// 代理执行 AKG 算子任务。先检查固定仓库与分支；若 `~/.akg/check_env.md` 不存在则强制 `FULL_SETUP=true`；忽略所有 `akg_cli` 检查和使用；后端代码生成直接执行 `run_workflow.py --workflow kernelgen`。
Build and maintain a persistent knowledge base (LLM Wiki) using native backend tools. Supports ingesting PDFs, Markdown, and TXT files, and querying or linting the data. Use this whenever the user wants to add, retrieve, or manage their own local knowledge base and documents.
进阶版日报生成器，支持多数据源采集、工作分析、趋势对比、周报月报聚合
为昇腾算子在源码中接入 TRACE_POINT 与 MoeTracing，串通 trace_preprocessor、profiling tensor、point_map.json、 save_profiling_data 与 trace_collector 生成 Chrome trace。强调门禁 G1–G5：全链路预处理与 OPP、profiling 为数据输出最后一位、 整条编译与示例脚本联调、落盘路径在 spawn 前 resolve。遵循函数级粒度与就地扩展，禁止另注册 xxx_profiling 类第二入口， 保持原 Op 与 torch.ops 名称及签名不变。在用户提到算子打点、Profiling、Chrome trace、MoeTracing，或将结论写入本 skill 时读取。
在用户提供 Chrome/Perfetto trace.json、或排查 Ascend 上 MoE/FusedDeepMoe 等算子性能时使用。按 phase、category、core group、tid 统计耗时、overlap、bubble，输出 CSV、Markdown 报告与确定性诊断；可选外部 LLM 扩写分析。默认 phase 映射面向 UMDK FusedDeepMoe，其它 trace 需替换或扩展 config/phase_map.yaml。
跨会话检索聊天原文（记忆不足时再用）。在回答任何关于历史事件、日期、人物、过去对话的问题时，如果记忆中没有相关信息或不足以回答，则需要使用跨会话检索聊天原文。用 mcp_exec_command 执行 scripts/search_history.py，读 ~/.jiuwenswarm/agent/sessions/*/history.json。支持 channel、session_id、关键词、时间窗。如果搜索结果不足，尝试用不同的关键词再次搜索。
安排延迟重启本 Agent 所在的服务（JiuwenSwarm app）。执行后当前 Agent 进程会被终止并重新启动，当前会话会断开。用于用户要求重启、配置更新需生效、或服务异常需重载时。使用 bash 调用脚本。
| name | akg-agents |
| description | 代理执行 AKG 算子任务。先检查固定仓库与分支；若 `~/.akg/check_env.md` 不存在则强制 `FULL_SETUP=true`；忽略所有 `akg_cli` 检查和使用；后端代码生成直接执行 `run_workflow.py --workflow kernelgen`。 |
用户任务本质上是在写算子、改算子、补后端实现、做验证或调优时，进入本工作流。
akg 目录下相关衍生 skill 的上位约束；若冲突，以本 skill 为准jiuwenswarm，没有 question 一类工具；如果必须向用户提问，直接输出问题并结束本轮执行akg_cli 已废弃；所有衍生 skill 中关于 akg_cli 的检查、判定、命令和使用说明都必须忽略pip install -r ... 安装；不要逐个安装run_workflow.py 不得后台执行；必须以前台方式运行，并设置足够长的超时时间run_workflow.py 失败后必须如实向用户汇报；除非用户明确要求绕过，否则不得擅自改用其他方法<AKG_REPO_URL>：https://gitcode.com/mindspore/akg/<AKG_REPO_BRANCH>：br_agents<AKG_REPO_DIR>：$HOME/.jiuwenswarm/agent/workspace/akg<AKG_AGENTS_DIR>：<AKG_REPO_DIR>/akg_agents先检查 <AKG_REPO_DIR> 是否存在；若存在，再检查它是否为 git 仓库以及当前分支是否为 <AKG_REPO_BRANCH>。
若 <AKG_REPO_DIR> 不存在，执行：
git clone -b <AKG_REPO_BRANCH> <AKG_REPO_URL> <AKG_REPO_DIR>
若 <AKG_REPO_DIR> 已存在，执行：
git -C <AKG_REPO_DIR> rev-parse --is-inside-work-tree
git -C <AKG_REPO_DIR> branch --show-current
如果目录存在但不是 git 仓库，应先向用户报告异常，再决定是否继续。
必须先阅读：
<AKG_AGENTS_DIR>/workspace/.opencode/skills/akg-env-setup/SKILL.md然后按以下规则执行：
~/.akg/check_env.md 不存在，必须覆盖 akg-env-setup 的默认首轮入口，强制按 FULL_SETUP=true 执行~/.akg/check_env.md 存在，才允许继续走缓存命中、环境检查和参数确认akg_cli 检查，也不得把它作为环境可用性的依据执行前必须要求用户手动配置：
~/.akg/settings.json优先让用户执行：
mkdir -p ~/.akg
cp akg_agents/examples/settings.example.json ~/.akg/settings.json
模板中的 base_url、api_key、model_name 等敏感字段必须由用户自行填写。
若用户未完成配置，不得继续后续流程。
必须阅读：
<AKG_AGENTS_DIR>/workspace/.opencode/skills/op-task-extractor/SKILL.md用它生成标准化任务文件和 torch 标杆代码，并按其要求完成验证。
后端代码生成不要再提其他 skill 名称，直接执行完整命令：
python <AKG_AGENTS_DIR>/workspace/.opencode/skills/search-workflow/scripts/run_workflow.py \
--workflow kernelgen \
--task-file <TASK_FILE_PATH> \
--framework <framework> \
--backend <backend> \
--arch <arch> \
--dsl <dsl> \
--output-path <OUTPUT_PATH>
规则：
--workflow kernelgen 是 run_workflow.py 的参数，不是 akg_cli 的参数--devices <ids>run_workflow.py --workflow kernelgen 的正常执行时长，通常为 5-20 分钟run_workflow.py 执行失败，必须直接如实汇报失败信息；除非用户明确要求绕过，否则不得改用其他生成方法、替代命令或兜底路径backend=ascend，dsl=triton_ascendbackend=cuda，dsl=triton_cudabackend=cpu，dsl=cpp优先遵循用户明确指定的 framework、backend、dsl、arch。
<AKG_REPO_DIR>、git 状态和 <AKG_REPO_BRANCH>akg-env-setup~/.akg/check_env.md 不存在，强制按 FULL_SETUP=true 执行~/.akg/settings.jsonop-task-extractor，生成并验证任务文件akg_cli 相关检查和使用pip install -r ...run_workflow.py --workflow kernelgen 命令，并给够超时时间run_workflow.py 失败，如实向用户汇报，不得擅自改用其他方法输出时明确说明：
~/.akg/check_env.md 是否存在FULL_SETUP=true 执行akg-env-setup~/.akg/settings.jsonop-task-extractor 并生成 torch 标杆代码run_workflow.py 命令启动后端代码生成--workflow kernelgenakg_cli 相关检查和使用pip install -r ...run_workflow.py 失败，是否已如实汇报且未擅自改用其他方法framework、backend、dsl、arch