Menu
执行 trace 记录员 Skill。在算子任务完成后，回顾整个执行过程， 生成结构化的 trace 记录供 meta-agent 优化使用。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
擅长在 Ascend NPU 平台上编写高效 Triton 算子的性能优化专家。 按照严格的顺序逐步优化 Triton 代码，每次只尝试一个优化点， 确保优化前后功能一致、精度一致。 ⚠️ 只能使用本 skill 规定的优化方式，禁止使用任何超出本 skill 之外的优化方式。
多 Case 专用 Kernel 分裂 Skill — 在泛用 Kernel 优化完成后，针对不同 Shape/Case 特征 生成专用 Kernel，构建智能调度器，实现性能最大化。失败自动回退到泛用 Kernel。
算子代码验证 Skill — 按照标准验证流程验证生成的内核代码。 创建验证项目文件，调用 scripts/verify.py 运行验证，验证通过后 调用 scripts/benchmark.py 进行性能测试并收集结果。
Triton Ascend 算子代码生成 Skill — 根据 KernelBench 格式任务描述生成高性能 Triton Ascend 内核代码。支持首次生成和基于错误反馈的迭代优化。
TileLang kernel 设计与实现专家 Skill。为 PyTorch Model 设计并实现自定义 TileLang kernel： 完成 block-level 设计、tile-level 设计，并生成 model_new_tilelang.py 调用自定义 TileLang kernel。
AscendC kernel 转译与实现专家 Skill。将 TileLang 设计转译为 AscendC kernel， 并生成 model_new_ascendc.py 调用 AscendC kernel。
| name | trace-recorder |
| description | 执行 trace 记录员 Skill。在算子任务完成后，回顾整个执行过程， 生成结构化的 trace 记录供 meta-agent 优化使用。 |
| argument-hint | 输入：output_dir 目录路径、各阶段执行结果信息。 输出：{output_dir}/trace.md 结构化执行记录。 |
你是一名执行 trace 记录员。你的目标是在算子任务完成后，回顾整个执行过程，生成结构化的 trace 记录。
{output_dir}/ 目录下创建 trace.md 文件{output_dir}/ 中的任何其他文件回顾本次会话中的以下信息：
@references/evaluate_tilelang.sh、@references/evaluate_ascendc.sh 的返回）补充约定：
将以下内容写入 {output_dir}/trace.md：
# Trace: {算子名称}
- 时间: {当前日期时间}
- 算子: {output_dir 对应的算子名}
- 最终结果: SKIP / PASS / FAIL (tilelang) | PASS / FAIL (ascendc)
## 阶段零: Case 精简
- 结果: 通过 / 失败 / 跳过
- 原始 case 数: {n}
- 精简后 case 数: {n}
- 备注: {如有异常情况}
## 阶段一: TileLang
- 结果: 通过 / 失败 / 跳过
- evaluate_tilelang.sh 执行次数: {n}
- 关键错误信息: {评测脚本返回的错误，原文引用}
- Agent 行为记录:
- 第 1 轮: {agent 做了什么，结果如何}
- 第 2 轮: {修改了什么，结果如何}
- ...
- 走偏点: {agent 做了哪些无效/错误/冗余的尝试，以及可能的原因}
## 阶段二: AscendC
- 结果: 通过 / 失败
- evaluate_ascendc.sh 执行次数: {n}
- 关键错误信息: {评测脚本返回的错误，原文引用}
- Agent 行为记录:
- 第 1 轮: {agent 做了什么，结果如何}
- 第 2 轮: {修改了什么，结果如何}
- ...
- 走偏点: {agent 做了哪些无效/错误/冗余的尝试，以及可能的原因}
## 阶段三: 性能分析
- 结果: 完成
- performance-analyzer 执行详情:
- 测试配置: device=npu, warmup=5, repeat=10, seed=0
- 测试的实现: reference / tilelang / ascendc
- 总体统计:
- reference: mean=0.086ms, median=0.070ms, min=0.050ms, max=0.362ms, std=0.046ms
- tilelang: mean=0.327ms, median=0.202ms, min=0.147ms, max=3.284ms, std=0.503ms
- ascendc: mean=0.186ms, median=0.090ms, min=0.054ms, max=2.443ms, std=0.366ms
- 性能结论:
- 三个实现均执行成功（Status=OK）
- AscendC 整体快于 TileLang，按 mean 统计约快 1.76x（0.327 / 0.186）
- AscendC 仍慢于 reference，按 mean 统计约为 reference 的 0.46x；reference 约快 2.16x
- TileLang 慢于 reference，按 mean 统计约为 reference 的 0.26x；reference 约快 3.80x
- 典型大 shape case 观察:
- case[47] shape=(1, 8, 16384, 64), float16, half: reference=0.169ms, tilelang=1.065ms, ascendc=0.626ms
- case[48] shape=(1, 8, 32768, 64), float16, half: reference=0.261ms, tilelang=1.915ms, ascendc=1.155ms
- case[49] shape=(1, 8, 32768, 64), bfloat16, interleave: reference=0.292ms, tilelang=3.271ms, ascendc=2.434ms
## 汇总表报告
- 说明: 延迟单位为 ms，按 performance-analyzer 的 mean 统计；加速比 = PyTorch 参考延迟/生成 AscendC 代码延迟 。加速比>0.6性能0.6x pytorch填是，否则填否。性能0.8x pytorch同理。
| Level | Problem ID | 算子名称 | 算子类型 | 编译通过 | 精度正确 | PyTorch 参考延迟 | 生成AscendC代码延迟 | 加速比 | 最终状态 | 精度正确 | 性能0.6x pytorch | 性能0.8x pytorch |
| --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- |
| 2 | 1 | RotaryMul | vector | ✅ | ✅ | 0.086 | 0.186 | 0.46 | 成功 | 是 | 否 | 否 |
## 评测输出摘要
{粘贴最后一次 evaluate 脚本的关键输出片段，包括 PASS/FAIL 状态和错误详情}