triton-operator-design

name	triton-operator-design
description	生成适用于 Ascend NPU 的 Triton 算子需求文档。当用户需要设计新的 Triton 算子、编写算子需求文档、进行算子性能优化设计时使用。核心产出：功能定义、API 接口、Tiling 策略、Kernel 实现方案。

Triton 算子需求文档生成

工作流

1. 需求分析 → 产出：功能定义、数学公式、竞品对比
2. 原型设计 → 产出：API 接口定义
3. 规格约束 → 产出：输入输出约束、硬件限制
4. 特性实现 → 产出：Tiling 策略、Kernel 实现方案

参考资源加载

阶段	必须加载	不要加载
需求分析	ascend-terminology.md	template, tiling-strategies
原型设计	triton-api-reference.md	tiling-strategies
特性实现	tiling-strategies.md, triton-operator-template.md	ascend-terminology

MANDATORY：阶段 4 前，完整阅读 tiling-strategies.md 和 triton-operator-template.md，不设行数限制。按模板格式输出文档。

关键术语

• GM：全局内存（DDR），UB：Vector Core 高速缓存（192KB），L1：Cube Core 缓存（~1MB）
• AI Core：A2/A3 有 24 个，含 1 Cube + 2 Vector
• 归约操作必须升精度到 FP32

绝对不要做的事

• ❌ 使用模糊术语（"适当切分"、"合理分配"）— 必须给出具体计算方法
• ❌ 忽略 UB 大小（192KB）和对齐要求（32B）
• ❌ 不区分 Vector Core（向量计算）和 Cube Core（矩阵计算）
• ❌ 不标注数据流图中的数据类型和 GM↔UB 传输
• ❌ 归约操作不说明升精度策略

常见陷阱

陷阱	症状	解决
UB 超限	方案不可实现	计算缓冲区总大小 < 192KB
内存未对齐	硬件报错	UB 缓冲区 32B 对齐，单值缓冲区分配 32B
精度损失	FP16 结果不准	归约前升 FP32，完成后降精度
Tiling 不合理	性能差/大 shape 不支持	按维度切分，避免跨 Core 数据依赖