0
代码
代码
Issues
Pull Requests
讨论
Wiki
分析
0
cici_daisycici_daisyRefactor Skill System: Replace level-based management with category-based management. Update documentation and examples to reflect changes in skill classification, filtering, and selection processes. Adjusted skill metadata to use categories instead of levels for better organization and retrieval.
51000dcb创建于 3月2日历史提交

AKG Agents 测试 Skills

用于测试 Skill System 的完整示例

📊 Skills概览

本目录包含 8个测试Skills，覆盖多种 category：

Category 语义 数量 Skills
workflow 流程/编排 2 standard-workflow, adaptive-evolve
agent 组件/执行 4 coder-agent, designer-agent, verifier-agent, operator-knowledge-dispatcher
dsl DSL 参考 3 cuda-basics, triton-syntax, triton-ascend
implementation 实现/细节 1 error-handling
其他 自定义 1 web-scraping (utility)

🏗️ Skills结构

Workflow Skills

1. standard-workflow

  • Category: workflow
  • 描述: 标准的算子生成工作流
  • 子 Skills: coder-agent, verifier-agent（agent）
  • 适用场景: 常规算子开发
  • 内容: 完整的三阶段工作流程说明

2. adaptive-evolve

  • Category: workflow
  • 描述: 自适应进化工作流
  • 子 Skills: designer-agent, coder-agent, verifier-agent（agent）
  • 适用场景: 复杂算子优化
  • 内容: 进化算法原理、配置参数、成功案例

Agent Skills

3. coder-agent

  • Category: agent
  • 描述: 代码生成 Agent
  • 子 Skills: cuda-basics, triton-syntax（dsl）
  • 能力:
    • 多 DSL 支持（CUDA, Triton, OpenCL）
    • 多后端支持（NVIDIA, AMD, Intel）
    • 代码优化建议
  • 内容: 代码生成策略、模板、RAG 增强

4. designer-agent

  • Category: agent
  • 描述: 算法设计 Agent
  • 子 Skills: (无)
  • 能力:
    • 算法分析
    • 设计方案生成
    • 性能估算
  • 内容: 设计模式库、决策树、进化策略

5. verifier-agent

  • Category: agent
  • 描述: 验证 Agent
  • 子 Skills: (无)
  • 能力:
    • 正确性验证
    • 性能 Profiling
    • 资源分析
  • 内容: 验证流程、测试用例生成、性能基准

6. operator-knowledge-dispatcher

  • Category: dispatcher
  • 描述: 根据算子类型动态加载知识文档
  • 子 Skills: elementwise-knowledge, reduce-knowledge, matmul-knowledge, fusion-knowledge（未加载）
  • 说明: 声明性子 Skill，按需加载

DSL Skills

7. cuda-basics

  • Category: dsl
  • 描述: CUDA 编程基础知识
  • 内容:
    • 线程层次结构
    • 内存层次
    • 访问优化技巧
    • 同步机制
    • 完整代码示例
  • 大小: ~6,285 字符

8. triton-syntax

  • Category: dsl
  • 描述: Triton 语言语法
  • 内容:
    • Python-like 语法
    • Block 编程模型
    • 完整示例（向量加法、MatMul、Softmax）
    • 调优技巧
    • Triton vs CUDA 对比
  • 大小: ~10,000+ 字符

9. triton-ascend

  • Category: dsl
  • 描述: Triton on Ascend 适配指南
  • 内容: 昇腾 NPU 编程适配

Implementation Skills

10. error-handling

  • Category: implementation
  • 描述: GPU 代码错误处理
  • 内容:
    • CUDA 错误检查
    • Kernel 内边界检查
    • 数值稳定性检查
    • Python/Triton 错误处理
    • 错误恢复策略
    • 完整模板

其他 Skills

11. web-scraping

  • Category: utility
  • 描述: Web scraping 最佳实践
  • 说明: 示例性 Skill，自定义 category

🔗 层级关系图

adaptive-evolve (workflow)
├── designer-agent (agent)
├── coder-agent (agent)
│   ├── cuda-basics (dsl)
│   └── triton-syntax (dsl)
└── verifier-agent (agent)

standard-workflow (workflow)
├── coder-agent (agent)
│   ├── cuda-basics (dsl)
│   └── triton-syntax (dsl)
└── verifier-agent (agent)

error-handling (implementation) - 独立使用

🚀 如何使用

1. 加载Skills

from skill_system import SkillLoader, SkillRegistry
from pathlib import Path

# 加载
loader = SkillLoader()
skills = loader.load_from_directory(Path("./skills"))

# 注册
registry = SkillRegistry()
registry.register_batch(skills)

print(f"加载了 {len(skills)} 个Skills")

2. 查询Skills

# 按名称查询
cuda_skill = registry.get("cuda-basics")

# 按分类查询
agent_skills = registry.get_by_category("agent")

# 按模式查询
agent_skills = registry.filter(name_pattern="*-agent")

3. 访问内容

skill = registry.get("cuda-basics")
if skill:
    print(f"名称: {skill.name}")
    print(f"描述: {skill.description}")
    print(f"分类: {skill.category or 'N/A'}")
    print(f"内容长度: {len(skill.content)}")
    print(f"\n内容:\n{skill.content}")

4. 使用层级关系

# 获取子 Skills
children = registry.get_children("standard-workflow")
print(f"子 Skills: {[s.name for s in children]}")

# 查看 category
for child in children:
    print(f"  {child.name} - {child.category}")

🧪 运行测试

简单测试

cd demo/skill_system
python test_skills_simple.py

预期输出：

成功加载 8 个Skill
成功注册 8 个Skill
总计:
  workflow: 2个
  agent: 3个
  dsl: 2个
  implementation: 1个
[SUCCESS] 测试完成！

完整示例

cd examples
python examples.py              # 基础示例
python example_llm_driven.py    # LLM 驱动选择示例（需要 LLM 环境）

📝 Skill格式说明

每个Skill都是一个SKILL.md文件，格式如下：

---
name: skill-name
description: "Skill 描述"
category: workflow/agent/guide/dsl/implementation/example
version: "x.y.z"
license: MIT
metadata:
  backend: cuda
  dsl: triton_cuda
structure:  # 可选，用于声明层级关系
  child_skills:
    - child1
    - child2
  default_children:
    - child1
  exclusive_groups:
    - [skill-a, skill-b]
---

# Skill 标题

## 正文内容

详细的 Skill 内容...

📊 内容统计

Skill 字符数 行数 章节数
adaptive-evolve ~15,000 ~350 15+
standard-workflow ~2,500 ~80 10
coder-agent ~10,000 ~300 12
designer-agent ~8,000 ~250 10
verifier-agent ~9,000 ~280 11
cuda-basics ~6,285 ~351 41
triton-syntax ~10,000 ~300 20
error-handling ~8,000 ~250 15
总计 ~68,785 ~2,161 134

✨ 特色功能

1. 完整性

  • ✅ 覆盖多种 category
  • ✅ 包含真实的技术内容
  • ✅ 提供具体的代码示例

2. 实用性

  • ✅ 基于真实 AKG Agents 项目场景
  • ✅ 包含最佳实践和陷阱
  • ✅ 提供性能分析和优化建议

3. 关联性

  • ✅ Skills之间有明确的依赖关系
  • ✅ 支持层级化管理
  • ✅ 可组合使用

4. 可测试性

  • ✅ 每个Skill都可以独立加载
  • ✅ 支持层级关系验证
  • ✅ 提供完整的测试脚本

🎓 学习路径

初学者

  1. 先阅读 dsl Skills (cuda-basics, triton-syntax)
    • 理解基础知识
  2. 然后阅读 agent Skills (coder-agent, verifier-agent)
    • 理解如何使用基础知识
  3. 最后阅读 workflow Skills (standard-workflow)
    • 理解完整工作流

进阶用户

  1. 从 workflow Skills 开始
  2. 按照依赖关系向下阅读
  3. 重点关注进化算法和优化策略

🔄 扩展建议

可以继续添加的Skills：

workflow

  • multi-stage-workflow (多阶段优化)
  • distributed-workflow (分布式执行)

agent

  • optimizer-agent (参数优化)
  • profiler-agent (性能分析)

dsl / fundamental

  • opencl-basics (OpenCL编程)
  • optimization-techniques (通用优化技巧)
  • memory-patterns (内存访问模式)

implementation

  • debugging-tools (调试工具)
  • testing-framework (测试框架)
  • performance-patterns (性能模式)

📚 参考资料

Skills内容参考了：

  • CUDA Programming Guide
  • Triton Documentation
  • AKG Agents 实际项目经验
  • GPU优化最佳实践

🎯 使用建议

  1. 学习: 按层级从底向上阅读
  2. 开发: 按层级从顶向下使用
  3. 测试: 使用提供的测试脚本验证
  4. 扩展: 参考现有格式添加新Skills

更新时间: 2026年1月27日
Skills 总数: 11个
版本: v0.2.0
状态: ✅ 完整可用