ascend-ai-coding NPU Operator Benchmark
这个 Skill 用于在昇腾 NPU 环境中对单个算子做可复现的延迟测试。
执行策略
- 首次向使用者收集信息时，用自然语言说明需要这些内容，不要直接丢固定模板。推荐表述为：我需要服务器信息（IP、账号、密码）；版本要求（CANN 和 torch，没有可以不用写）；测试环境（conda 环境名、docker 容器名、CANN 目录，没有可以不写）；以及 demo 方案（我生成 / 我提供）。
- 如果使用者没有提供服务器 IP、账号、密码，直接中断，不猜测环境。
- CANN 检查优先使用使用者提供的 CANN 目录；未提供或填写
无时，再按 cann 检索常见路径并判断当前版本布局：CANN < 8.5常见路径：/usr/local/Ascend/ascend-toolkit/latestCANN >= 8.5常见路径：/usr/local/Ascend/cann/latest
- 如果使用者填写了 conda 环境名，优先按 conda 走 conda 方案。
- 如果使用者填写了 docker 容器名，优先按 docker 检查该容器。
- 如果
conda 环境名和docker 容器名都是无，则先查 conda 候选环境；用户不接受 conda 时再查容器候选环境。 - 无论 conda 还是容器，都必须先把环境名、torch/torch_npu 版本、CANN 版本返回给使用者确认，再执行 benchmark。
demo 方案只接受两种值：我生成或我提供。如果使用者选择我提供，优先使用使用者提供的 demo 或算子补充信息。- 当前仓库里的
assets/config_template.yaml、scripts/bench_repeat_interleave.py和scripts/bench_op.py中repeat_interleave相关内容只是示例，不代表这个 Skill 只支持测试repeat_interleave。 - 如果使用者未提供额外用例，agent 可以根据目标算子的性能测试原则自行设计 demo；设计完成后先返回给使用者。
- 真正执行 benchmark 时，优先复用目标环境原本已有的
torch和torch_npu，不要重复安装。 - 如果当前环境缺少目标 CANN、
torch_npu不可用、或算子执行报环境错误，立即停止，不修环境；直接要求使用者提供新的可用环境。 - 不自动安装 CANN，不自动修复 conda 或容器，不启用任何回退安装流程。
- 如果测试过程中必须创建文件，都放到隔离测试目录，结束后删除。
- benchmark 结束后，直接返回完整结果信息，不额外生成报告文件。
返回结果
返回内容至少包括：
CANN 版本torch 版本torch_npu 版本测试环境环境名称（conda 名或容器名）测试方法目标算子tensor shapedemo 代码性能数据
如果环境不满足或算子执行失败，统一按下面模板返回：
环境不满足，已停止当前测试。请提供新的可用环境。
torch 版本:
<torch_version 或 unknown>
torch_npu 版本:
<torch_npu_version 或 unknown>
当前引用的 CANN 版本:
<根据用户提供目录或常见路径判断出的版本；若无法确定则写 unknown，并附 `latest` 布局和候选目录信息>
demo.py 内容:
<实际执行的 demo 代码；优先使用使用者提供的 demo，否则使用 AI 生成的 demo>
input/output tensor shape:
<实际测试使用的输入 shape，以及必要时的输出 shape>
执行失败报错:
<原始错误摘要或关键报错>
入口
- CANN 检测：
scripts/cann_detect.sh - Docker 容器检查：
scripts/find_docker_cann.sh - 通用算子基准：
scripts/bench_op.py - repeat_interleave 示例包装脚本：
scripts/bench_repeat_interleave.py
更多说明见：
- usage
- docker
- conda
- cann
- troubleshooting