菜单
算子算法草图设计 Skill — 负责根据任务需求设计高质量的算法草图（sketch），提供伪代码形式的算法方案、优化建议和实现策略。 支持多种 DSL：triton_cuda、triton_ascend、cpp、cuda_c、tilelang_cuda、pypto。 支持 Hint 模式（参数空间配置）。
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
矩阵乘法矩阵乘法 A[M, K] @ B[K, N] = C[M, N]中，大K维度矩阵乘法(K>>M,N)优化：针对M/N较小但K极大(如M=N=256,K=131072)的场景，Split-K切分K维度并行化、Workspace+Reduce替代全局同步，实现显著性能提升
Triton Ascend hard API restrictions and forbidden syntax. MUST-follow rules that apply to every kernel: forbidden control flow (return/break/continue/lambda/while), tensor slice/index restrictions, scalar conversion rules, BLOCK_SIZE upper bound. Violating any of these produces a compile or runtime error on Ascend.
Triton Ascend 性能优化通用策略: BLOCK_SIZE 选择 (1024-2048 for elementwise, must be <65536), grid configuration (use VEC_CORE_NUM / CUBE_CORE_NUM, 2D/3D grid for matmul / conv / reduce, 1D grid + inner loop for elementwise / pointwise), 256B alignment for memory transfers, autotune block-size patterns, fp16 / fp32 precision conversion. Bind via keywords like matmul, elementwise, reduce, block_size, grid, autotune, alignment, fp16, fp32, tile, interleaved-loop, cube-core, vec-core.
通过 adaptive_search 或 evolve 搜索式 workflow 生成优化算子。 后台 silent mode 执行，轮询监控进度。
适用于归约(reduce)类算子和含归约子步骤的复合算子（如归一化）的优化指南。典型算子包括：sum, mean, max, min, prod, argmax, argmin, cumsum, cumprod, softmax, logsoftmax, layernorm, rmsnorm, groupnorm, instancenorm, batchnorm, l1norm, l2norm, frobeniusnorm, var, std, average_pooling, sum_pooling 等。特别重要：当归约维度不是最后一维（如 dim=1 归约 shape=[B,F,D1,D2]），需要正确处理多维索引和两阶段归约。包含 PyTorch normalized_shape 多轴归一化语义说明。不适用于纯逐元素运算或矩阵乘法。如果算子是损失函数（先逐元素计算再全局归约），应选择 elementwise-reduce-fused 指南。
CPU C++ 算子核心概念、标准结构模式、KernelBench 代码规范和内嵌扩展方法
| name | kernel-designer |
| description | 算子算法草图设计 Skill — 负责根据任务需求设计高质量的算法草图（sketch），提供伪代码形式的算法方案、优化建议和实现策略。 支持多种 DSL：triton_cuda、triton_ascend、cpp、cuda_c、tilelang_cuda、pypto。 支持 Hint 模式（参数空间配置）。 |
| argument-hint | 必需：op_name、task_desc、backend、dsl。 可选：arch、user_requirements、enable_hint_mode、inspirations。 |
设计原则：
草图应具备：高层抽象（关注算法逻辑和优化策略，而非实现细节）、易于理解（便于 Coder 转换为可执行代码）、包含优化提示（标注并行化、内存优化、循环展开等机会）。
本 skill 根据输入自动判断工作模式：
| 模式 | 触发条件 | 行为 |
|---|---|---|
| 首次设计 | 无 inspirations | 加载参考文档 → 分析任务 → 生成草图 |
| 进化优化 | 有 inspirations | 加载参考文档 → 分析历史草图性能 → 生成优化后的草图 |
| Hint 模式 | enable_hint_mode 且 task_desc 含 hint 标记 | 加载参考文档 → 分析任务 → 生成草图 + 参数空间配置（JSON 输出） |
根据 arch、dsl 和 task_desc 参数，用 read 工具读取参考文档。
本 skill 加载后，
<base_url>标签提供 skill 目录路径（记为$SD）。所有参考文档路径基于$SD/references/。
始终加载：
$SD/references/designer-skills/sketch-design/SKILL.md
当 enable_hint_mode 为 true 且 task_desc 中包含 hint 标记（@hint:、@range_hint、@elemwise_hint 等）时加载：
$SD/references/designer-skills/hint-mode/SKILL.md
⚠️ 参考文档路径下的文件虽然名为
SKILL.md，但在此上下文中它们是参考内容文件。请使用read工具按文件路径读取，不要使用skill工具加载。
路径：$SD/references/hardware/{文件名}
| arch 前缀 | 文件名 |
|---|---|
a100 | CUDA_A100.md |
h20 | CUDA_H20.md |
l20 | CUDA_L20.md |
rtx3090 | CUDA_RTX3090.md |
ascend910b1 | Ascend910B1.md |
ascend910b2 | Ascend910B2.md |
ascend910b2c | Ascend910B2C.md |
ascend910b3 | Ascend910B3.md |
ascend910b4 | Ascend910B4.md |
ascend310p3 | Ascend310P3.md |
ascend910_9362 | Ascend910_9362.md |
ascend910_9372 | Ascend910_9372.md |
ascend910_9381 | Ascend910_9381.md |
ascend910_9382 | Ascend910_9382.md |
ascend910_9391 | Ascend910_9391.md |
ascend910_9392 | Ascend910_9392.md |
ascend950dt_95a | Ascend950DT_95A.md |
ascend950pr_950z | Ascend950PR_950z.md |
ascend950pr_9572 | Ascend950PR_9572.md |
ascend950pr_9574 | Ascend950PR_9574.md |
ascend950pr_9575 | Ascend950PR_9575.md |
ascend950pr_9576 | Ascend950PR_9576.md |
ascend950pr_9577 | Ascend950PR_9577.md |
ascend950pr_9578 | Ascend950PR_9578.md |
ascend950pr_9579 | Ascend950PR_9579.md |
ascend950pr_957b | Ascend950PR_957b.md |
ascend950pr_957d | Ascend950PR_957d.md |
ascend950pr_9581 | Ascend950PR_9581.md |
ascend950pr_9582 | Ascend950PR_9582.md |
ascend950pr_9584 | Ascend950PR_9584.md |
ascend950pr_9587 | Ascend950PR_9587.md |
ascend950pr_9588 | Ascend950PR_9588.md |
ascend950pr_9589 | Ascend950PR_9589.md |
ascend950pr_958a | Ascend950PR_958a.md |
ascend950pr_958b | Ascend950PR_958b.md |
ascend950pr_9591 | Ascend950PR_9591.md |
ascend950pr_9592 | Ascend950PR_9592.md |
ascend950pr_9599 | Ascend950PR_9599.md |
手写优化案例包含专家级的优化策略和实现参考，对草图设计有重要参考价值。
案例按 DSL 组织在 $SD/references/dsl-cases/ 下，每个 DSL 对应一个目录，内部按 {case-name}/SKILL.md 形式存放。
| dsl 参数 | dsl-dir | 案例情况 |
|---|---|---|
triton_ascend | triton-ascend | 有案例 |
pypto | pypto | 有案例 |
| 其他 DSL | — | 暂无案例，跳过此步 |
加载策略：
$SD/references/dsl-cases/{dsl-dir}/ 下的子目录名task_desc / op_name 做相关性匹配SKILL.md 文件（如相关案例不足 2 个，有几个读几个）task_desc 中的 Model 类，理解算子的计算逻辑get_inputs() 和 get_init_inputs() 确定输入输出规格name 和 improvement_doc），将可借鉴的策略纳入设计方案user_requirements，评估用户建议的可行性并纳入方案inspirations（进化探索方案），分析每个 inspiration 的草图和性能数据：
sketch（算法草图）、impl_code（生成的代码）和 profile（含 gen_time、base_time、speedup 等性能指标）使用 sketch-design/SKILL.md 中定义的 UnifiedSketch DSL 格式输出算法草图。
草图必须包含：
sketch op_name { ... } 结构声明（symbols、tensors）@llm_hint 标注并行化和优化策略alloc / load / compute / store 数据流首次设计：基于任务描述和参考文档从零设计 进化优化：在父代方案基础上，结合其他方案优点，通过调整切分方式、修改计算逻辑、调整计算顺序、调整计算精度等策略，生成计算速度更快的优化草图
直接输出算法草图（sketch op_name { ... } 格式）。你的输出会被直接用于指导后续代码生成，因此：
```代码块``` 包裹当 enable_hint_mode 且 task_desc 含 hint 标记时，按 JSON 格式输出（含 code、space_config、reasoning 字段），具体格式见 hint-mode/SKILL.md
| 约束 | 说明 |
|---|---|
| 格式 | 必须使用 UnifiedSketch DSL（sketch op_name { ... }） |
| 抽象层次 | 关注算法逻辑和优化策略，不涉及具体语言实现细节 |
| 优化标注 | 必须用 @llm_hint 标注并行化、流水线、向量化等优化机会 |
| 数据流完整 | 每个 load 对应 compute，每个 compute 对应 store |
| 硬件适配 | 考虑目标后端的内存层次和并行模型 |
| 正确性优先 | 先保证算法逻辑正确，再追求性能优化 |
| 仅设计方案 | 不生成可执行代码，草图用于指导后续代码生成 |