model-porting

name	model-porting
description	模型移植全流程。按顺序执行10个子步骤，从ONNX导出到SoC部署。使用前先填写 skills/model-porting-template.md 模板，然后说「按照 model-porting skill 移植[模型名]」即可。

模型移植

使用流程：填模板 → 一句话启动 → AI 自动按序执行 10 步。

前置条件

1. 确认 skills/model-porting-template.md 模板已按要求填写完整
2. 原始模型权重已下载到本地
3. 测试数据集已准备好

启动方式

按照 model-porting skill，移植 [模型名] 到 SOPHON TPU。
移植模板在 skills/model-porting-template.md，请先读取模板内容。

或者如果模板就是你当前在编辑的文件：

我已经填好了 skills/model-porting-template.md，按照 model-porting skill 开始移植。

执行流程

启动后，AI 自动按以下顺序调用子 Skill：

步骤	子 Skill	做什么
01	model-porting-01-analyze	读取模板 + 原始模型 README → 输出 model_info.json
02	model-porting-02-env	搭建 TPU-MLIR Docker 环境
03	model-porting-03-export	PyTorch → ONNX，处理算子兼容
04	model-porting-04-compile	ONNX → BModel，多芯片多精度
05	model-porting-05-python	生成 Python 推理代码
06	model-porting-06-accuracy	精度测试，输出对比表
07	model-porting-07-perf	性能测试，延迟+吞吐
08	model-porting-08-cpp	Python → C++ 移植
09	model-porting-09-soc	SoC 交叉编译 + 部署
10	model-porting-10-docs	生成 README + 文档

每个步骤 AI 会：

1. 调用对应子 Skill 加载上下文（只加载当前步骤的知识，不浪费 token）
2. 根据子 Skill 中的提示词执行任务
3. 完成后展示输出，确认通过后进入下一步

执行规则

• 串行执行：每步通过后才进入下一步
• 失败处理：遇到问题用 Debug 四步曲（编号→写TC→分析→修复验证）
• 产物提交：遵循 sophon-demo 仓库提交粒度——一个 sample 开发完成提交一次（feat(<sample>): ...），后续新增 feature 或修复各自再开新 commit（feat/fix(<sample>): ...）。移植 10 步的中间产物默认不逐步提交，待 sample 整体可交付、或出现独立可用的阶段性成果（如某个子模型编译通过、某段推理代码可用）时再做提交；提交前先让用户确认。