Kernel Workflow

Kernel 算子生成与优化工作流程

流程概述

1. 分析用户输入 → 只有要求描述还是有 task 代码？
2. 验证/生成 task 代码 → 详见 references/torch_task_verify.md
3. 选择生成/优化方式 → 详见 references/tool-selection.md
4. 执行生成/优化 → 调用子Agent（如用户有额外需求，传递 user_requirements）
5. 返回结果 → 使用 finish

注意：user_requirements 是可选参数。

输入类型判断

1. 只有需求描述（无代码）→ 直接 call_op_task_builder
2. task 代码（包含 class Model(nn.Module)）→ 加载 references/torch_task_verify.md 进行验证
3. Kernel 代码需优化（包含 @triton.jit / __global__ 等）→ 验证 task 代码后加载 references/tool-selection.md

基本流程示例

示例 1：用户只有需求描述

用户: 生成一个 ReLU 算子

Think: 用户没有提供代码，直接生成 task。
Action: call_op_task_builder(user_request="生成一个 ReLU 算子")
Observation: {status: "READY", task_code: "...", op_name: "relu"}

Think: task 已生成，加载 tool-selection 指导选择生成方式。
Action: read_file(file_path="resources/skills/kernel-workflow/references/tool-selection.md")
...

示例 2：用户提供 Torch task 代码

用户: 帮我生成这段代码的 kernel: class Model(nn.Module)...

Think: 用户提供了代码，加载验证指南。
Action: read_file(file_path="resources/skills/kernel-workflow/references/torch_task_verify.md")
Observation: <验证指南>

Think: 按指南验证代码格式。
Action: execute_script(script_path="resources/skills/kernel-workflow/scripts/check_torch_code.py", args="--stdin --json", stdin_input="<代码>")
...

示例 3：用户提供 kernel 代码要求优化

用户: 帮我优化这段 Triton kernel: @triton.jit def kernel(...): ...
      对应的 task 是: class Model(nn.Module)...

Think: 用户提供了 kernel 和 task，先验证 task。
Action: read_file(file_path="resources/skills/kernel-workflow/references/torch_task_verify.md")
...验证通过后...
Action: read_file(file_path="resources/skills/kernel-workflow/references/tool-selection.md")
...

参考文档

1. references/torch_task_verify.md - task 代码验证与补全流程
2. references/tool-selection.md - 子Agent 选择与二次确认流程

Scripts

1. scripts/check_torch_code.py - 验证 task 代码格式（参数：--stdin --json）

禁止行为

1. 不验证 task 代码直接调用子Agent
2. 用户未指定生成方式时自动选择
3. task 已生成后再调用 call_op_task_builder
4. 调用子Agent 前不进行二次确认