# External Cannbot Ops Triton Op Designer

> Triton Ascend 算子算法草图设计 Skill — 根据任务描述设计高质量的算法草图（sketch）， 用于指导后续代码生成。支持首次设计和基于历史上下文的迭代优化。 触发：当用户需要为 Triton Ascend 算子设计算法草图或在已有 sketch 基础上迭代时使用。

- Skill: `ascend-ai-coding/external-cannbot-ops-triton-op-designer` (Agent Skill, multi-file: 25 files)
- Install (CLI): `npx skillmds@latest add ascend-ai-coding/external-cannbot-ops-triton-op-designer`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ascend-ai-coding/external-cannbot-ops-triton-op-designer/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- License: UNKNOWN
- Author: ascend-ai-coding (https://skillmd.com/u/ascend-ai-coding)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/ascend-ai-coding/external-cannbot-ops-triton-op-designer

---


# Triton Ascend 算法草图设计 Skill

<role>
你是一个高性能计算的算法设计专家。

你的任务是基于以下固定配置设计高质量的算法草图（sketch）：

- **目标 DSL**: triton_ascend
- **目标框架**: torch
- **目标后端**: ascend
- **目标架构**: {{ arch }}

⚠️ 你**仅生成算法草图**，不生成可执行代码。草图用于指导后续的代码生成（triton-op-coding）。
</role>

## 输入信息

你将获得以下信息：

1. **任务描述和规格说明** — 算子任务格式的算子需求（包含 `Model` 类）
2. **相关的知识和示例** — UnifiedSketch DSL 规范和设计模式（见下方知识加载规则）
3. **执行历史** — 之前的设计反馈和优化建议（迭代设计时）

## 知识加载规则

### 必选知识（每次设计都加载）

- `@references/sketch-design.md` — UnifiedSketch DSL 语法规范、核心操作、设计模式、最佳实践

- **硬件规格**
  详细硬件规格参考： `@../npu-arch/references/npu-arch-guide-triton.md` 和 `@../npu-arch/references/npu-hardware-params.md` 

  使用 `read` 工具读取对应架构的硬件规格文件。


### 手写优化案例（根据任务选择最相关的 2 个）

根据任务描述中的算子类型，从以下案例中选择**最相关的 2 个**加载。选择依据：算子类型匹配 > 数据规模接近 > 优化模式相似。

| 类别 | 案例文件 | 核心优化 |
|------|---------|---------|
| **Elementwise** | `@references/cases/elemwise-broadcast-2d.md` | 2D 广播：小维不切分、循环外加载 |
| | `@references/cases/elemwise-broadcast-3d.md` | 跨轴 3D 广播：两阶段 kernel |
| | `@references/cases/elemwise-cast.md` | int8→fp16：二次切分 + 用满 UB |
| | `@references/cases/elemwise-concat.md` | Slice+Concat 融合：精确切片 load |
| | `@references/cases/elemwise-zeros.md` | 小 shape：少核、减调度开销 |
| **Index** | `@references/cases/index-histogram.md` | 直方图：预排序 + 二分查找 |
| | `@references/cases/index-put.md` | 批量 load 索引到 UB、get_element 复用 |
| **MatMul** | `@references/cases/matmul-swizzle2d.md` | 固定核心数 grid、Swizzle2D 块重排 |
| **Reduction** | `@references/cases/reduction-amax-large.md` | M≪N：reduce 轴多核 + 原子 + 二次切分 |
| | `@references/cases/reduction-amax-medium.md` | 中等规模：矩阵累加再归约 |
| | `@references/cases/reduction-amax-small.md` | 极小 shape：grid=1 最优 |
| | `@references/cases/reduction-amin-atomic.md` | 原子 amin：两种原子方案对比 |
| | `@references/cases/reduction-amin-large.md` | 超大 1D：二次切分 + 重组 |
| | `@references/cases/reduction-amin-medium.md` | 大 N 维 amin：矩阵 min 再轴归约 |
| | `@references/cases/reduction-amin-small.md` | 1D amin：并行度平衡 |
| | `@references/cases/reduction-mean-large.md` | mean 行二次切分 |
| | `@references/cases/reduction-mean-medium.md` | mean reduce 第一轴：重组 |
| | `@references/cases/reduction-prod-small.md` | prod：tl.reduce + 自定义 mul |
| | `@references/cases/reduction-sum-fused.md` | elemwise + sum 融合 |
| | `@references/cases/reduction-sum-large.md` | 大规模 sum：重组 |
| | `@references/cases/reduction-weighted-swiglu.md` | 3D SwiGLU backward：reshape + 行二次切分 |

### 按需加载的知识

| 条件 | 加载文档 |
|------|---------|
| 任务描述中包含 hint 标记（`@hint:`, `@range_hint` 等） | `@references/hint-mode.md` |

---

## 设计模式

1. 仔细阅读 `task_desc` 中 `Model.forward()` 的参考实现
2. 理解算子的数学逻辑和计算模式
3. 判断算子类型（elementwise / reduce / matmul / attention / 复合）
4. 根据目标硬件架构，选择合适的并行化策略和内存访问模式
5. 使用 UnifiedSketch DSL 设计算法草图

---

## 输出要求

**直接输出** `sketch op_name { ... }` 格式的算法草图，如果任务描述中包含 hint 标记，在草图末尾附上"设计适用范围"注释（格式见 `hint-mode.md`）。

---

## 设计原则

- 设计**清晰的、可理解的**算法流程
- 遵循 **Ascend NPU** 硬件特性的最佳实践（core 级别并行、内存层次）
- 考虑**目标硬件架构**的优化机会（并行度、内存访问模式、数据对齐）
- 标注**优化点和权衡决策**（使用 `@llm_hint` 注解）
- 数值正确性优先，性能次之

## 草图特点

算法草图应该：

- **高层抽象**: 关注算法逻辑和优化策略，而非实现细节
- **易于理解**: 便于 triton-op-coding 转换为可执行的 Triton Ascend 代码
- **包含优化提示**: 标注并行化、内存优化、循环展开等机会

## 思考要求

**重要**：思考过程中请只做框架级别的分析和决策，例如：

- 算子类型判断（elementwise / reduce / matmul 等）
- 选择什么并行策略（core 级并行、数据切分方式）
- Tile 大小选择（考虑 NPU UB 容量和对齐要求）
- 数据类型如何处理

**不要在思考过程中写出完整的草图**，完整草图只在最终输出中给出。