随着昇腾硬件代际持续演进，越来越多已有 Ascend C 自定义算子需要从昇腾 910 路径扩展到昇腾 310P。对开发者而言，迁移的难点并不只在"能不能编译"，更在于迁移后的能力边界是否清晰、源代际路径是否被保留、目标代际是否真正通过精度与功能验证。在实际工程中，一个算子的代际支持通常分散在多个位置：Host 侧AddConfig路由、CMake 和build.sh的 SoC 清单、kernel

随着昇腾硬件代际持续演进，越来越多已有 Ascend C 自定义算子需要从昇腾 910 路径扩展到昇腾 310P。对开发者而言，迁移的难点并不只在"能不能编译"，更在于迁移后的能力边界是否清晰、源代际路径是否被保留、目标代际是否真正通过精度与功能验证。在实际工程中，一个算子的代际支持通常分散在多个位置：Host 侧AddConfig路由、CMake 和build.sh的 SoC 清单、kernel

它们不是难在代码本身，而是那条"先做什么、再做什么、出错往哪查"藏在资深工程师脑子里的路径地图。。

它们不是难在代码本身，而是那条"先做什么、再做什么、出错往哪查"藏在资深工程师脑子里的路径地图。。

当前，这套 Skill 体系已能高效完成"变更跟踪 → 特性筛选 → 实现规划 → 参考交付"全链路，显著提升 Megatron 到 MindSpeed 的特性迁移效率。抽离 MindSpeed 中最通用的 Megatron 适配逻辑，构建 MindSpeed-Adaptor 轻量级代码仓；引入自动化用例，实时感知 Megatron 主线演进；与现有 Skill 体系联动，形成"感知 → 分析 →

指标目标实际情况状态精度验证通过100% 通过✅ 完成代码质量优秀优秀✅ 完成文档完整性完整完整✅ 完成开发效率高效1 小时完成✅ 完成同时提升了开发效率，传统方式需要 3-5 天完成的矩阵算子开发，使用 CATLASS Skills 后缩短至 1 小时，且代码质量有保障。CATLASS Skills 通过模块化的技能体系，将昇腾 NPU 上 CATLASS 算子开发的最佳实践固化为一套可复用的工

当大模型和 Agent 持续进入软件研发、测试场景，如何把专家经验从"隐性知识"转化为"可复用能力"正成为越来越重要的问题。无论是算子开发、模型训练与推理、性能调优，背后都依赖大量专业知识、实践经验和标准流程。如果这些能力只能停留在个人经验里，就很难被规模化复用；如果能被沉淀为标准化 Skills，就可以真正释放 AI 辅助的价值。Agent-Skills 正是在这样的背景下持续建设的核心仓库。

模型迁移和开发对基准模型类进行结构化改造，构建 from_pretrained 与 _from_config 等标准化接口。利用 model_register 注册模型，实现模型模块调用的动态加载。数据集迁移和开发识别基准框架的数据构建逻辑，通过 data_register 注册器将其集成至 MindSpeed-MM 框架下。通过解耦数据构建与调用逻辑，实现数据模块的动态加载与标准化调用。配置文件

作为基于昇腾生态的专业大模型训练框架，MindSpeed LLM已内置支持百余个业界常用稠密、MOE及SSM类模型，具备分布式预训练、微调、推理等全流程能力。此次Mamba3适配的完成，将进一步丰富框架的模型生态，为开发者提供更高效、更灵活的技术工具，助力SSM类模型在更多行业场景中快速落地，推动大模型技术从实验室走向实际应用，解锁更多技术创新与业务价值。社区共建：欢迎开发者贡献新模型支持与优化建

30 分钟，从零开始完成 BEVFormer 在昇腾 NPU 上的迁移与训练——这不是理想，而是现实。基于 DrivingSDK 套件的自动驾驶模型迁移技能正在重新定义 AI 模型迁移的效率边界，让开发者聚焦于创新，而非重复造轮子。