kernel-runtime-analysis

# 算子与运行时分析 适用：有算子 trace、kernel 计时或编译方案，想解释局部优化能否缩短完整请求。依据 `manuscripts/05-算子与运行时.md` 第 5.1—5.6 节。 1. 记录张量形状、精度、布局、tile、寄存器或片上存储占用、有效带宽和 kernel 启动次数；确认优化前后工作量是否相同。 2. 追踪数据被读写和复用的次数。融合/预计算节省的外部访存，要与额外片上空间、占用率下降、重算或准备开销比较。 3. 按依赖检查分块、流水、事件与缓冲区复用；数据未就绪前不可读取，消费者完成前不可释放。 4. 在完整请求 trace 中定位该阶段的关键路径占比，区分可重叠的传输与必须等待的同步。用相同输入和预热条件复测总时间。 输出瓶颈证据、预期节省与实际端到端变化。单个 kernel 加速而任务无明显变化时，先检查是否被其他阶段遮蔽，不直接归因于测量错误。