的结构化报告。当用户在 pypto 相关 skill 运行结束后提到"断裂点"、"识别断裂点"、"检测断裂点"、"fracture point"时触发此 skill。也适用于用户对 session 中遇到的问题进行复盘、想要生成问题报告、或希望改进 pypto 框架/文档质量的场景。
分析 host 侧捕获异常后的堆栈信息，通过地址到源码行映射和符号解析，定位问题代码位置。支持 Python traceback、C++ stack trace 和混合堆栈的自动识别与分析。支持编译Debug版本PyPTO包并定位具体代码行。Triggers："堆栈分析"、"堆栈反汇编"、"分析堆栈信息"、"地址到源码行"、"stack trace"、"backtrace"
PyPTO MACHINE 内存重叠检测与修复技能。通过系统化流程检测和修复 workspace 内存重叠、内存管理策略问题导致的精度异常。当怀疑精度问题由内存重叠、workspace 不足、内存管理异常引起时使用此技能。触发词：内存重叠、内存重叠检测、workspace问题、内存管理异常、内存复用错误。
| name | precision-binary-search |
| description | 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。 |
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，定位导致精度差异的具体 op。
分析kernel和golden代码，确定需要检查的关键计算节点。选择在关键计算节点之后的位置，确保检查点的结果有明确的含义，优先选择有明显边界的位置（如matmul、softmax之后）。
在kernel函数定义中添加检查点tensor作为输入参数，每个对应一个检查点。
重要原则：
shape推导方法：
kernel函数声明（前端推荐）：
@pypto.frontend.jit() 装饰器out.move() 或 pypto.assemble 写入结果重要原则：golden函数的检查点必须与kernel函数的检查点完全一致，包括检查点的数量、shape和dtype、顺序、计算逻辑相同。
返回值数量和变量意义匹配：
检查点对等性原则：
修改返回类型注解，增加检查点对应的tensor类型。
创建检查点tensor，执行kernel（kernel内部会原地修改checkpoint），执行golden，对比最终结果和所有检查点。 注意：如果结果相差过大，或者shape不匹配，重新检查添加的检查点代码；device输出为0，可能是卡冲突了或者检查点添加有误。
根据对比结果，定位到第一个精度不匹配的检查点，问题就在该检查点之前或该检查点的计算中。
先从个别关键的计算点开始，每次添加一个检查点即可，然后继续二分进行精度对比，直到找到精度不对的op。
当检查点在循环内时，需要使用切片或者view, assemble赋值。
确保jit和golden的输出shape一致。
如果dtype不一致，进行转换。golden使用float32，jit使用bf16，统一转换为float32对比。
使用pypto.assemble时，输入和输出变量名不能相同，否则会报错"mix assemble and common operation for same output"。使用不同的变量名解决。
pypto.assemble要求输入输出tensor的dtype一致，否则编译报错"Source dtype must be same with dst dtype!"。使用cast转换dtype解决。
添加检查点时，需要准确理解检查点变量的shape。查看kernel中检查点变量的实际shape（可通过中间变量计算得到），查看golden中对应变量的shape，两者必须一致才能对比。
检查golden和kernel的shape是否一致，不一致检查（检查点输出拼接。
使用切片赋值或者view, assemble赋值，根据代码逻辑选择合适的方法。
统一转换为float32对比。
检查是否在 -> 之后声明了返回值。根据正确的实现方式，检查点tensor应该作为输入参数，而不是返回值。
不需要return。调用kernel函数时添加中间变量在输出列表，不需要接收返回值，因为会原地修改变量。