auto-optimization

name	auto-optimization
description	端到端性能优化闭环，组合 profiling-collection、performance-analysis、performance-optimization 三个下层 skill 完成从 profiling 采集到方案实施的完整流程。 当用户需要完整优化模型推理性能、并确认优化效果时使用此 skill。 前置条件：模型已通过 ascend-deploy 部署至 NPU 设备且已验证可通过。 由 dev-workflow 的各阶段触发。

端到端性能优化闭环

依赖关系

auto-optimization
    ↓
profiling-collection（采集 profiling 数据）
    ↓
performance-analysis（5 层递进分析 → 方向级建议）
    ↓
performance-optimization（查 features.md → 选取具体方案 → 实施）
    ↓
profiling-collection + performance-analysis（复验）

下层 skill	在本闭环中的职责
profiling-collection	Step 1: 采集 profiling 数据；Step 4: 复验时重新采集
performance-analysis	Step 2: 5 层分析，输出方向级建议（P0-P2）
performance-optimization	Step 3: 基于分析建议，查 mindiesd-features.md 选具体 API/方案并实施

前置条件

• ascend-deploy 已完成：代码已编译安装、import mindiesd 成功
• 模型已部署并通过验证：用 model-verification §B 确认推理正确
• NPU 设备可用且显存充足

核心流程

Step 1: 采集 profiling 数据

调用 profiling-collection：

python profiling-collection/scripts/collect_profile.py \
    --host <IP> --user <用户名> --password <密码> \
    --container <容器名> --script wan_infer.py --device-id 0 \
    --warmup-steps 10

保障 warmup ≥10 步、profiler capture ≥5 步，采集完成后回传 profile_l1.tar.gz 到本地。

Step 2: 分析 + 诊断

调用 performance-analysis：

python performance-analysis/scripts/analyze_trace.py \
    --profile-dir ./profile_l1 --output-dir ./analysis

关键产出：

• Layer 1: 瓶颈阶段（DiT vs VAE）
• Layer 2: 算子分类占比（FA/MatMul/Vector/Comm，分阶段）
• Layer 3: Host Bound / 通信暴露 / 融合机会（分阶段，含 similarity note）
• Layer 5: 方向级建议（P0-P2，每项指向 mindiesd-features.md §章节）

Step 3: 选取方案 + 实施

基于 performance-analysis 输出的方向级建议：

1. 逐条加载 mindiesd-features.md 对应章节
2. 确认硬件约束、模型支持、精度需求
3. 选取具体 API/参数/开关
4. 实施优化（修改代码、配置开关、添加量化步骤）
5. 记录修改，准备复验

选取优先级：P0（MindIE-SD Pattern）→ P1（算子分类方向）→ P2（通用方案）

Step 4: 复验

重新采集 + 分析，对比前后指标：

# 4.1 重新采集
python profiling-collection/scripts/collect_profile.py ...

# 4.2 重新分析
python performance-analysis/scripts/compare_traces.py \
    --baseline ./baseline/profile_l1/kernel_details.csv \
    --target ./validation/profile_l1/kernel_details.csv \
    --baseline-label "Before" \
    --target-label "After"

确认关键指标变化：

• DiT/VAE 阶段耗时变化
• FA/MatMul/Vector/Comm 占比变化
• Host Bound / 通信暴露率变化
• 总推理耗时变化

差距 < 3% 视为噪声，不宣称有效。

停止条件

满足任一条件即停止优化循环：

1. 目标达成：推理速度或显存占用已满足性能预期
2. 噪声范围：与基线差距 < 3%，继续优化无统计意义
3. 外部瓶颈：根因在 CANN / torch_npu / HCCL 而非 MindIE-SD 代码
4. 硬件瓶颈：已改善但受限于 NPU 物理显存 / 带宽上限

产出规范

每次优化闭环的最终产物见 references/artifact-layout.md。