External Gitcode Ascend Ascendc Operator Code Gen

AscendC 算子代码生成与框架适配

根据设计文档生成 op_host + op_kernel 代码，注册到 PyTorch 框架，调用 ascendc-operator-compile-debug skill 完成编译安装和精度测试。

前置条件: 设计文档 ascend-kernel/csrc/ops/<op_name>/design.md 已就绪，目录结构已创建。

工作流程总览

读取设计文档 → 加载 reference → 选择模板 → 生成 op_host + op_kernel
    → 框架适配 (ops.h + register.cpp + csrc/CMakeLists.txt)
    → 调用 ascendc-operator-compile-debug skill (编译 + 安装 + 测试)

阶段 1: 加载参考文档

MANDATORY — READ BEFORE CODING: 读取 references/GUIDE.md，根据设计文档中的算子类型，加载对应的 reference 文件。绝对不要跳过此步骤。

阶段 2: 读取设计文档

从 ascend-kernel/csrc/ops/<op_name>/design.md 提取：

阶段 3: 选择模板并生成代码

根据算子类型选择对应模板，复制到工程目录后修改。

模板选择

MANDATORY: 读取对应模板文件的完整内容，复制到目标路径后修改。

生成步骤

1. 读取选中的 op_host 和 op_kernel 模板的完整内容
2. 将内容写入 ascend-kernel/csrc/ops/<op_name>/op_host/<op_name>.cpp 和 op_kernel/<op_name>.cpp（覆盖骨架占位文件）
3. 替换所有占位符（<op_name>, <OpName> 等）
4. 根据设计文档修改：
   • op_host: 函数签名、输入校验、bufferCoefficient、EXEC_KERNEL_CMD 参数
   • op_kernel: Init 的 GM 参数、InitBuffer 大小、Compute 计算逻辑

FP16/FP32 模板分支

Kernel 模板使用 template <typename T> 泛型 + if constexpr 分支处理不同数据类型：

if constexpr (sizeof(T) == sizeof(float)) {
    // float32 直接计算
} else {
    // fp16/bf16: Cast 升精度 → fp32 计算 → Cast 降精度
}

AscendC 编译器支持 C++17 if constexpr，可安全用于模板分支。如需兼容旧编译器，也可用 sizeof(T) == 4 的普通 if（编译器会优化掉死分支）。

模板修改要点

硬件参数获取（模板已内置）

模板使用平台 API 动态获取硬件参数，不再硬编码：

#include "tiling/platform/platform_ascendc.h"

auto ascendc_platform = platform_ascendc::PlatformAscendCManager::GetInstance();
int64_t coreNum = static_cast<int64_t>(ascendc_platform->GetCoreNumAiv());
uint64_t ubSize;
ascendc_platform->GetCoreMemSize(platform_ascendc::CoreMemType::UB, ubSize);
// 需要 workspace 时:
// uint64_t sysWorkspaceSize = ascendc_platform->GetLibApiWorkSpaceSize();

bufferCoefficient 推导

从设计文档 UB 分配表推导——所有 Buffer 总大小 = bufferCoefficient * tileLength：

• 将 UB 分配表中所有 Buffer 的"总大小"列加和
• 结果形如 tileLength * N，则 bufferCoefficient = N
• 不同 dtype 系数不同时用 if (dtypeSize == 2) {...} else {...} 分支

FP16/BF16 升精度

FP16 和 BF16 都必须升精度到 FP32 计算再转回。模板中已标注升精度代码的插入位置，取消注释并填充计算逻辑即可。

GM ↔ UB 搬运（DataCopyPad）

生产代码必须使用 DataCopyPad（不要使用 DataCopy 进行 GM↔UB 搬运）：

// CopyIn: GM → UB
AscendC::DataCopyExtParams copyInParams{1,
    static_cast<uint32_t>(curTileLength * sizeof(T)), 0, 0, 0};
AscendC::DataCopyPadExtParams<T> padParams{false, 0, 0, static_cast<T>(0)};
AscendC::DataCopyPad(xLocal, xGm[progress * tileLength], copyInParams, padParams);

// CopyOut: UB → GM
AscendC::DataCopyExtParams copyOutParams{1,
    static_cast<uint32_t>(curTileLength * sizeof(T)), 0, 0, 0};
AscendC::DataCopyPad(yGm[progress * tileLength], yLocal, copyOutParams);

注意: 模板文件中可能使用 DataCopy 以简化示例，生产代码应替换为 DataCopyPad。

ReduceSum/ReduceMax 注意

归约操作可能修改源 tensor，必须先备份：

AscendC::Adds(backup, src, 0.0f, len);  // 备份
AscendC::ReduceSum<float, true>(result, backup, sharedTmp, dimLen);

阶段 4: 框架适配

4.1 更新 csrc/ops.h

在 namespace ascend_kernel 中添加函数声明：

<返回类型> <op_name>(<参数列表>);

4.2 更新 csrc/register.cpp

在 TORCH_LIBRARY_FRAGMENT(npu, m) 中添加 schema：

m.def("<op_name>(<schema_参数>) -> <返回类型>");

在 TORCH_LIBRARY_IMPL(npu, PrivateUse1, m) 中添加实现：

m.impl("<op_name>", TORCH_FN(ascend_kernel::<op_name>));

Schema 语法速查:

4.3 更新 csrc/CMakeLists.txt

在 FILE(GLOB OP_SRCS ...) 中添加 host 源文件：

${PROJECT_OP_SRC_BASE}/ops/<op_name>/op_host/<op_name>.cpp

在 ascendc_library(no_workspace_kernel STATIC ...) 中添加 kernel 源文件：

${PROJECT_OP_SRC_BASE}/ops/<op_name>/op_kernel/<op_name>.cpp

阶段 5: 编译安装与测试

MANDATORY — 按 ascendc-operator-compile-debug skill 流程执行：

1. 加载环境：source CANN 环境变量，激活conda环境
2. 确保 build.sh 有执行权限：chmod +x build.sh
3. 编译工程：bash build.sh
4. 验证编译成功：ls output/ascend_kernel*.whl
5. 安装 whl 包：pip install output/ascend_kernel*.whl --force-reinstall --no-deps
6. 生成测试文件 tests/test_<op_name>.py
7. 运行功能测试：python tests/test_<op_name>.py
8. 运行精度测试：pytest tests/test_<op_name>.py -v
9. 编译/测试失败进入排错循环（最多 3 次）
10. 精度测试失败时：若 allclose 不通过、输出偏差、全零或 NaN，MUST 读取并按 ascendc-operator-precision-debug skill 流程排查根因（误差分析 → 代码审查 → 实验隔离 → 插桩定位 → 修复验证）

实战经验：每次 shell 命令前都要 source 环境变量，否则会找不到编译工具或 Python 包。

生成后检查清单

op_host

• namespace ascend_kernel，include torch_kernel_helper.h + tiling/platform/platform_ascendc.h + aclrtlaunch_<op_name>.h
• 使用平台 API 获取 coreNum 和 ubSize（不硬编码）
• bufferCoefficient 与设计文档 UB 分配表一致
• EXEC_KERNEL_CMD 所有参数均为左值
• [行处理] padding/去 padding 正确

op_kernel

• include kernel_operator.h，BUFFER_NUM = 2
• Init 整核/尾核偏移正确，InitBuffer 大小与 UB 分配表一致
• Process 尾 tile 对齐（alignedTailLen）
• AllocTensor/FreeTensor 配对，EnQue/DeQue 配对
• FP16/BF16 必须升精度到 FP32 计算
• ReduceSum 前备份源数据

框架适配

• ops.h 声明与 op_host 函数签名一致
• register.cpp schema 参数类型/默认值正确
• csrc/CMakeLists.txt 添加了 host 和 kernel 源文件

反模式清单

• NEVER 让 FP16/BF16 直接参与复杂数学计算（Mul/Div/Exp/Tanh 等），必须先 Cast 到 FP32
• NEVER 在 EXEC_KERNEL_CMD 中传右值（临时对象、字面量、表达式结果）
• NEVER 在 kernel 中使用 bool 参数类型，用 int64_t 替代
• NEVER 对 GM↔UB 搬运使用 DataCopy，必须用 DataCopyPad
• NEVER 在 ReduceSum/ReduceMax 后直接复用源 tensor（归约可能修改源数据）
• NEVER 在 kernel 中使用 std::min/max/abs/sqrt/exp 等标准库函数
• NEVER 向高维切分 API 传入 repeatTime > 255（uint8_t 会静默截断为 0）
• NEVER 修改 cmake/ 或 csrc/utils/ 下的文件
• NEVER 在 register.cpp 的 schema 中遗漏默认值（如 int dim 应写为 int dim=-1）
• NEVER 硬编码核数或 UB 大小，必须通过平台 API 获取
• NEVER 让 ReduceMax/Sum 的 dst 与 tmpBuffer 指向同一块内存