ascendc-perf-optimize

Ascend C 算子卡死/崩溃/内存错误调试路由技能。用于处理程序无法运行完或执行异常崩溃的场景：(1) 程序卡死/挂起/超时，Kernel 无响应，(2) 程序崩溃（Segmentation Fault、Abort），(3) Buffer 冲突/死锁导致的核心挂起，(4) 需要解析 plog…

Ascend C 算子精度调试技能，提供精度问题诊断和解决方法。触发：输出异常（全为0、随机值、未初始化）、精度验证失败（rtol/atol 不达标）、FP16 精度差于预期、Cast 后数据错误、需要排查流水线同步（EnQue/DeQue）或 DataCopy 对齐问题。

Ascend C 算子 Tiling 设计指南。覆盖 Reduction / Elementwise / Broadcast 三类算子的场景路由、算法选择、UB 切分公式、tiling 字段约定。触发：算子设计阶段、规划多核切分 / UB 切分、Buffer 分配、查阅某类算子的 Tiling 方法论。

Ascend C API 使用最佳实践和黑名单。涵盖算术 / 归约 / 数据搬运 / Buffer / 精度转换 / 流水线同步 / Transpose 等核心 API 的正确用法、参数限制和避坑指南。触发：写算子时遇到 API 用法不确定、API 参数报错（对齐 / repeatTimes）、需要查询黑名单和限制时。

Ascend C Cube（Matmul/卷积/Attention）算子 MIX 启动与落地实战。覆盖：如何让 Cube 核真正在 NPU 上执行并被 profiler 捕获（而非只跑 AIV/vector）、MultiCoreMatmulTiling 的…

AscendC direct-invoke 工程契约：任务目录使用 kernel.py + ascendc_op/，ModelNew 调用 torch.ops.npu.*，适配器负责复制工程、CMake 构建和 npu-arch patch。适用于 dsl=ascendc 的算子生成与验证任务。

Reduce + broadcast 模式（softmax / layernorm / rmsnorm / log-softmax）的标准写法：怎么用 ReduceMax/Sum、WholeReduce、BlockReduce，怎么把 scalar 广播回 vector，怎么避免 NaN 级联和精度炸。

Ascend C 算子性能优化最佳实践库。按算子族组织优化设计文档（softmax / elementwise / broadcast / scalar / common），用于实施阶段查询参考实现。触发：实施某项优化时需要参考代码 / 设计模板。

CATLASS 五层 API 与 Gemm 组装范式：Device/Kernel/Block/Tile、GemmType/GemmShape/DispatchPolicy、标准头文件与 Device 调用流程。适用于 autoresearch 任务中修改 catlass_op 内 .asc/.h 的类型别名区。

AscendC profiling 到优化动作的决策表：VEC/MTE/CUBE/SCALAR bound、bank conflict、double buffer、L2 cache 和核间负载不均衡。适用于算子已经正确但性能不足的场景。

CATLASS Gemm 性能调优：DispatchPolicy、Tile 与分核负载均衡、Swizzle、何时用 padding/Split-K/Preload。面向 AR 修改 catlass_kernel.asc 中的类型别名。

AscendC 硬件与 tiling 基础：UB/L1/L0 容量、Vector/Cube 核关系、DataCopy 对齐、blockDim/tail 计算和批量算子开发的 tiling 不变量。