메뉴
当用户需要部署 msmodeling optix 服务化自动寻优工具时使用。负责安装与验证。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
当首次使用 msmodeling optix 的用户需要根据硬件、模型、负载和优化目标推荐 MindIE/vLLM 寻优参数、搜索范围、benchmark 侧字段或 config.toml 片段时使用。
指导并自动化完成昇腾 NPU 上 MindSpeed-LLM 训练的 Profiling 数据采集。支持配置并运行带 Profiling 的模型训练，包括 CPU 采集、内存采集、不同采集级别（level0/level1/level2）和自定义 step 范围。生成的 Profiling 数据可用 MindStudio Insight 进行性能分析。当用户需要在模型训练中采集 Profiling 数据、进行训练性能分析、或执行 性能数据采集/Profiling采集 时触发。触发关键词：profiling、性能分析、性能数据采集、Profiling采集、训练框架profiling、MindSpeed-LLM profiling。
指导并自动化完成昇腾 NPU 上 MindSpeed-MM 模型训练的 Profiling 数据采集。通过识别训练脚本，自动找到配置文件并启用内置 Profiler，支持静态采集（指定起止 step）和动态采集（运行时动态开关），支持 Megatron 引擎（tools.json）和独立 FSDP2 引擎（YAML）两种配置方式。生成的 Profiling 数据可用 MindStudio Insight 进行性能分析。当用户需要在多模态模型训练中采集 Profiling 数据、进行训练性能分析、或执行 性能数据采集/Profiling采集 时触发。触发关键词：profiling、性能分析、性能数据采集、Profiling采集、多模态训练profiling、MindSpeed-MM profiling。
Skill for analyzing communication performance bottlenecks and detecting slow/fast rank issues in Ascend NPU systems. Use this skill whenever you need to analyze communication efficiency, data transfer bottlenecks, or identify slow/fast rank problems using profiling data.
用于分析Ascend NPU系统中计算性能瓶颈的技能，专注于算子效率和计算优化
分析MindStudio Insight采集的profiling数据识别快慢卡，以及分析系统trace文件识别Host侧进程性能问题。当用户需要分析NPU卡间性能差异或Host侧进程瓶颈时调用。
| name | msmodeling-optix-deploy |
| description | 当用户需要部署 msmodeling optix 服务化自动寻优工具时使用。负责安装与验证。 |
| version | 0.1.0 |
| source | local-session-analysis |
本 skill 负责将工具装好并验证能用。
其他内容由对应 skill 负责：
msmodeling-env-installerconfig.toml 配置：msmodeling-optix-param-recommend寻优工具仅支持以下昇腾推理产品：
| 产品类型 | 是否支持 |
|---|---|
| Atlas A3 训练系列产品/Atlas A3 推理系列产品 | √ |
| Atlas A2 训练系列产品/Atlas A2 推理系列产品 | √ |
| Atlas 200I/500 A2 推理产品 | √ |
| Atlas 推理系列产品 | √ |
| Atlas 训练系列产品 | x |
- 目标运行环境不支持 Windows
- Atlas 训练系列产品不支持，请确认使用的是推理系列产品
用户说"安装""部署"时，直接执行以下步骤，不要只给命令。
为减少安装等待时间，默认优先使用阿里云镜像：
https://mirrors.aliyun.com/pypi/simple/
注意：不要写成
PYPI_MIRROR=... python -m pip install -i "$PYPI_MIRROR" ...。 这种写法里"$PYPI_MIRROR"会在临时环境变量生效前被 shell 展开，结果可能变成空字符串，导致 pip 实际拿到空的 index URL。优先直接把镜像地址写进
-i参数；如果确实要用环境变量，必须先单独export，再在后续命令里使用。
若用户已有公司内网镜像、离线源或明确指定其他源，则尊重用户配置，不强制改成阿里云镜像。
寻优工具已集成在 msmodeling 项目中。检查安装入口与默认配置：
ls pyproject.toml optix/config.toml
若仓库不存在，直接克隆：
git clone https://gitcode.com/Ascend/msmodeling.git
cd msmodeling
msmodeling 仓库结构：
msmodeling/ ← 仓库根目录
├── pyproject.toml ← optix 安装入口
└── optix/
├── config.toml ← 寻优工具默认配置
└── ... ← 寻优工具源码（optimizer 代码等）
安装时不要依赖上一次 shell 的 cd 状态。应优先使用单条命令，把切目录和安装写在一起，避免误在其他目录执行 pip install -e .。
推荐安装命令如下：
cd msmodeling && python -m pip install -i https://mirrors.aliyun.com/pypi/simple/ -e .
若用户明确要求使用其他镜像，把上面的 URL 替换成用户指定源即可。
注意：当前仓库中
msmodelingCLI 由仓库根目录的pyproject.toml提供，安装时应进入msmodeling/仓库根目录，而不是在optix/子目录或其他位置执行pip install -e .。
msmodeling optix --help
告诉用户安装是否成功。若失败，给出具体缺失项和修复建议；并给下一步建议：运行环境检查、配置 config.toml 或开始参数推荐。
卸载前说明会移除 Python 包，征得同意后执行：
python -m pip uninstall optix