问题背景

在 HyperParallel 实际落地中，以下问题反复出现：

1. 训练启动前缺少统一的“环境/依赖/运行时”预检入口。
2. 训练后问题定位链路分散，性能、精度、故障日志分析依赖人工经验。
3. 不同任务（mindformers/mindone/llamafactory/transformers）排障方式不统一，复用性差。
4. Ascend profiler 数据存在，但缺少标准化摘要与瓶颈分类脚本，导致分析成本高、结论不一致。

这会直接导致：

• 问题发现慢，定位周期长；
• 同类问题重复排查；
• 团队间排障口径不一致，难以沉淀可复用流程。

目标

为 HyperParallel 增加一套低侵入、可复用、可脚本化的基础工具能力，参考mindspore-skills：

• 训练前：preflight 预检能力
• 训练后：diagnose 诊断能力（故障/精度/性能三类）

方案范围（本期）

1. 新增 scripts/preflight/：单机训练前就绪检查与结构化报告输出。
2. 新增 scripts/diagnosis/：
   • failure：上下文采集与 traceback 摘要
   • accuracy：环境/版本采集与指标差异摘要
   • performance：Ascend profiler 摘要与瓶颈候选分类
3. 新增统一报告契约 report.schema.json。
4. 增加 hp-preflight / hp-diagnose 技能入口与适配文档，统一使用方式。

为什么现在需要做

• 该能力对现有训练主链路零侵入，但能显著降低排障成本。
• 与当前迭代重点（稳定性、可复现性、性能优化效率）直接相关。
• 先落标准化基础层，可为后续自动化诊断/CI 集成提供统一接口。

验收标准

• 能在常见工作区执行 preflight 并输出结构化结果；
• 能按 symptom 路由到 failure/accuracy/performance 诊断链路；
• 在有 Ascend profiler 产物时可生成性能摘要与瓶颈候选；
• 不影响现有训练功能与测试主路径。