ascendkerneloptimization

name	ascendKernelOptimization
description	Ascend C Kernel Code Optimization Skill. 使用本地RAG知识库检索优化经验，对算子kernel代码进行迭代优化。 核心流程: 识别bottleneck -> 检索RAG -> 生成修改 -> 评估 -> 迭代 Trigger examples: "optimize kernel", "优化 kernel 代码".

Ascend C Kernel Code Optimization

Language Behavior / 语言行为

• 中文提问用中文回答，英文提问用英文回答
• 代码使用英文标识符

Scope

• 优化 Ascend C 算子的 kernel 代码 (非 tiling 参数)
• 优化分析阶段必须同时查看该算子的 op_host 与 op_kernel 目录下全部代码文件
• 基于 RAG 知识库检索优化经验
• 迭代优化直至收敛或达到最大迭代次数
• 优化完成后保存结果到新目录: /root/wjh/codex/output_ops/<run_id>/<category>/<op_name>

Workflow

1. 确认输入

• 算子类别和名称 (如 math/abs)
• tiling资源路径
• RAG知识库路径 (默认: scripts/rag_db/optimization_points.json)
• 算子源码可访问，且可完整读取 op_host 与 op_kernel 全部文件

2. 迭代优化流程 (核心)

每轮迭代执行以下步骤：

┌─────────────────────────────────────────────────────────────┐
│  1. 识别 Bottleneck                                        │
│     - 必须先完整读取 op_host 与 op_kernel 全部代码          │
│     - 联合分析 host-kernel 接口、数据流与调度关系           │
│     - 调用 LLM 分析当前代码                                 │
│     - 识别最关键的性能瓶颈                                  │
│     - 避免重复识别历史瓶颈                                   │
└─────────────────────────────────────────────────────────────┘
                            ↓
┌─────────────────────────────────────────────────────────────┐
│  2. 检索 RAG 知识库                                        │
│     - 基于 bottleneck 描述检索                              │
│     - 从 optimization_points.json 获取 1 条最相关优化经验    │
│     - 包含: title, description, bottleneck, code_diff      │
└─────────────────────────────────────────────────────────────┘
                            ↓
┌─────────────────────────────────────────────────────────────┐
│  3. 生成代码修改                                           │
│     - 结合 bottleneck 和 RAG 经验                          │
│     - 使用 LLM 生成 diff 格式修改                          │
│     - 解析 diff 应用到代码                                  │
└─────────────────────────────────────────────────────────────┘
                            ↓
┌─────────────────────────────────────────────────────────────┐
│  4. 评估                                                   │
│     - 调用评估服务获取性能分数                               │
│     - 分数越低越好                                          │
└─────────────────────────────────────────────────────────────┘
                            ↓
┌─────────────────────────────────────────────────────────────┐
│  5. 更新最佳解                                             │
│     - 记录分数改善的修改                                    │
│     - 继续下一轮迭代                                        │
└─────────────────────────────────────────────────────────────┘

完成全部迭代后必须执行最终落盘：

• 创建新的 run_id 目录（格式建议 run_YYYYMMDD_HHMMSS，若冲突追加后缀）
• 将最佳结果保存到 /root/wjh/codex/output_ops/<run_id>/<category>/<op_name>
• 不覆盖历史输出目录

3. Bottleneck 识别指引

LLM 分析时关注以下类型瓶颈：

瓶颈类型	描述
内存访问	非连续内存访问、bank冲突、未利用UB
计算效率	未使用向量化、重复计算、冗余操作
分支预测	过多条件分支、代码布局不当
同步开销	不必要的全局同步、流水线停顿
数据搬运	主机-设备传输冗余、重复拷贝

4. RAG 检索

知识库文件：scripts/rag_db/optimization_points.json

每条经验包含：

• title: 优化技巧标题
• description: 详细描述
• bottleneck: 对应瓶颈描述
• code_diff: 参考修改片段

检索方式：

• 不依赖 embedding API
• 基于 bottleneck 文本做本地关键词/相似度匹配，返回最匹配的 1 条经验

5. Diff 格式

<<<< op_kernel/abs_kernel.cpp
// 原始代码
int32_t a = 1;
====
int32_t a = 8;  // 修改后
>>>>

Environment Variables

Variable	Description
TILING_RESOURCE_BASE	tiling资源基础路径
KNOWLEDGE_BASE_PATH	RAG知识库路径 (默认: scripts/rag_db 或 scripts/rag_db/optimization_points.json)
EVALUATE_SERVICE_URL	评估服务 (默认 http://127.0.0.1:6666/evaluate)
LLM_BASE_URL	LLM API 地址
LLM_API_KEY	LLM API 密钥
LLM_MODEL	LLM 模型名 (默认 DeepSeek-V3.2)
MAX_ITERATIONS	最大迭代次数 (默认3)
OUTPUT_BASE	输出根目录 (默认 /root/wjh/codex/output_ops，实际输出为 <OUTPUT_BASE>/<run_id>/<category>/<op_name>)

Usage

from scripts.optimizer import create_optimizer

optimizer = create_optimizer(
    op_name="abs",
    op_category="math",
    tiling_resource_base="/path/to/tiling/resources",
)

best_code, best_score, output_dir = optimizer.optimize()

Files

• SKILL.md - 技能定义
• scripts/rag_db/ - RAG知识库数据
• scripts/optimizer.py - 主优化器
• scripts/sampler.py - 采样器 (bottleneck识别 + RAG检索 + 代码生成)
• scripts/evaluator.py - 评估器
• scripts/knowledge_base.py - RAG知识库
• scripts/config.py - 配置