CANN智能体技能库
### 项目定位**CANNBot** 是面向 CANN 开发的用于提升开发效率的系列智能体，本仓库为其提供可复用的 Skills 模块，目前已覆盖 Ascend C / PyPTO / TileLang 算子开发流程和 NPU 模型推理端到端优化。### 目标用户- CANN 社区开发者- 昇腾 NPU 平台 AI 应用开发者- Ascend C / PyPTO / TileLa
·
CANNBot Skills
项目地址: https://gitcode.com/cann/cannbot-skills 📢 项目概述
项目定位
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体，本仓库为其提供可复用的 Skills 模块，目前已覆盖 Ascend C / PyPTO / TileLang 算子开发流程和 NPU 模型推理端到端优化。
目标用户
- CANN 社区开发者
- 昇腾 NPU 平台 AI 应用开发者
- Ascend C / PyPTO / TileLang 算子开发者
- 使用昇腾 NPU 进行模型推理优化的开发者
- 希望贡献 Skills / Agents 的社区贡献者
🔥 最新动态
- 2026-05-07 — 新增kernel直调工程接入ACLNN/GEIR接口skill（ascendc-direct-invoke-to-registry-invoke），支持kernel直调形式改造成自定义算子工程。
- 2026-05-06 — 新增算子注册调用的开发工作流（ops-registry-invoke），支持 ACLNN 和 GEIR 两种接入方式，覆盖需求分析到代码检视全流程。
- 2026-04-30 — 【代码仓库更名】https://gitcode.com/cann/skills 更名为 https://gitcode.com/cann/cannbot-skills ，原名称和路径可继续访问，建议使用新名称和路径。
- 2026-04-29 — 新增自定义算子注册调用的脚手架工程（ascendc-registry-invoke-template），支持通过 ACLNN 和 GEIR 接入。
- 2026-04-28 — 新增支持 TRAE 安装。
- 2026-04-25 — 增强 ascendc-precision-debug 和 ascendc-runtime-debug 的调试能力。
- 2026-04-24 — 新增 Ascend C 性能调优知识货架。
- 2026-04-23 — 在 README.md 新增 Skills 的使用样例。
- 2026-04-21 — 修复测试框架并解决识别到的多项校验问题。
- 2026-04-20 — 新增 regbase 配置最佳实践，修复环境检查设备计数 bug，统一算子目录命名（ops → operators）。
- 2026-04-18 — 修复 ops-profiling 技能名称不一致的问题。
详细变更记录，详见 CHANGELOG.md 文件。
⚡️快速开始
方式一：脚本安装
git clone https://gitcode.com/cann/cannbot-skills.git
cd cannbot-skills
| 场景 | 命令 | 文档 |
|---|---|---|
| AscendC Kernel<<<>>>直调 | cd plugins-official/ops-direct-invoke && bash init.sh project <opencode\|claude> |
更多安装方式和使用参考 quickstart |
| AscendC 算子注册调用 | cd plugins-official/ops-registry-invoke && bash init.sh project <opencode\|claude> |
更多安装方式和使用参考 quickstart |
| PyPTO 算子 | cd plugins-official/pypto-op-orchestrator && bash init.sh project <opencode\|claude> |
更多安装方式和使用参考 quickstart |
| NPU 推理优化 | cd model/teams/infer-model-optimize-team && bash init.sh project <opencode\|claude> |
更多安装方式和使用参考 quickstart |
方式二：Plugin 安装
仅支持 Claude Code，且仅部分场景提供 Plugin。
Claude Code
- 注册 marketplace（首次）：
/plugin marketplace add https://gitcode.com/cann/cannbot-skills.git - 按场景安装对应插件：
| 场景 | 命令 |
|---|---|
| AscendC Kernel<<<>>>直调 | /plugin install ops-direct-invoke@cannbot |
| AscendC 算子注册调用 | 暂不支持 |
| PyPTO 算子 | /plugin install pypto-op-orchestrator@cannbot |
| NPU 推理优化 | 暂不支持 |
- 激活：
/reload-plugins，然后新开会话 或/clear
方式三：手动安装
克隆仓库后，按需将 skills/ 或 agents/ 目录下所需的模块软链接或复制到对应工具的配置路径下。目录结构需参考各 Agent 框架的约定，例如 Claude Code 的项目级结构为 {your-project-path}/.claude/skills/ 和 {your-project-path}/.claude/agents/。
git clone https://gitcode.com/cann/cannbot-skills.git
# 示例：将 ascendc-npu-arch skill 拷贝到你的 Claude Code 项目
cp -r cannbot-skills/ops/ascendc-npu-arch {your-project-path}/.claude/skills/
🔍 项目架构设计
整体架构
skills/
├── ops/ # 算子 Skills（正式版：Ascend C + PyPTO）
├── ops-lab/ # 算子 Skills（实验 / 非正式版）
├── model/ # 模型推理优化
│ ├── skills/ # 推理优化技能模块
│ ├── agents/ # 子 Agent（analyzer / implementer / reviewer）
│ └── teams/ # 多 Agent 协同
│ └── infer-model-optimize-team/ # NPU 推理端到端优化流程
│ ├── model-infer-optimize/ # 工作流入口 Skill
│ └── hooks/ # Hook 约束脚本
└── tests/ # 自动化测试框架
逻辑架构视图
项目遵循三层架构：Teams 编排 Agents，Agents 绑定 Skills。以下视图展示各层组件及其关联关系。
Ascend C 算子开发
╔══════════════════════════════════════════════════════════════════════════════╗
║ TEAMS（应用编排层） ║
╠══════════════════════════════════════════════════════════════════════════════╣
║ ║
║ ┌─────────────────────────────┐ ┌─────────────────────────────┐ ║
║ │ ops-direct-invoke │ │ ops-registry-invoke │ ║
║ │ Kernel 直调开发流程 │ │ 算子注册调用开发流程 │ ║
║ └──────┬──────┬──────┬────────┘ └──────┬──────┬──────┬────────┘ ║
║ │ │ │ │ │ │ ║
╚═════════╪══════╪══════╪════════════════════════╪══════╪══════╪═══════════════╝
│ │ │ │ │ │
▼ ▼ ▼ ▼ ▼ ▼
╔══════════════════════════════════════════════════════════════════════════════╗
║ AGENTS（角色执行层） ║
╠══════════════════════════════════════════════════════════════════════════════╣
║ ║
║ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ ║
║ │ architect │ │ developer │ │ reviewer │ │ tester │ ║
║ │ 方案设计 │ │ 代码开发 │ │ 代码检视 │ │ 代码测试 │ ║
║ └──────────────┘ └──────────────┘ └──────────────┘ └──────────────┘ ║
║ ║
╚══════════════════════════════════════════════════════════════════════════════╝
│ │ │ │ │ │ │ │ │ │ │ │ │ │ │ │
▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼
╔═══════════════════════════════════════════════════════════════════════════════╗
║ SKILLS（知识能力层） ║
╠═══════════════════════════════════════════════════════════════════════════════╣
║ ║
║ ┌─ 知识库类 ──────────────────────────────────────────────────────────────┐ ║
║ │ npu-arch NPU 架构知识与芯片映射 │ ║
║ │ tiling-design Tiling 设计方法论 │ ║
║ │ api-best-practices API 使用最佳实践 │ ║
║ │ ops-precision-standard 算子精度标准 │ ║
║ └─────────────────────────────────────────────────────────────────────────┘ ║
║ ║
║ ┌─ 工程模板类 ────────────────────────────────────────────────────────────┐ ║
║ │ registry-invoke-to-direct-invoke 注册算子直调改造模板 │ ║
║ │ direct-invoke-template Kernel直调工程模板 │ ║
║ └────────────────────────────────────────────────────────────────────────┘ ║
║ ║
║ ┌─ 调试与测试类 ──────────────────────────────────────────────────────────┐ ║
║ │ precision-debug 精度调试与症状速查 │ ║
║ │ runtime-debug 运行时错误码解析 │ ║
║ │ ops-profiling 算子性能采集分析 │ ║
║ └────────────────────────────────────────────────────────────────────────┘ ║
║ ║
║ ┌─ 测试开发类 ────────────────────────────────────────────────────────────┐ ║
║ │ st-design ST 测试用例设计 │ ║
║ │ ut-develop UT 开发与覆盖率增强 │ ║
║ │ code-review 代码检视规则 │ ║
║ └────────────────────────────────────────────────────────────────────────┘ ║
║ ║
║ ┌─ 工具辅助类 ────────────────────────────────────────────────────────────┐ ║
║ │ env-check NPU 设备查询与环境验证 │ ║
║ │ task-focus 长任务聚焦防迷失 │ ║
║ └─────────────────────────────────────────────────────────────────────────┘ ║
║ ║
╚═══════════════════════════════════════════════════════════════════════════════╝
PyPTO 算子开发
╔══════════════════════════════════════════════════════════════════════════════╗
║ TEAMS（应用编排层） ║
╠══════════════════════════════════════════════════════════════════════════════╣
║ ║
║ ┌─────────────────────────────────┐ ║
║ │ pypto-op-orchestrator │ ║
║ │ PyPTO 算子开发流程 │ ║
║ └──────┬──────────┬──────────┬────┘ ║
║ │ │ │ ║
╚═══════════════════════════╪══════════╪══════════╪════════════════════════════╝
│ │ │
▼ ▼ ▼
╔══════════════════════════════════════════════════════════════════════════════╗
║ AGENTS（角色执行层） ║
╠══════════════════════════════════════════════════════════════════════════════╣
║ ║
║ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ ║
║ │ analyst │ │ developer │ │ perf-tuner │ ║
║ │ 需求与设计 │ │ 实现与精度 │ │ 性能调优 │ ║
║ └──────────────┘ └──────────────┘ └──────────────┘ ║
║ ║
╚══════════════════════════════════════════════════════════════════════════════╝
│ │ │ │ │ │ │ │ │
▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼
╔═══════════════════════════════════════════════════════════════════════════════╗
║ SKILLS（知识能力层） ║
╠═══════════════════════════════════════════════════════════════════════════════╣
║ ║
║ ┌─ 需求与设计 ────────────────────────────────────────────────────────────┐ ║
║ │ intent-understand 需求意图理解与规格生成 │ ║
║ │ api-explore API 可行性探索与分析 │ ║
║ │ op-design 算子方案设计生成 │ ║
║ └─────────────────────────────────────────────────────────────────────────┘ ║
║ ║
║ ┌─ 实现与验证 ────────────────────────────────────────────────────────────┐ ║
║ │ golden-generate Golden 参考实现生成 │ ║
║ │ op-develop 算子代码实现与调试 │ ║
║ │ precision-debug 精度问题诊断 │ ║
║ │ precision-compare 精度对比分析 │ ║
║ └─────────────────────────────────────────────────────────────────────────┘ ║
║ ║
║ ┌─ 性能调优 ──────────────────────────────────────────────────────────────┐ ║
║ │ op-perf-tune 算子性能分析与调优 │ ║
║ └─────────────────────────────────────────────────────────────────────────┘ ║
║ ║
╚═══════════════════════════════════════════════════════════════════════════════╝
🚀 Skills 技能库
Ascend C 算子开发
| Skill | 功能 | 使用样例 |
|---|---|---|
| ascendc-api-best-practices | API 使用最佳实践、参数限制 | — |
| ascendc-npu-arch | NPU 架构知识、芯片型号映射 | — |
| ascendc-docs-search | API 文档索引 + 在线搜索 | — |
| ascendc-env-check | NPU 设备查询、CANN 环境验证 | — |
| ascendc-tiling-design | Tiling 和 Kernel 设计方法论，按算子类别分类 | — |
| ascendc-precision-debug | 精度调试，症状-原因速查、常见陷阱 | — |
| ascendc-runtime-debug | 运行时错误调试，错误码解析、Kernel 挂起排查 | — |
| ascendc-ut-develop | UT 单元测试用例开发与覆盖率增强 | — |
| ascendc-st-design | aclnn 接口测试用例设计、L0 / L1 测试用例生成 | — |
| ascendc-code-review | 代码检视方法论、5 大类别规范 | — |
| ascendc-task-focus | 任务聚焦，解决长任务“迷失在中间”的问题 | — |
| ascendc-whitebox-design | 白盒测试用例设计与生成 | — |
| ascendc-registry-invoke-template | 完整自定义算子工程模板，提供标准工程结构、代码模板、UT/ST 样例和多芯片架构参考 | — |
| ascendc-registry-invoke-to-direct-invoke | 注册调用算子转 <<<>>> kernel 直调 |
查看 |
| ascendc-direct-invoke-to-registry-invoke | <<<>>> kernel 直调转注册调用算子 |
查看 |
| ascendc-direct-invoke-template | Kernel 直调工程模板，提供验证过的样例工程和修改指南 | — |
| ops-profiling | NPU 性能采集与分析，CSV 指标解读、瓶颈定位、优化建议 | — |
| ops-precision-standard | 算子精度标准，按 dtype 分类提供 atol/rtol 精度比对标准 | — |
| ascendc-docs-gen | 算子文档写作参考，支持需求分析、详细设计等多个标准模版 | — |
| cann-simulator | NPU 仿真器技能。提供 CANN Simulator 的使用指导，包括精度仿真、性能仿真、流水线分析。 | — |
PyPTO 算子开发
| Skill | 功能 |
|---|---|
| pypto-op-design | 算子方案设计生成 |
| pypto-op-develop | 算子代码实现与测试 |
| pypto-golden-generate | Golden 参考实现生成 |
| pypto-intent-understand | 需求意图理解与规格生成 |
| pypto-api-explore | API 可行性探索与分析 |
| pypto-precision-debug | 精度问题代码层排查 |
| pypto-precision-compare | 精度中间结果对比分析 |
| pypto-op-perf-tune | 算子性能分析与自动调优 |
NPU 模型推理优化
| Skill | 功能 |
|---|---|
| model-infer-optimize | 端到端优化编排入口，阶段 0-5 全流程 |
| model-infer-migrator | 框架适配与部署基线建立 |
| model-infer-parallel-analysis | 并行策略分析（TP/EP/DP） |
| model-infer-parallel-impl | 并行切分实施 |
| model-infer-kvcache | KVCache 优化 + FA 替换 |
| model-infer-fusion | torch_npu 融合算子分析与替换 |
| model-infer-graph-mode | torch.compile 图模式适配 |
| model-infer-precision-debug | NPU 推理精度诊断 |
| model-infer-runtime-debug | NPU 运行时错误诊断 |
| model-infer-multi-stream | 多流并行优化 |
| model-infer-prefetch | 权重预取适配 |
| model-infer-superkernel | SuperKernel 适配 |
🚀 Agents 智能代理
Ascend C 算子开发
| Agent | 功能 |
|---|---|
| ascendc-ops-architect | 算子架构师，支持需求分析和方案设计两种场景 |
| ascendc-ops-developer | 算子开发者，支持代码实现、编译测试和精度验证 |
| ascendc-ops-tester | 算子测试者，支持ST/UT用例生成与执行 |
| ascendc-ops-reviewer | 代码检视专家，支持快速检视和全功能检视两种模式 |
| ascendc-kernel-architect | Kernel直调架构师，支持需求分析、API验证、方案设计 |
| ascendc-kernel-developer | Kernel直调开发者，支持代码实现、编译测试、性能采集、文档编写 |
| ascendc-kernel-reviewer | Kernel直调审查者，支持独立构建验证、7维度评分、精度验证 |
PyPTO 算子开发
| Agent | 功能 |
|---|---|
| pypto-op-analyst | 需求分析与方案设计 |
| pypto-op-developer | 算子代码实现与精度调试 |
| pypto-op-perf-tuner | 性能分析与调优 |
NPU 模型推理优化
| Agent | 功能 |
|---|---|
| model-infer-analyzer | 模型分析、方案设计、并行策略推荐 |
| model-infer-implementer | 代码改造、调试修复 |
| model-infer-reviewer | 精度验证、性能对比 |
🛠️ 测试框架
自动化测试验证 Skills 和 Agents 的正确性，确保技能模块和智能代理的行为符合预期。 详见 tests/README.md。
💬相关信息
💖 免责声明
感谢您关注 CANNBot Skills 项目，我们希望这些技能和知识能帮助您更好地进行 CANN 开发^_^
在使用之前，请您了解：
-
关于功能满足度：由于技术快速更新迭代，部分内容可能无法完全适用于所有场景。 本开源社区的功能和文档正在持续更新和完善、丰富场景中，如果想提出需求、发现问题、贡献想法，非常欢迎提 Issue、讨论来告诉我们，共创共建。
-
关于自动生成：自动代码生成工具所产出的内容，其完整性、准确性、合规性，受模型类型、模型版本、Skills 能力、语料质量、输入指令、运行环境等多种因素影响，无法保证完全精准、尽善尽美。所有生成代码作为辅助研发使用，请开发者务必进行测试验证、安全审查后再投入使用。
🤝 联系我们
需求、问题、咨询、任务、文档
通过GitCode【Issues】提交。
社区互动
通过GitCode【讨论】参与交流。
联系我们
小龙虾开发者社区是 CSDN 旗下专注 OpenClaw 生态的官方阵地，聚焦技能开发、插件实践与部署教程，为开发者提供可直接落地的方案、工具与交流平台，助力高效构建与落地 AI 应用
更多推荐
9
0- 0
已为社区贡献2条内容
所有评论(0)