提交提案之前，请先检索仓库内是否已有相同的提案，如已有请在同一提案中进行讨论。

💻 需求背景、当前现状、期望实现的功能内容、具体的设计方案、以及测试方案

现状

1. 源码编译或 run 包安装算子（bash mxrec_opp_{算子名}.run）
2. 编译 PTA 适配层，产出 libfbgemm_npu_api.so
3. 模型脚本中载入 .so 文件：
   torch.ops.load_library(f"{sysconfig.get_path('purelib')}/libfbgemm_npu_api.so")
4. 模型中调用算子：torch.ops.mxrec.xxx 或 torch.ops.fbgemm.xxx

旧方式痛点：需手动 load_library，需编译产出 .so，路径依赖 sysconfig，易出错。

目标

1. 源码编译或 whl 包安装 fbgemm_ascend、ops_rec
2. 模型脚本中载入 SDK：
   import fbgemm_ascend, ops_rec
3. 模型中调用算子：
   - fbgemm 域算子（fbgemm_ascend 提供）：torch.ops.fbgemm.xxx
   - ops_rec 专属算子（hstu 等）：torch.ops.mxrec.xxx

新方式优势：import 即自动完成 NPU 算子注册绑定，无需手动 load_library。

核心规则：模型中使用的 fbgemm 相关接口均改为 torch.ops.fbgemm 调用。原来通过 torch.ops.mxrec.<fbgemm域算子> 调用的（如 gr_nv 中的 torch.ops.mxrec.jagged_to_padded_dense、torch.ops.mxrec.dense_to_jagged），必须改为 torch.ops.fbgemm.<同名算子>。

替代方案

补充说明

欢迎加入社区，感谢您对社区的贡献 🎉!