Pull Request

1. 主要解决的问题

ATT 模板和 tiling 的问题定位通常需要对比默认 Autofuse、开启 PGO、强制模板等场景，再结合 [PROF]/[DFX] 日志、profiling、kernel meta 和 dump 图判断差异原因。原有分析工具位于外部目录，使用时依赖固定文件名和目录结构，难以直接分析用户执行 PyTorch/Inductor 或 TensorFlow 脚本后产生的实际产物。

2. 修改方案

在 autofuse/tools/att_analyze/src/att.py 提供统一 CLI 入口。
兼容日志文件、日志目录和递归产物目录，不假设用户一定使用仓内 sample 脚本。
summary、compare、split-slog、perf-formula、verify-tiling、evidence 六个工具分别负责汇总、对比、拆分、公式分析、ABI 验证和证据导出。
verify-tiling 支持 TensorFlow/Inductor ABI；preset_B.json 的 aiv_num 默认改为 56，并支持 --aiv-num 覆盖。执行前打印实际核数、来源、UB 大小和动态维度，方便用户核对硬件配置。
output_code.py 只提取字面量 artifact，不执行用户 Python 文件；Inductor PGO 的分段 host 源码可被拆分后参与验证。
日志缺失时保留 parse_status，不把缺失值当作有效 0；evidence JSONL 包含来源路径和行号，便于后续 skill 或人工复核。
删除重复的 NOTICE、readme.md 和 docs/CSV_COMPARISON.md，工具目录的职责统一由 autofuse/tools/README.md 和 ATT README 说明；新增/整理的工具文件使用 2026 License。

3. 代码目录结构

autofuse/tools/att_analyze/
├── src/att.py                         # 统一命令行入口
├── src/commands/
│   ├── summary.py                     # ATT 日志汇总
│   ├── compare.py                     # 两次结果对比
│   ├── evidence.py                    # 机器可读证据导出
│   ├── split_slog.py                  # DFX/PROF 日志拆分
│   ├── perf_formula.py                # pipe 公式和 SVG 分析
│   └── verify_tiling.py               # TF/Inductor tiling ABI 验证
├── src/core/
│   ├── log_parser.py                  # 日志解析和状态标记
│   ├── evidence_schema.py              # evidence 记录结构
│   ├── file_utils.py                  # 输入发现和输出目录处理
│   └── tiling_func_reader.py           # tiling 源码读取
├── examples/examples.py               # Python API 和 CLI 命令示例
├── tests/{unit,functional,integration}/# 回归测试
├── tests/data/                        # 脱敏固定日志 fixture
├── README.md / README_en.md            # 使用说明
└── .gitignore                          # 工具临时输出忽略规则

4. 工具职责、使用方法和效果

工具	职责与输入	示例命令	实际效果
`summary`	从 ATT `[PROF]` 日志或目录提取算子、模板、graph/result/group/case、tiling 和性能字段	`python3 autofuse/tools/att_analyze/src/att.py summary run.log -f csv -o summary.csv`	输出 console/CSV/Excel 汇总；不完整记录带 `parse_status`
`compare`	对比默认、PGO、强制模板或其他候选的两个 summary CSV	`python3 autofuse/tools/att_analyze/src/att.py compare default.csv candidate.csv -f text -o compare.txt`	按 `Operator/Graph/Result/Group/Case` 匹配，显示模板、case、tiling 和性能差异
`evidence`	将日志转换为机器可读证据	`python3 autofuse/tools/att_analyze/src/att.py evidence run.log -o evidence/`	生成 `att-evidence.jsonl` 和 manifest，记录来源路径、行号和解析状态
`split-slog`	按算子及 graph/result/group/case 拆分 DFX 编译日志和 PROF 运行日志	`python3 autofuse/tools/att_analyze/src/att.py split-slog slog/ --op FlashAttentionScore -o split/`	生成 `compiler/`、`runtime/` 下的 case 日志，便于逐 case 定位
`perf-formula`	解析 tiling 源码和 `[PERF]` pipe 公式	`python3 autofuse/tools/att_analyze/src/att.py perf-formula generated/ run.log --case r=0,g=0,c=1 -o perf/`	生成 `perf_formula.svg`，标出最大 pipe 和跨 case 敏感参数；缺少 `[PERF]` 时明确提示证据不足
`verify-tiling`	编译并执行用户提供的 TF/Inductor tiling 函数	`python3 autofuse/tools/att_analyze/src/att.py verify-tiling generated/ --scene tf --preset B --aiv-num 56 -o verify/`	控制台打印有效配置和编译/执行结果，`verify/result.json` 保存 block_dim、workspace 或失败原因

examples/examples.py 的第一个示例只打印以上 CLI 命令，不会自动编译、profiling 或执行 tiling 验证；其余示例展示 Python API 调用。

5. 代码修改流程图

flowchart LR
    A[用户执行默认/PGO/强制模板场景] --> B[日志、profiling、kernel_meta、dump]
    B --> C{att CLI}
    C --> D[summary 汇总]
    D --> E[compare 对比选择和性能]
    B --> F[split-slog 拆分 DFX/PROF]
    B --> G[evidence 导出来源证据]
    B --> H[perf-formula 生成 pipe SVG]
    B --> I[verify-tiling 编译并执行 ABI]
    E --> J[报告模板/tiling 差异]
    F --> J
    G --> J
    H --> J
    I --> J

采集 [PROF]/[DFX] 时，用户通常需要在自己的执行命令中设置 ASCEND_SLOG_PRINT_TO_STDOUT=1 和 ASCEND_GLOBAL_LOG_LEVEL=1。本工具默认只读已有产物，不猜测 case，也不代替用户重新运行模型。

6. 测试用例说明

检查项	结果
ATT unit/integration/functional tests	94 passed
`git diff --check`	通过
ruff、ruff-format、codespell	通过
pre-commit（含 OAT、冲突标记、禁止 `docs/superpowers`）	通过
CLI 合约测试	覆盖六个子命令和 CLI 示例顺序