CANNBot Skills
📢 项目概述
项目定位
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体，本仓库为其提供可复用的 Skills 模块，目前已覆盖 Ascend C / PyPTO / TileLang / Triton 算子开发流程和 NPU 模型推理端到端优化。
目标用户
- CANN 社区开发者
- 昇腾 NPU 平台 AI 应用开发者
- Ascend C / PyPTO / TileLang / Triton 算子开发者
- 使用昇腾 NPU 进行模型推理优化的开发者
- 希望贡献 Skills / Agents 的社区贡献者
🔥 最新动态
- 2026-05-25 — 新增
cuda2ascend-simt实验技能。 - 2026-05-23 — 性能调试/代码检视/PyPTO 多模块能力增强；测试框架修复跨平台稳定性并统一 License。
- 2026-05-22 — 新增 tiling-solver Skill 与社区治理模型；UT 与 CI/ST 测试框架能力增强。
- 2026-05-20 — 新增 4 个 GitCode 协作 Skills 与 skill 能力看护 CI 入口。
- 2026-05-19 — 新增 Triton 算子生成功能。
- 2026-05-16 — model-infer-optimize 迁移至 plugins-official；全场景插件支持 Trae 全局安装。
- 2026-05-15 — RegBase 最佳实践集成至算子直调工作流；init.sh 支持任意目录安装。
- 2026-05-14 — Skill
ascendc-npu-arch重命名为npu-arch。 - 2026-05-12 — torch-compile 加入 plugin-official；TileLang 迁移至 plugins-community。
- 2026-05-11 — 新增 ascendc-crash-debug 技能；官方插件新增支持 Cursor IDE。
仅展示最近两周动态，更多历史记录详见 CHANGELOG.md。
⚡️快速开始
前置条件
安装以下任意一个 AI 编程工具：
| 工具 | 安装命令 | 适用安装方式 |
|---|---|---|
| Claude Code | npm install -g @anthropic-ai/claude-code → 官方文档 |
脚本安装 / Plugin 安装 |
| OpenCode | npm install -g opencode-ai → 官方文档 |
脚本安装 |
| Trae | 下载安装：https://www.trae.cn → 官方文档 | 脚本安装 |
| Cursor | 下载安装：https://cursor.com → 官方文档 | 脚本安装 |
步骤一：克隆仓库
git clone https://gitcode.com/cann/cannbot-skills.git
cd cannbot-skills
步骤二：选择场景并安装
选择对应场景，将 <tool> 替换为你的 AI 工具后执行：
| 场景 | 安装命令 | 详细文档 |
|---|---|---|
| AscendC Kernel<<<>>>直调 | cd plugins-official/ops-direct-invoke && bash init.sh project <tool> |
quickstart |
| AscendC 算子注册调用 | cd plugins-official/ops-registry-invoke && bash init.sh project <tool> |
quickstart |
| PyPTO 算子 | cd plugins-official/pypto-op-orchestrator && bash init.sh project <tool> |
quickstart |
| Triton 算子生成 | cd plugins-official/triton-op-generator && bash install.sh project <tool> |
quickstart |
| NPU 推理优化 | cd plugins-official/model-infer-optimize && bash init.sh project <tool> |
quickstart |
| Catlass 算子直调开发 | cd plugins-official/catlass-op-generator && bash init.sh project <tool> |
quickstart |
| 代码检视 | cd plugins-official/ops-code-reviewer && bash init.sh project <tool> |
quickstart |
| torch.compile 图模式 | Plugin 市场安装：/plugin install torch-compile@cannbot |
quickstart |
示例：如果你使用 Claude Code，想安装 AscendC Kernel 直调场景：
cd plugins-official/ops-direct-invoke && bash init.sh project claude
安装脚本会自动完成：创建软链接 → 生成配置文件 → 克隆依赖仓库 → 健康检查。看到 Installation complete! 即表示安装成功。
Claude Code 用户的备选方案：如果你使用 Claude Code，也可以用 Plugin 方式安装（
/plugin marketplace add https://gitcode.com/cann/cannbot-skills.git，然后/plugin install <插件名>@cannbot）。
步骤三：验证安装
安装完成后，检查以下内容确认安装成功：
# 检查 skills 和 agents 目录是否正确链接
ls .claude/skills/ # Claude Code 用户
ls .opencode/skills/ # OpenCode 用户
ls .trae/skills/ # Trae 用户
ls .cursor/skills/ # Cursor 用户
# 如果上述目录存在且包含多个子目录（如 npu-arch、ascendc-env-check 等），说明安装成功。
你也可以启动 AI 编程工具后输入以下内容来快速验证 Skills 是否被正确加载：
"请列出当前可用的 CANNBot Skills"
如果 AI 能列出 npu-arch、ascendc-env-check 等技能名称，说明安装完全成功。
步骤四：开始使用
启动 AI 工具，直接描述开发需求即可。
以下是一些入门提示词示例：
| 你想做什么 | 可以这样说 |
|---|---|
| 开发一个算子 | "帮我开发一个 Abs 算子，输入 float16，输出 float16" |
| 调试精度问题 | "我的 Add 算子精度不达标，帮我排查一下" |
| 查阅 API 文档 | "aclnnAdd 接口的参数和返回值是什么" |
| 检查开发环境 | "帮我检查一下当前的 CANN 开发环境" |
| 代码检视 | "帮我检视这段 Kernel 代码是否符合规范" |
更多示例详见 Skills 使用样例。各场景的完整使用步骤参见对应 quickstart 文档。
安装遇到问题？
| 常见问题 | 解决方法 |
|---|---|
git clone 失败（网络问题） |
尝试配置 GitCode SSH Key，或使用镜像地址 |
init.sh 提示权限不足 |
执行 chmod +x plugins-official/*/init.sh |
| skills 目录为空 | 确认安装脚本输出中无报错，重新执行安装命令 |
| AI 工具无法识别 Skills | 重启工具或新开会话（某些工具需重新加载配置） |
| CANN 环境未配置 | 仅影响代码编译/运行类 Skills，知识检索类不受影响 |
更多安装选项（全局安装、Plugin 市场安装、手动安装）和故障排查详见各场景对应的 quickstart 文档。
🔍 项目架构设计
整体架构
cannbot-skills/
├── ops/ # 算子 Skills（正式版）
├── ops-lab/ # 算子 Skills（实验 / 非正式版）
├── model/ # 模型推理优化 Skills
├── plugins-official/ # 官方应用 Plugin
│ ├── ops-direct-invoke/ # AscendC Kernel 直调开发
│ ├── ops-registry-invoke/ # AscendC 算子注册调用开发
│ ├── pypto-op-orchestrator/ # PyPTO 算子开发
│ ├── catlass-op-generator/ # Catlass 算子直调开发
│ ├── ops-code-reviewer/ # 代码检视
│ ├── torch-compile/ # torch.compile 图模式
│ ├── model-infer-optimize/ # NPU 推理端到端优化流程
│ └── triton-op-generator/ # Triton 算子代码生成与优化
├── plugins-community/ # 社区 Plugin
│ └── tilelang-op-orchestrator/ # TileLang 算子开发
├── infra/ # 基础设施维护 Skills
└── tests/ # 自动化测试框架
逻辑架构视图
项目遵循三层架构：Teams 编排 Agents，Agents 绑定 Skills。以下视图展示各层组件及其关联关系。
Ascend C 算子开发
╔══════════════════════════════════════════════════════════════════════════════╗
║ TEAMS（应用编排层） ║
╠══════════════════════════════════════════════════════════════════════════════╣
║ ║
║ ┌─────────────────────────────┐ ┌─────────────────────────────┐ ║
║ │ ops-direct-invoke │ │ ops-registry-invoke │ ║
║ │ Kernel 直调开发流程 │ │ 算子注册调用开发流程 │ ║
║ └──────┬──────┬──────┬────────┘ └──────┬──────┬──────┬────────┘ ║
║ │ │ │ │ │ │ ║
╚═════════╪══════╪══════╪════════════════════════╪══════╪══════╪═══════════════╝
│ │ │ │ │ │
▼ ▼ ▼ ▼ ▼ ▼
╔══════════════════════════════════════════════════════════════════════════════╗
║ AGENTS（角色执行层） ║
╠══════════════════════════════════════════════════════════════════════════════╣
║ ║
║ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ ║
║ │ architect │ │ developer │ │ reviewer │ │ tester │ ║
║ │ 方案设计 │ │ 代码开发 │ │ 代码检视 │ │ 代码测试 │ ║
║ └──────────────┘ └──────────────┘ └──────────────┘ └──────────────┘ ║
║ ║
╚══════════════════════════════════════════════════════════════════════════════╝
│ │ │ │ │ │ │ │ │ │ │ │ │ │ │ │
▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼
╔═══════════════════════════════════════════════════════════════════════════════╗
║ SKILLS（知识能力层） ║
╠═══════════════════════════════════════════════════════════════════════════════╣
║ ║
║ ┌─ 知识库类 ──────────────────────────────────────────────────────────────┐ ║
║ │ npu-arch NPU 架构知识与芯片映射 │ ║
║ │ tiling-design Tiling 设计方法论 │ ║
║ │ api-best-practices API 使用最佳实践 │ ║
║ │ ops-precision-standard 算子精度标准 │ ║
║ └─────────────────────────────────────────────────────────────────────────┘ ║
║ ║
║ ┌─ 工程模板类 ────────────────────────────────────────────────────────────┐ ║
║ │ registry-invoke-to-direct-invoke 注册算子直调改造模板 │ ║
║ │ direct-invoke-template Kernel直调工程模板 │ ║
║ └────────────────────────────────────────────────────────────────────────┘ ║
║ ║
║ ┌─ 调试与测试类 ──────────────────────────────────────────────────────────┐ ║
║ │ precision-debug 精度调试与症状速查 │ ║
║ │ runtime-debug 运行时错误码解析 │ ║
║ │ crash-debug 卡死/崩溃调试、Coredump 分析 │ ║
║ │ env-check NPU 设备查询与环境验证 │ ║
║ └────────────────────────────────────────────────────────────────────────┘ ║
║ ║
║ ┌─ 测试开发类 ────────────────────────────────────────────────────────────┐ ║
║ │ st-design ST 测试用例设计 │ ║
║ │ ut-develop UT 开发与覆盖率增强 │ ║
║ │ code-review 代码检视规则 │ ║
║ └────────────────────────────────────────────────────────────────────────┘ ║
║ ║
║ ┌─ 工具辅助类 ────────────────────────────────────────────────────────────┐ ║
║ │ ops-profiling 算子性能采集分析 │ ║
║ │ task-focus 长任务聚焦防迷失 │ ║
║ └─────────────────────────────────────────────────────────────────────────┘ ║
║ ║
╚═══════════════════════════════════════════════════════════════════════════════╝
PyPTO 算子开发
╔══════════════════════════════════════════════════════════════════════════════╗
║ TEAMS（应用编排层） ║
╠══════════════════════════════════════════════════════════════════════════════╣
║ ║
║ ┌─────────────────────────────────┐ ║
║ │ pypto-op-orchestrator │ ║
║ │ PyPTO 算子开发流程 │ ║
║ └──────┬──────────┬──────────┬────┘ ║
║ │ │ │ ║
╚═══════════════════════════╪══════════╪══════════╪════════════════════════════╝
│ │ │
▼ ▼ ▼
╔══════════════════════════════════════════════════════════════════════════════╗
║ AGENTS（角色执行层） ║
╠══════════════════════════════════════════════════════════════════════════════╣
║ ║
║ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ ║
║ │ analyst │ │ developer │ │ perf-tuner │ ║
║ │ 需求与设计 │ │ 实现与精度 │ │ 性能调优 │ ║
║ └──────────────┘ └──────────────┘ └──────────────┘ ║
║ ║
╚══════════════════════════════════════════════════════════════════════════════╝
│ │ │ │ │ │ │ │ │
▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼
╔═══════════════════════════════════════════════════════════════════════════════╗
║ SKILLS（知识能力层） ║
╠═══════════════════════════════════════════════════════════════════════════════╣
║ ║
║ ┌─ 需求与设计 ────────────────────────────────────────────────────────────┐ ║
║ │ intent-understand 需求意图理解与规格生成 │ ║
║ │ api-explore API 可行性探索与分析 │ ║
║ │ op-design 算子方案设计生成 │ ║
║ └─────────────────────────────────────────────────────────────────────────┘ ║
║ ║
║ ┌─ 实现与验证 ────────────────────────────────────────────────────────────┐ ║
║ │ golden-generate Golden 参考实现生成 │ ║
║ │ op-develop 算子代码实现与调试 | ║
║ │ precision-debug 精度问题诊断 │ ║
║ │ precision-compare 精度对比分析 │ ║
║ └────────────────────────────────────────────────────────────────────────┘ ║
║ ║
║ ┌─ 性能调优 ──────────────────────────────────────────────────────────────┐ ║
║ │ op-perf-tune 算子性能分析与调优 │ ║
║ └─────────────────────────────────────────────────────────────────────────┘ ║
║ ║
╚═══════════════════════════════════════════════════════════════════════════════╝
🚀 Skills 技能库
Ascend C 算子开发
| Skill | 功能 | 使用样例 |
|---|---|---|
| ascendc-api-best-practices | API 使用最佳实践、参数限制 | — |
| npu-arch | NPU 架构知识、芯片型号映射 | — |
| ascendc-docs-search | API 文档索引 + 在线搜索 | — |
| ascendc-env-check | NPU 设备查询、CANN 环境验证 | — |
| ascendc-tiling-design | Tiling 和 Kernel 设计方法论，按算子类别分类 | — |
| ascendc-precision-debug | 精度调试，症状-原因速查、常见陷阱 | — |
| ascendc-runtime-debug | 运行时错误调试，错误码解析（161xxx/361xxx/561xxx） | — |
| ascendc-crash-debug | 卡死/崩溃调试，Kernel 挂起、Coredump 分析 | — |
| ascendc-ut-develop | UT 单元测试用例开发与覆盖率增强 | — |
| ascendc-st-design | aclnn 接口测试用例设计、L0 / L1 测试用例生成 | — |
| ascendc-code-review | 代码检视方法论、5 大类别规范 | — |
| ascendc-task-focus | 任务聚焦，解决长任务“迷失在中间”的问题 | — |
| ascendc-whitebox-design | 白盒测试用例设计与生成 | — |
| ascendc-registry-invoke-template | 完整自定义算子工程模板，提供标准工程结构、代码模板、UT/ST 样例和多芯片架构参考 | — |
| ascendc-registry-invoke-to-direct-invoke | 注册调用算子转 <<<>>> kernel 直调 |
查看 |
| ascendc-direct-invoke-to-registry-invoke | <<<>>> kernel 直调转注册调用算子 |
查看 |
| ascendc-direct-invoke-template | Kernel 直调工程模板，提供验证过的样例工程和修改指南 | — |
| ops-profiling | NPU 性能采集与分析，CSV 指标解读、瓶颈定位、优化建议 | — |
| ops-precision-standard | 算子精度标准，按 dtype 分类提供 atol/rtol 精度比对标准 | — |
| ascendc-docs-gen | 算子文档写作参考，支持需求分析、详细设计等多个标准模版 | — |
| ops-simulator | NPU 仿真器技能。提供 CANN Simulator 的使用指导，包括精度仿真、性能仿真、流水线分析。 | — |
| cuda2ascend-simt | CUDA 算子迁移到 Ascend C SIMT，支持 standalone sample / torch_npu / pybind 三类交付形态，根据原始工程形态自动选择。仅支持 Ascend 950 PR平台。当前不支持：native JIT（nvrtc、运行时编译、扩展 JIT 加载）、torch 复数 dtype、device 侧 double（FP64）、CUDA 生态库（cuBLAS / cuDNN / cuFFT / cuSPARSE / Thrust / CUB / NCCL 等）、协作组、Ascend C SIMD API、矢量编程 API |
查看 |
| ascendc-blaze-best-practice | Matmul/Cube/GEMM/BMM 单算子直调生成（Blaze/tensor_api 路径），覆盖模板选型、改造、Tiling 及排错 | — |
| ascendc-performance-best-practices | 按算子族组织的性能优化经验与参考代码总结 | — |
| ascendc-regbase-best-practice | DAV_3510 RegBase 算子 API 约束、实现结构、常见陷阱及真实参考算子 | — |
| cann-env-setup | 昇腾 NPU CANN 安装与环境配置指导 | — |
| aiss-tiling-solver | AISS-TilingSolver 工具自动求解最优 Tiling 参数，覆盖安装、输入构造、运行求解、结果解读 | — |
PyPTO 算子开发
| Skill | 功能 |
|---|---|
| pypto-op-design | 算子方案设计生成 |
| pypto-op-develop | 算子代码实现与测试 |
| pypto-golden-generate | Golden 参考实现生成 |
| pypto-intent-understand | 需求意图理解与规格生成 |
| pypto-api-explore | API 可行性探索与分析 |
| pypto-precision-debug | 精度问题代码层排查 |
| pypto-precision-compare | 精度中间结果对比分析 |
| pypto-op-perf-tune | 算子性能分析与自动调优 |
Triton 算子开发
| Skill | 功能 |
|---|---|
| triton-task-extractor | 从用户输入中提取算子，构建任务文件 |
| triton-op-designer | 设计高质量算法，指导代码生成 |
| triton-op-coding | 根据设计生成 Triton 内核代码 |
| triton-op-verifier | 验证算子精度和性能测试 |
| triton-latency-optimizer | 逐步优化 Triton 代码性能 |
NPU 模型推理优化
端到端优化流程由 plugins-official/model-infer-optimize/workflows/optimize-workflow.md 承载（plugin-local 普通 md 文档），由 primary agent 自动加载。下表列出 11 个可独立调用的原子 Skill：
| Skill | 功能 |
|---|---|
| model-infer-migrator | 框架适配与部署基线建立 |
| model-infer-parallel-analysis | 并行策略分析（TP/EP/DP） |
| model-infer-parallel-impl | 并行切分实施 |
| model-infer-kvcache | KVCache 优化 + FA 替换 |
| model-infer-fusion | torch_npu 融合算子分析与替换 |
| model-infer-graph-mode | torch.compile 图模式适配 |
| model-infer-precision-debug | NPU 推理精度诊断 |
| model-infer-runtime-debug | NPU 运行时错误诊断 |
| model-infer-multi-stream | 多流并行优化 |
| model-infer-prefetch | 权重预取适配 |
| model-infer-superkernel | SuperKernel 适配 |
Skill 治理工具
| Skill | 功能 | 使用样例 |
|---|---|---|
| cannbot-skill-reviewer | 审查新增或修改的 SKILL.md 是否符合 CANNBot 入库要求，输出自动门禁、九维评分、阻塞项和整改建议 |
查看 |
GitCode 协作工具
| Skill | 功能 | 使用样例 |
|---|---|---|
| gitcode-pr-handler | 根据 GitCode PR 代码变更重新生成标题（约定式提交）与描述（沿用仓库 PR 模板）并写回 PR | 查看 |
| gitcode-issue-gen | 根据 GitCode PR 代码变更生成关联 Issue（按变更类型自动选用模板），完成 PR ↔ Issue 双向关联，可选自助 Assign | 查看 |
| gitcode-issue-handler | GitCode Issue 端到端处置，按内容自动选择 PR 代码变更路径或 Comment 答复路径 | 查看 |
| gitcode-toolkit | GitCode API/Token/URL/日志/变更展示 + Git 克隆/diff/log/remote + PR 创建工作流共享参考（内部参考，不直接触发） | — |
🚀 Agents 智能代理
Ascend C 算子开发
| Agent | 功能 |
|---|---|
| ascendc-ops-architect | 算子架构师，支持需求分析和方案设计两种场景 |
| ascendc-ops-developer | 算子开发者，支持代码实现、编译测试和精度验证 |
| ascendc-ops-tester | 算子测试者，支持ST/UT用例生成与执行 |
| ascendc-ops-reviewer | 代码检视专家，支持快速检视和全功能检视两种模式 |
| ascendc-kernel-architect | Kernel直调架构师，支持需求分析、API验证、方案设计 |
| ascendc-kernel-developer | Kernel直调开发者，支持代码实现、编译测试、性能采集、文档编写 |
| ascendc-kernel-reviewer | Kernel直调审查者，支持独立构建验证、7维度评分、精度验证 |
PyPTO 算子开发
| Agent | 功能 |
|---|---|
| pypto-op-analyst | 需求分析与方案设计 |
| pypto-op-developer | 算子代码实现与精度调试 |
| pypto-op-perf-tuner | 性能分析与调优 |
Triton 算子开发
| Agent | 功能 |
|---|---|
| triton-op-generator | Triton 算子端到端生成与优化 |
NPU 模型推理优化
| Agent | 功能 |
|---|---|
| model-infer-analyzer | 模型分析、方案设计、并行策略推荐 |
| model-infer-implementer | 代码改造、调试修复 |
| model-infer-reviewer | 精度验证、性能对比 |
🛠️ 测试框架
自动化测试验证 Skills 和 Agents 的正确性，确保技能模块和智能代理的行为符合预期。 详见 tests/README.md。
💬 相关信息
💖 免责声明
感谢您关注 CANNBot Skills 项目，我们希望这些技能和知识能帮助您更好地进行 CANN 开发 ^_^
在使用之前，请您了解：
-
关于功能满足度：由于技术快速更新迭代，部分内容可能无法完全适用于所有场景。本开源社区的功能和文档正在持续更新和完善中，如果想提出需求、发现问题、贡献想法，欢迎提 Issue 或参与讨论，共创共建。
-
关于自动生成：自动代码生成工具所产出的内容，其完整性、准确性、合规性受模型、Skills 能力、语料质量、输入指令等多种因素影响，无法保证完全精准。所有生成代码作为辅助研发使用，请开发者务必进行测试验证、安全审查后再投入使用。