Thanks for sending an issue! Please fill in the following template to help quickly solve your problem.

Document Link / 文档链接 (Mandatory / 必填)

• https://gitcode.com/cann/pyasc/blob/master/docs/op_debug_prof.md
• https://gitcode.com/cann/pyasc/blob/master/docs/python-api/index.md

Issues Section / 问题文档片段 (Mandatory / 必填)

1. docs/op_debug_prof.md（第 178-265 行）：
   在“使用Ascend PyTorch Profiler采集性能数据”一节中，文档指导用户安装庞大的 PyTorch 和 torch_npu，并使用第三方 API 进行性能采集：

import torch
import torch_npu
...
with torch_npu.profiler.profile(...) as prof:
    ...

2. 实际源码已实现的 CANN 原生分析工具 python/asc/lib/profiling/（profiler.py、msprof.py、result.py）。

Existing Issues / 存在的问题 (Optional / 选填)

对照华为 CANN 官方《Profiling 工具使用指南》及底层 C 接口规范：

1. CANN 原生接口：华为 CANN 在 libmsprofiler.so（声明于 <acl/acl_prof.h>）中提供了标准的算子性能采集 C API：aclprofInit, aclprofCreateConfig, aclprofStart, aclprofStop, aclprofDestroyConfig, aclprofFinalize 以及 aclprofAicoreMetrics 枚举。
2. 源码实现完备：PyAsc 在 python/asc/lib/profiling/msprof.py 中通过 ctypes 原生封装了上述全部 aclprof* 接口；并在 profiler.py 中实现了开箱即用的原生 Profiler 类（支持 start(), stop(), @profile() 上下文管理器及 CSV 结果解析）。这使得开发者在无需依赖 PyTorch 和 torch_npu 插件的轻量纯 Python / 仿真环境下，即可直接进行性能分析。
3. 文档完全遗漏：
   • 指导性能调优的专注文档 docs/op_debug_prof.md 对项目内置的原生 Profiler 闭口不提，反而引导用户安装第三方插件。
   • docs/python-api/index.md 中完全未收录 asc.lib.profiling。

属于典型的“底层基于 CANN 原生标准开发了优秀功能，但外围文档完全未记录”的脱节情况。

改进建议

1. 在 docs/op_debug_prof.md 中增设独立章节，介绍如何使用原生的 from asc.lib.profiling import Profiler 进行纯 PyAsc 算子的性能采集、AicoreMetrics 指标配置与结果解析。
2. 在 docs/python-api/ 中增加 asc.lib.profiling 的接口参考文档，并纳入 index.md。