菜单
MindIE-SD 开发总入口。当用户进行 MindIE-SD 的任何开发工作时使用此 skill—— 包括但不限于写 pattern、改测试、部署到昇腾、跑 benchmark、性能分析、多卡并行、复盘归档。 即使用户未明确提到"开发流程"，只要涉及 MindIE-SD 代码改动都应触发。
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。
基于 SOC 职业分类
MindIE-SD 代码部署与编译安装。已在昇腾设备上直接编译安装；本地开发机通过 SSH 推送到远端昇腾设备， 支持 Docker 容器内源码编译。当用户需要部署安装 MindIE-SD、更新远端容器内代码、 或管理多人共享 NPU 环境时使用此 skill。 即使用户只提到"把代码推到服务器"而未说 SSH 或昇腾，只要上下文涉及部署都应触发。 由 dev-workflow 的部署阶段触发。
在远端昇腾 NPU 设备上采集性能 profiling 数据，打包回传本地供 performance-analysis 使用。 统一采集流程：开启 Profiler → 运行推理 → 压缩 → 回传（部署由 ascend-deploy 完成）。 当用户需要采集模型 profiling 数据、开启 profiler 跑推理、或为性能分析准备数据时使用此 skill。 即使用户只提到"帮我采一下 profile"或"开 profiler 跑这个模型"，也应触发。 通常由 model-verification、ascend-deploy 或 performance-evaluation 的 NPU 路径路由触发。
端到端性能优化闭环，组合 profiling-collection、performance-analysis、performance-optimization 三个下层 skill 完成从 profiling 采集到方案实施的完整流程。 当用户需要完整优化模型推理性能、并确认优化效果时使用此 skill。 前置条件：模型已通过 ascend-deploy 部署至 NPU 设备且已验证可通过。 由 dev-workflow 的各阶段触发。
MindIE-SD Python 代码格式与 lint 规则。当编写、格式化、lint 检查或审查 MindIE-SD 项目的 Python 代码时使用此 skill。 即使用户只提到"提个MR"或"代码好像有 lint 问题"而未明确说格式化，也应触发。 通常由 dev-workflow 在编码阶段指引加载。
MindIE-SD 编译后端适配与分析。覆盖 Pattern 创建/注册/调试、Copy 算子消减、 四后端选择 (default / torchair_ge / npugraph_ex / aclgraph) 的全生命周期。 触发: "pattern", "compile", "Copy", "InplaceCopy", "fusion", "backend", "torchair_ge", "--npugraph", "register_replacement".
MindIE-SD 仓库 Markdown 格式 lint 规则。当编写、修改或审查 Markdown 文件（README、文档、 变更日志等）、或 CI 门禁报出 markdownlint 违规时使用此 skill。 即使用户只提到"格式问题"或"MD040报错"而未说 markdownlint，也应触发。 通常由 dev-workflow 和 code-standards 在编码/审查阶段指引加载。
| name | dev-workflow |
| description | MindIE-SD 开发总入口。当用户进行 MindIE-SD 的任何开发工作时使用此 skill—— 包括但不限于写 pattern、改测试、部署到昇腾、跑 benchmark、性能分析、多卡并行、复盘归档。 即使用户未明确提到"开发流程"，只要涉及 MindIE-SD 代码改动都应触发。 |
每个功能点必须遵循「先测试，后实现」的闭环：
写测试（预期 FAIL） → 实现功能 → 远端部署编译 → 远端 pytest 验证 → 进入下一阶段
pre-commit run markdownlint 检查若任务是新增或调试 MindIE-SD compilation pattern（RMSNorm / RoPE / AdaLayerNorm / GELU 融合），
路由到 compilation-dev skill 获取全生命周期指导：模型代码分析 → pattern 创建 → 注册 → 单元测试 → mismatch 调试 → 集成验证 → Copy 消减。
写实现前，在 NPU 上用 model-verification §A 的 Dummy Run 方法快速验证模型架构兼容性， 不必下载完整权重。如果已通过验证则跳过。 部署完成后，使用 model-verification §B 验证已部署模型的推理正确性。
无代码依赖的独立模块并行推进，共享文件最后合并：
patterns/__init__.py、passes/__init__.py）的修改在最后统一合并本地编码完成后用 ascend-deploy 将代码推送到昇腾容器，编译验证。
→ 部署的 shell 脚本隔离、跨平台编码注意事项见 references/cross-platform.md。
功能验证通过后用 performance-evaluation 建立性能基线。 Benchmark 规范见 performance-evaluation/references/benchmark-guide.md。
需采集 NPU profiling 数据时使用 profiling-collection。 采集完成后用 performance-analysis 定位瓶颈，用 performance-optimization 选择优化方案。 多卡场景参考 parallelism-strategy 选择并行策略。
每个 Phase 完成后按以下流程复盘：
出现以下情况时必须检查 skill 是否需要更新：
复盘时逐一确认：
| 检查项 | 说明 |
|---|---|
| 目标范围 | 是否在第一步就确认了文件路径与影响面？ |
| 文件编码 | 批量操作前是否验证了 UTF-8 含中文文件的编码安全性？ |
| 匹配覆盖 | 正则/替换模式是否覆盖了所有变体（缩进围栏、嵌套代码块）？ |
| 工具一致性 | 本地 markdownlint 版本与配置是否与 CI 一致？ |
../compilation-dev/SKILL.md — 加载时机: 编写或修改 compilation pattern 时references/ascend-ops.md — 加载时机: 涉及 NPU 算子调用或环境诊断时references/cross-platform.md — 加载时机: 跨平台部署或遇到 PowerShell/编码兼容问题时references/rework-lessons.md — 加载时机: 每次复盘归档时，或遇到相似问题需查历史教训时../markdown-lint/SKILL.md — 加载时机: Markdown 文件格式检查（跨 skill 引用）当开发流程发生偏离、出现新的返工模式、或模块间关系变更时更新本 skill。 各子模块 skill 的更新触发条件参见各自的"维护与更新"章节。
当需要新建 skill 时，遵循 Anthropic skill-creator 指南：
<skill-name>/SKILL.md + 可选 scripts/ references/ assets/ascend-deploy、model-verification）