菜单
完成AscendC算子验证用例生成 - 帮助用户完成testcase设计。当用户提到用例设计、泛化用例生成、算子标杆、UT用例、精度用例、性能用例时，使用此skill。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/ascend-ai-coding/awesome-ascend-skills --skill external-gitcode-ascend-ascendc-operator-testcase-gen命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
评估 CANN 算子仓的「进阶教程 / 开发指南」类文档质量——通读文档 + 对照算子代码**静态**查证(默认不跑),按五轴(找得到/信得过/学得会/可操作/读得懂)找出 漏讲/讲不清/过时/对不上代码/概念讲错,产出带证据与改进建议的体检报告(MD + HTML)。涉及「评进阶教程 / 开发指南文档质量 / 文档对不对得上代码 / 教程审稿 / tutorial 体检 / 文档信不信得过」等意图时使用。只评不改不跑,只对着文档与代码出诊断。
Run NPU inference/training tests on a remote SSH server with vllm-ascend Docker container. Use when the user asks to test models on NPU, run inference on Ascend devices, or deploy models to an SSH server.
Track daily PRs and Issues from vllm-project/vllm and vllm-project/vllm-ascend, filter by model (DeepSeek/Qwen/GLM/MiniMax/Kimi) and tech topics (PD disaggregation, MTP, quantization, graph mode, performance), analyze with LLM, and generate a Markdown report. Use when user wants vllm daily tracker, PR/Issue digest, or Ascend inference ecosystem monitoring.
基于 SOC 职业分类
正在显示 SKILL.md
| name | external-gitcode-ascend-ascendc-operator-testcase-gen |
| description | 完成AscendC算子验证用例生成 - 帮助用户完成testcase设计。当用户提到用例设计、泛化用例生成、算子标杆、UT用例、精度用例、性能用例时，使用此skill。 |
| original-name | ascendc-operator-testcase-gen |
| synced-from | https://gitcode.com/Ascend/agent-skills |
| synced-date | 2026-05-26 |
| synced-commit | 1f7666e7768a0ceb21bb1d40ce4b5179fcb6f1d6 |
| license | UNKNOWN |
根据算子设计文档（design.md）生成验证用例和标杆，供后续UT代码生成、精度验证以及性能验证skill使用。
在 ascendc-operator-design 创建design.md之后、ascendc-operator-ut-gen/ascendc-operator-precision-eval/ascendc-operator-performance-eval调用之前调用。
调用此技能时，必须明确提供以下参数：
参数1：设计文档
design.md设计用例MANDATORY: 在生成测试用例之前，必须读取以下参考文档：
templates/test-cases-template.md — 测试用例格式参考design.md — 用户提供的算子设计文档SUPPORTED_DTYPES必须包含design.md中[参数说明]支持的所有数据类型根据算子支持的维度以及算子类型，从以下维度池中选取适合的 shape，组成 TEST_SHAPES 列表。
MUST 根据算子实际支持的维度来选，不支持的维度不要选。
| 维度 | 推荐 shape | 适用算子类型 |
|---|---|---|
| 1D | (128,), (1024,), (4096,), (8192,) | elementwise, reduction |
| 2D | (32, 512), (64, 768), (128, 1024) | elementwise, matmul, linear |
| 3D | (8, 16, 64), (4, 128, 256) | elementwise, attention, conv1d |
| 4D | (4, 8, 32, 16), (2, 64, 32, 32) | conv2d, elementwise |
| 5D | (2, 3, 4, 5, 6) | conv3d, elementwise |
shape 不要过大：推荐单个 shape 元素数 ≤ 200K。
TEST_SHAPES = [
("category_name", "description", (dim0, dim1, ...)),
# ...
]
Category 名称自定义，建议按维度或场景命名。示例：
# elementwise 算子（支持任意维度）
TEST_SHAPES = [
("1D", "128 elements", (128,)),
("1D", "1024 elements", (1024,)),
("1D", "4096 elements", (4096,)),
("1D", "8192 elements", (8192,)),
("2D", "32x512", (32, 512)),
("3D", "8x16x64", (8, 16, 64)),
("3D", "4x128x256", (4, 128, 256)),
("4D", "4x8x32x16", (4, 8, 32, 16)),
]
根据算子支持的维度以及算子类型，从以下维度池中选取适合的 shape，组成 GENERAL_SHAPES 列表。
MUST 根据算子实际支持的维度来选，不支持的维度不要选。
小Shape场景（边界测试、极小值、非对齐测试）
| 维度 | 小 shape | 测试目的 |
|---|---|---|
| 1D | (1,), (2,), (4,), (8,) | 极小元素、边界值 |
| 1D | (3,), (5,), (7,) | 非对齐长度 |
| 2D | (1, 1), (2, 2), (4, 4) | 极小2D tensor |
| 2D | (1, 128), (2, 256) | 单行/单列场景 |
| 3D | (1, 1, 1), (2, 2, 2) | 极小3D tensor |
| 3D | (1, 8, 64), (2, 16, 128) | 单batch场景 |
大Shape场景（生产环境、压力测试、模型典型场景）
| 维度 | 大 shape | 适用模型 | 元素数 |
|---|---|---|---|
| 1D | (3072,), (4096,) | BERT FFN中间层 | 3K-4K |
| 1D | (5120,), (6400,) | GPT-2 FFN中间层 | 5K-6K |
| 2D | (512, 768) | BERT-base full sequence | 393K |
| 2D | (512, 1024) | BERT-large full sequence | 524K |
| 2D | (1024, 768) | GPT-2 sequence | 786K |
| 2D | (1024, 1024) | GPT-2 medium sequence | 1M |
| 2D | (1024, 1600) | GPT-2 XL sequence | 1.6M |
| 3D | (8, 512, 768) | BERT-base batch | 3.1M |
| 3D | (8, 197, 768) | ViT-base batch | 1.2M |
| 3D | (16, 1024, 1024) | GPT-2 large batch | 16.7M |
注意事项：
- 生产环境、模型典型场景推荐shape应视每个算子具体应用场景而变化
- 小shape用于边界测试，确保算子在极小输入下正确工作
- 大shape用于性能测试和验证大规模数据的正确性
- 元素数超过200K的shape仅用于泛化测试，不在常规测试中使用
GENERAL_SHAPES = [
("Small", "description", (dim0, dim1, ...)),
("Large", "description", (dim0, dim1, ...)),
# ...
]
Category 建议使用 "Small" 和 "Large" 区分场景。示例：
# elementwise 算子（支持任意维度）
GENERAL_SHAPES = [
# 小Shape场景
("Small", "single element", (1,)),
("Small", "tiny vector 2", (2,)),
("Small", "tiny vector 4", (4,)),
("Small", "unaligned length 3", (3,)),
("Small", "unaligned length 5", (5,)),
("Small", "2x2 matrix", (2, 2)),
("Small", "1x128 single row", (1, 128)),
("Small", "1x1x1 scalar", (1, 1, 1)),
("Small", "1x8x64 single batch", (1, 8, 64)),
# 大Shape场景（生产环境）
("Large", "BERT-base FFN 3072", (3072,)),
("Large", "BERT-large FFN 4096", (4096,)),
("Large", "BERT-base 512x768", (512, 768)),
("Large", "BERT-large 512x1024", (512, 1024)),
("Large", , (, )),
(, , (, )),
(, , (, , )),
]
基于收集的信息，读取 templates/test-cases-template.md 模板，填充所有章节，输出到 csrc/ops/[op-name]/test/[op-name]-test-cases.md。
输出位置: ascend-kernel/csrc/ops/[op-name]/test/[op-name]-test-cases.md
ascendc-operator-precision-eval 负责）ascendc-operator-performance-eval 负责）ascend-kernel/csrc/ops/[op-name]/test/[op-name]-test-cases.md