Broadcast 性能建模实施计划

For agentic workers: REQUIRED SUB-SKILL: 使用 superpowers:subagent-driven-development 或 superpowers:executing-plans，按任务逐项实施并在任务间进行验证。

目标： 为 Broadcast V2 建立与 AscendC 实现分支一致的 AIV_VEC 性能模型，并通过实现分支与 perf 分支一致性测试。

架构： 从 BroadcastRegApiCall::Generate 透传实际 Duplicate/BroadcastExtend 语义参数；ATT 侧按公共 tiling、last-axis、non-last-axis 分层复刻实现文件中的分支和 Reg API 调用。性能公式统一使用 Expression 和 TernaryOp，执行次数严格按源码循环层级计算。

技术栈： C++、ge::Expression、ATT VfPerfUtils、TernaryOp、gtest、现有 V35 ATT GLOB 构建体系。

全局约束

• 入口必须是 autofuse/v35/codegen/reg_api_call/reg_broadcast_api_call.cpp。
• 不建模 VectorFunc 融合使用的 Broadcast 微指令。
• Reg/MicroAPI 依据为 autofuse/v35/ascendc/api_regbase/broadcast_3510_extend_impl.h 和 broadcast_gather_3510_extend_impl.h。
• 次数按 repeatTimes * size0 * size1 * ... 及源码实际循环层级计算。
• 性能表不存在的函数直接使用 kPlaceholder。
• load/store 使用 kLoad 和 kStore。
• 性能表缺少 dtype 时仍使用实现文件中的真实 dtype。
• 不修改 Broadcast AscendC 实现、codegen/tiling 模板生成逻辑或无关模块。
• 动态和静态统一使用 Expression。
• IsBroadcastConstantTensor(x) 路径使用 kDuplicate 查表。
• 测试通过标准：每个测试 shape 先根据 Broadcast 实现文件判定真实运行分支，再确认 perf 模型走同一分支；不能只比较最终性能表达式。
• 每个 kPlaceholder 必须能追溯到唯一的真实 MicroAPI、方向/模式和 dtype。
• DataCopy 分支按照一次kload计算。
• 函数行数不超过 50 行，单个代码文件不超过 2000 行，圈复杂度不超过 20。
• 所有除法表达式前 3 行内必须有明确的除零判断；包括 ceil、VL、block 元素数和 stride 派生计算。
• 代码检查时允许忽略 kPlaceholder 引入的性能误差，但不能忽略分支选择、真实 MicroAPI、dtype 和执行次数错误。
• 适合并行核对的独立任务应使用 subagent；subagent 只处理明确边界，不交叉修改同一文件。
• 必须建立 Broadcast 实现分支矩阵：实现文件中的每个可达 if/else、wrapper 和 helper 都必须关联唯一 perf 分支、MicroAPI 计数和测试用例。
• 任何任务不得仅因编译或测试通过而标记完成；只有“实现分支 -> perf 分支 -> 计数公式 -> 测试 oracle”四项逐条闭环后才能完成。
• last-axis 和 non-last-axis 必须分别完成全量分支核对，不能用 non-last 覆盖情况推断 last-axis 已覆盖。
• 每个叶子 helper 至少有一个正向测试；每个边界条件至少覆盖边界前、边界值和边界后三个形态，动态条件还必须覆盖符号表达式路径。
• legacy fallback 只能对应 AscendC 实现明确返回 fallback 的路径；不得用 fallback 掩盖尚未实现或未测试的分支。
• 最终验收前必须执行一次源码分支矩阵对账，列出已覆盖和未覆盖项；存在未覆盖项时不得宣称 Broadcast 全覆盖完成。

文件边界

参数链路

• 修改 autofuse/common/ascir_node_param/ascir_node_param.h
• 修改 autofuse/common/ascir_node_param/ascir_param_builder.cpp
• 修改 autofuse/v35/codegen/reg_api_call/reg_broadcast_api_call.cpp
• 修改 autofuse/att/gen_model_info/parser/specific_params_builder.cpp
• 修改 autofuse/att/gen_model_info/parser/tuning_space.h
• 修改 autofuse/att/gen_model_info/api_perf_register/api_perf.h
• 修改 autofuse/v35/att/api_perf_register/ascir_api_perf_v2.cpp

性能模型

• 新增 autofuse/v35/att/api_perf_register/ascendc_api_perf/broadcast_api_perf_v2.h
• 新增 autofuse/v35/att/api_perf_register/ascendc_api_perf/broadcast_api_perf_v2.cpp
• 新增 autofuse/v35/att/api_perf_register/ascendc_api_perf/broadcast_perf_utils_v2.h
• 新增 autofuse/v35/att/api_perf_register/ascendc_api_perf/broadcast_perf_utils_v2.cpp
• 新增 autofuse/v35/att/api_perf_register/ascendc_api_perf/broadcast_last_axis_perf_v2.h
• 新增 autofuse/v35/att/api_perf_register/ascendc_api_perf/broadcast_last_axis_perf_v2.cpp
• 新增 autofuse/v35/att/api_perf_register/ascendc_api_perf/broadcast_nlast_axis_perf_v2.h
• 新增 autofuse/v35/att/api_perf_register/ascendc_api_perf/broadcast_nlast_axis_perf_v2.cpp

测试

• 修改 autofuse/tests/ut/common/test_ascir_node_params.cpp
• 修改 autofuse/tests/v35/ut/codegen/reg_api_call/test_codegen_broadcast_reg_api_call.cpp
• 新增 autofuse/tests/v35/ut/att/gen_model_info/api_perf_register/test_broadcast_api_perf_v2.cpp
• 修改 autofuse/tests/v35/ut/att/gen_model_info/api_perf_register/test_ascir_perf_v2.cpp

不修改 autofuse/v35/ascendc/api_regbase/broadcast*.h、autofuse/optimize/**、autofuse/att/gen_model_info/api_tiling_gen/**、CMake、VectorFunc Broadcast 相关文件。

Task 1：增加 Broadcast 参数载荷

文件： ascir_node_param.h、ascir_param_builder.cpp、tuning_space.h、api_perf.h、test_ascir_node_params.cpp

• 新增并注册以下参数结构：

struct BroadcastNodeParams {
  bool valid{false};
  bool is_scalar{false};
  ge::Expression duplicate_count{ge::Symbol(1U)};
  std::vector<ge::Expression> dst_shape;
  std::vector<ge::Expression> src_shape;
};

• 将 BroadcastNodeParams 加入 AnySpecificParams。
• Enrich 阶段为 Broadcast 预注册 kBuilt 空载荷。
• 在 NodeInfo、NodeDetail 中增加对应字段。
• 增加预注册、variant 类型和初始 valid=false 的 UT。

验证：

sh build.sh -u --module=autofuse_framework -j 8

Task 2：从 Generate 透传实际参数

文件： reg_broadcast_api_call.cpp、test_codegen_broadcast_reg_api_call.cpp

• 在 IsBroadcastConstantTensor(x) 分支调用 BroadcastScalar 前填充 valid=true、is_scalar=true、duplicate_count=y.actual_size。
• 非 scalar 分支填充实际传给 BroadcastExtend 的 dst_shape 和 src_shape。
• 保存原始语义表达式，不保存无法被 ATT 稳定识别的 tpipe.tiler.Size/ActualSize 展开字符串。
• 每次填充前重置完整参数，防止重复 Generate 后残留 scalar/non-scalar 字段。
• 保持 shape 构造与 GenParams 的广播轴、尾轴和 stride 判断一致。
• 测试 constant tensor、UB scalar、vectorized repeat 全为 1、普通 Broadcast、尾轴前置 stride 全零场景。
• 测试首先记录实现分支，再检查透传参数和生成调用属于该分支。

Task 3：接通 ATT 参数链和 V2 注册

文件： specific_params_builder.cpp、ascir_api_perf_v2.cpp、test_ascir_perf_v2.cpp

• 增加 FillBroadcastParams。
• 在 FillSpecificParams 中处理 kBroadcast。
• 新增 V2 BroadcastApi wrapper，调用 SetNodeDetail 并复制 node.broadcast_node_params。
• 增加 REGISTER_EVAL_FUNC_TAG(kBroadcast, V2, ascir_v2::BroadcastApi)。
• 将 Broadcast V2 注册切换到 GetPerfFunc(kBroadcast + "V2")。
• 验证 factory 创建的是 Broadcast V2 模型，而不是 legacy V1 模型。
• 验证 NodeInfo -> NodeDetail 字段完整传递。

Task 4：实现公共 tiling 和计数工具

文件： broadcast_perf_utils_v2.h/.cpp

• 实现 dtype byte size、effective helper dtype、VF_LEN、VF_LEN_HALF 和 32B block 元素数。
• 实现 shape product、src/dst stride 推导和 rank>4 连续轴折叠。
• 实现 B64 转 B32 的 shape、rank、size 和 rank 9 loopNum 逻辑。
• 实现 last-axis/non-last-axis 判定。
• 实现公共 AddVfInstructPerf 累加器和 TernaryOp 构造。
• 静态可判定条件直接折叠，动态条件生成 TernaryOp。
• 保持顶层分支顺序：scalar、equal-size、srcSize==1、last/non-last、fallback。

Task 5：实现 scalar、equal-size 和 duplicate 模型

文件： broadcast_api_perf_v2.h/.cpp、test_broadcast_api_perf_v2.cpp

• 实现公开入口 BroadcastPerf(const NodeDetail &, PerfOutputInfo &)。
• scalar 路径使用 kDuplicate 和 duplicate_count。
• srcSize == dstSize 路径沿实际 DataCopy 实现建模。
• srcSize == 1 路径实现 BrcDuplicate：
  • kLoad 一次；
  • kUpdateMask 为 ceil(dstSize / VF_LEN)；
  • kStore 为相同 repeat 次数。
• 测试 B8/B16/B32/B64，并逐 case 校验实现分支和 perf 分支相同。

Task 6：实现 last-axis 分层模型

文件： broadcast_last_axis_perf_v2.h/.cpp、test_broadcast_api_perf_v2.cpp

• 复刻 BrcLastWrapperForTwoDim/ThreeDim/FourDim。
• 复刻 BrcLastWrapperForMoreDimDynamicShape。
• 实现 E2B、gather one/two、< VF_LEN_HALF、<= VF_LEN、> VF_LEN、aligned/unaligned 分支。
• 复刻 rank 3/4 的 stride 条件和固定 rank 与 constRank == -1 的 fallback 差异。
• 实现 B8 gather 特殊路径和 DeInterleave。
• 按 helper 实际循环层级计算 kLoad、kStore、kUpdateMask 等次数。
• 覆盖 half-VL-1、half-VL、VL、VL+1、block 对齐/非对齐、rank 2/3/4/>4、B8/非 B8。
• 每个测试 shape 必须显式断言实现分支与 perf 分支一致。

Task 7：实现 non-last-axis 分层模型

文件： broadcast_nlast_axis_perf_v2.h/.cpp、test_broadcast_api_perf_v2.cpp

• 复刻 BrcNlastWrapperForTwoDim/ThreeDim/FourDim。
• 复刻 BrcNlastWrapperForMoreDimDynamicShape 和 B64 特殊 BrcNlastWrapperForMoreDim。
• 实现 Gather/GatherB、less-than-VL、block-aligned、VL-aligned、unaligned 分支。
• 复刻 outer > DEFAULT_BLK_NUM 条件。
• 复刻 dynamic non-last 大轴固定走 AlignedWithBlock 的行为。
• 实现 B8 双 index、GatherB、DeInterleave 和 unaligned tail/Post 次数。
• 保留 Reg::Div 的真实整数 dtype；性能表缺项时不得替换为浮点 dtype。
• 覆盖 rank 2/3/4、Gather/GatherB、边界 outer、B8/B16/B32，并断言分支一致性。

Task 8：汇总入口和一致性验收

文件： ascir_api_perf_v2.cpp、test_ascir_perf_v2.cpp、test_codegen_broadcast_reg_api_call.cpp

• 汇总 scalar、equal-size、duplicate、last-axis、non-last-axis 和 dynamic fallback。
• 最终公式使用：

Expr res = VfPerfUtils::GetVFHeadCost() + max_latency + all_vf_instruct_cost;
res.Simplify();
perf.pipe_res[PipeType::AIV_VEC] = res;

• 保持 TernaryOp 条件树与源码优先级一致。
• 测试使用实现分支标签和 perf 分支标签，逐 shape 断言两者相等。
• 动态 shape 测试检查 TernaryOp 的嵌套顺序，而不是只检查最终 cost 字符串。
• 对无法暴露 branch marker 的生产接口，使用唯一的指令计数组合验证实际叶子分支，并在测试中注明映射依据。

Task 9：格式和构建验证

• 仅对本次修改的 C++ 文件执行格式检查。
• 运行参数链路 UT、Broadcast codegen UT、Broadcast ATT UT。
• 运行 Autofuse framework 构建：

sh build.sh -u --module=autofuse_framework -j 8

• 确认每个测试 shape 的实现分支与 perf 分支一致。
• 确认未修改 AscendC Broadcast 实现、tiling、VectorFunc 和无关文件。
• 确认测试产物、日志和 coverage 文件未进入版本库。

Task 10：last-axis 全分支闭环

依据文件：

• autofuse/v35/ascendc/api_regbase/broadcast_extend_impl.h

• autofuse/v35/ascendc/api_regbase/broadcast_3510_extend_impl.h

• autofuse/v35/ascendc/api_regbase/broadcast_gather_3510_extend_impl.h

• autofuse/v35/att/api_perf_register/ascendc_api_perf/broadcast_last_axis_perf_v2.cpp

• autofuse/tests/v35/ut/att/gen_model_info/api_perf_register/test_broadcast_api_perf_v2.cpp

• 建立 last-axis 分支矩阵，逐项记录实现条件、wrapper/helper、perf enum、MicroAPI、次数公式和测试名称。

• rank2 覆盖 E2B、GatherOne、GatherTwo、LessThanVLUnaligned、LargerThanVLAligned、LargerThanVLUnaligned。

• rank3 覆盖 E2BLessThanVL、E2BLargerThanVL、GatherWrapper、aligned/unaligned less/larger。

• rank4 覆盖 E2B、GatherWrapperForFourDim、aligned-with-VL、aligned-with-block、unaligned，以及 dstShape[0] == 1 && oriSrcShape[0] == 1 降 3D。

• dynamic last-axis 覆盖 <= VL、> VL、dim 5-9 外层 loops、B8 和 B64。

• B64 last-axis 覆盖 effective B32、追加维度/乘 2、rank9 loopNum 和 stride[9]。

• 对 halfVL、VL、32B block 和 dstSize == VL 分别覆盖边界前、边界值、边界后三个输入。

• 每个叶子 helper 至少有一个精确 MicroAPI 次数测试；placeholder 误差可以忽略，但真实操作、dtype、调用次数和分支不能忽略。

• 测试 oracle 必须直接依据实现文件条件计算，不得只依据当前 perf enum 反推预期。

• 完成源码矩阵对账后，才能将 Broadcast 标记为全分支覆盖；仍有缺口时必须在报告中列出。

Task 11：non-last-axis 全叶子计数闭环

依据文件：

• autofuse/v35/ascendc/api_regbase/broadcast_3510_extend_impl.h

• autofuse/v35/ascendc/api_regbase/broadcast_gather_3510_extend_impl.h

• autofuse/v35/att/api_perf_register/ascendc_api_perf/broadcast_nlast_axis_perf_v2.cpp

• autofuse/tests/v35/ut/att/gen_model_info/api_perf_register/test_broadcast_api_perf_v2.cpp

• rank2 GatherOne/GatherTwo/GatherBOne/GatherBTwo 分别覆盖非 B8 和 B8 的精确 MicroAPI ledger。

• rank2 LargerThanVLAlignedWithBlock/WithVL 覆盖 outer == DEFAULT_BLK_NUM、outer == DEFAULT_BLK_NUM + 1 及精确 UpdateMask/Load/Store。

• rank3 LessThanVLAligned、LargerThanVLAlignedWithVL、LargerThanVLAlignedWithBlock 增加精确计数测试。

• rank4 LessThanVLAligned/Unaligned、LargerThanVLAlignedWithVL/Block/Unaligned 分别建立独立 helper ledger，不复用 rank3 oracle。

• dynamic rank5-9 分别验证 Gather、LessAligned、LessUnaligned、LargerBlock、LargerUnaligned 的 helper 调用次数和外层 loops。

• dynamic dim <= 4 右对齐补 1 路径增加测试。

• B64 constRank=4 more-dim 验证 dstShape[0] 外层乘数、effective B32 index/data dtype、loopNum 和 srcStride[9]。

• B8 rank4 last < halfVL 明确验证不进入 GatherWrapperForFourDim。

• non-last 符号条件树覆盖 rank2/3/4 和 dynamic rank>4；未知条件只能生成 Ternary 或明确 fallback。

• non-last 每个测试 shape 必须使用独立源码 oracle，不能只比较 branch enum 或最终 cost。

Task 12：constRank 动态 wrapper 和符号条件闭环

• constRank == -1 的 rank2/3/4 非对齐路径必须进入与 AscendC 一致的 dynamic last/non-last wrapper 模型，不得直接伪装成未实现 fallback。
• rank>4 的符号尾轴条件必须按实现顺序生成动态树，覆盖 Gather/LessAligned/LessUnaligned/LargerBlock/LargerUnaligned；不能把 unknown 当作 false。
• rank3/rank4 E2B 的 stride、block-num 和 size 条件为 unknown 时，必须生成条件树或明确记录不可建模原因和 fallback，不得静默跳过 E2B。
• non-last rank4 B8 符号路径必须保留源码中的 sizeof(T) != sizeof(uint8_t) Gather 排除条件。
• 新增 constRank == -1 非对齐 last/non-last、rank>4 符号、rank3/4 stride unknown、B8 symbol 的独立测试和 V2 顶层 dispatch 测试。
• 每个新动态分支继续使用独立源码 oracle 和 MicroAPI ledger，不能只检查 ternary_ops 非空。

验收标准

1. Broadcast V2 能从 BroadcastRegApiCall::Generate 追溯到 ATT 性能函数。
2. scalar 和非 scalar 的实际 API 参数均能通过参数链传递到 perf。
3. broadcast_extend_impl.h、broadcast_3510_extend_impl.h 和 broadcast_gather_3510_extend_impl.h 中的可达分支在 perf 中有对应模型。
4. 每个 AddVfInstructPerf 都能追溯到真实 Reg/MicroAPI 调用、dtype 和源码循环次数。
5. 每个测试 shape 根据实现文件判定的分支与 perf 选择的分支完全一致。
6. 性能表缺少函数或 dtype 时按约束使用 kPlaceholder 或实现中的真实 dtype。
7. AIV_VEC 最终公式和 TernaryOp 表达式可被现有 ATT 框架消费。
8. 相关 UT 和 sh build.sh -u --module=autofuse_framework -j 8 通过。
9. 未修改与本任务无关的 codegen、tiling、schedule、AscendC 实现或 VectorFunc 逻辑。