Triton-Ascend Agent Development Kit — скилл
24 скилла и справочник для агента, который пишет ядра Triton-Ascend под NPU Ascend: тайлинг, автотюнинг, проверка точности
- 191 ★ репозитория
- Последний коммит
- Apache-2.0
Минимальный доступ
Почему такой уровень
- Набор состоит из инструкций, справочника и шаблонов кода; сам ничего не запускает и никуда не обращается
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add skills/triton-ascend-agent-development-kitОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемМинимальный доступИнструмент ничего не запускает и не ходит в сеть.
- Набор состоит из инструкций, справочника и шаблонов кода; сам ничего не запускает и никуда не обращается
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Набор настраивает агента на разработку ядер Triton-Ascend, то есть диалекта Triton для NPU Ascend. Файл AGENTS.md задает правила работы. Модель GPU и CUDA надо забыть, сетку запуска, тайлинг и выравнивание выводить заново по документации Ascend. Придумывать сигнатуры и поддерживаемые типы агенту запрещено, а в сомнительном коде он ставит комментарий, который начинается с ATTENTION!. Справочник из папки `triton-ascend-dev-doc` состоит из 12 файлов: от быстрого старта и модели исполнения до матричных ядер, слияния матричных и векторных блоков, автотюнинга, миграции с GPU на Ascend и таблицы поддерживаемых операций. Агент сначала читает индекс `triton-ascend-dev-doc.md` и по правилам загрузки открывает только нужные главы. В папке skills лежат 24 узких скилла по задачам. Среди них сложение векторов, слитый софтмакс, нормализацию слоя, слитое внимание, маршрутизация MoE, пакетная перестановка токенов, предотвращение переполнения UB, ранжирование по модели стоимости, автотюнинг и проверка точности относительно PyTorch с допусками под тип данных. Готовые архивы под Codex, OpenCode и Claude выкладываются в релизах, их же собирает скрипт `build-workspace-agent-specific-kit.sh`.
Для кого. Инженерам, которые пишут ядра для NPU Huawei Ascend с помощью Claude Code, Codex или OpenCode и переносят код с GPU на Triton-Ascend.
Подходит, если
- Нужно перенести ядро Triton с GPU на Ascend, и агент не должен тащить допущения CUDA
- Пишется слитое внимание, софтмакс или нормализация слоя для NPU, и нужна проверенная схема тайлинга
- Автотюнинг ядра на Ascend дает нестабильные результаты, и требуется порядок настройки с ранжированием по модели стоимости
- Тесты ядра сравнивают результат с PyTorch, а допуски для float16, bfloat16 и целых чисел приходится выбирать вручную
- Агент теряется в документации Ascend и должен загружать только главы под текущую задачу
Не подходит, если
- Ядра пишутся для NVIDIA или AMD: набор прямо велит агенту отбросить опыт GPU
- Нужен общий курс по Triton с нуля: справочник предполагает, что основы вам известны
- На стенде нет NPU Ascend и окружения Triton-Ascend, поэтому проверить код нечем
Пример запроса к агенту
Перенеси это ядро софтмакса с GPU на Triton-Ascend, выведи тайлинг по документации Ascend и проверь точность относительно PyTorchОграничения
- Автор предупреждает, что Triton-Ascend и сами NPU быстро меняются, поэтому предложения агента могут не подойти к вашей версии окружения. Сверяйте результат с документацией на hiascend.com и репозиторием triton-ascend.
- Установки через менеджер плагинов нет: архив из релизов или из папки dist распаковывается в рабочую папку агента вручную.
- Набор покрывает перечисленные 24 задачи. Для других операторов агент опирается на справочник и обязан задавать уточняющие вопросы.
- Скиллы и справочник на английском. Последний коммит в репозитории датирован августом 2026.
Как отключить. Удалите распакованные файлы из рабочей папки агента: AGENTS.md, triton-ascend-dev-doc.md, папку triton-ascend-dev-doc и скиллы из папки skills.
Частые вопросы
Что входит в Triton-Ascend Agent Development Kit?
В набор входят AGENTS.md с правилами, справочник из 12 файлов, индекс `triton-ascend-dev-doc.md` и 24 скилла в папке skills. Скиллы разобраны по задачам: слитое внимание, софтмакс, MoE, автотюнинг, проверка точности и другие.
Как поставить набор в Codex, OpenCode или Claude?
Скачайте из релизов репозитория архив под своего агента и распакуйте его в рабочую папку. Архивы можно собрать самому скриптом `build-workspace-agent-specific-kit.sh`, готовый результат окажется в папке dist.
Можно ли использовать набор для ядер под NVIDIA?
Нет, набор рассчитан только на Ascend NPU. Правила прямо требуют отбросить допущения CUDA и вывести запуск и тайлинг заново по документации Ascend.
Что значит комментарий ATTENTION! в коде агента?
Так агент помечает фрагмент, в корректности которого не уверен для вашей версии Triton-Ascend, оборудования или API. Рядом поясняется, какую проверку сделать перед запуском.
Как проверить точность ядра по этому набору?
Скилл `validate-triton-ascend-accuracy` сравнивает результат с эталоном PyTorch: форма и тип должны совпасть, вещественные тензоры сверяются с допуском под dtype, целые и логические точно.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
СкиллыБольше 200 скиллов для разработки на чипах Ascend NPU: диагностика устройств, конвертация моделей, тренировка и Profiling.
Личный набор автора: общие правила для агентов и десятки скиллов для GitHub, браузера, macOS, сообщений и релизов, плюс скрипт синхронизации
Softaworks Agent Toolkit
Softaworks Agent Skills
Маркетплейс скиллов, субагентов и команд для кодовых агентов: разработка, документация, планирование и рабочая коммуникация
Больше двадцати скиллов для кодовых агентов: MCP и хуки, режим плана, протокол багфикса, промпты и защитный хук для bash
Установщик рабочей среды для Google Antigravity: правила, скиллы и воркфлоу ложатся в проект одной командой npx
Личный набор Армина для Pi Coding Agent: 18 скиллов, расширения, команды и темы, часть скиллов переносится в другие агенты
Коротко о README
README короткий: он объясняет, что пакет предназначен для агента, который помогает писать ядра Triton-Ascend, и перечисляет ссылки на документацию Ascend, Huawei и репозитории triton-ascend. Затем описан состав набора и три способа получить архив.
Бейдж для README
Исходный SKILL.md
---
name: validate-triton-ascend-accuracy
description: Validate Triton-Ascend kernel outputs against PyTorch references with dtype-aware tolerances, exact integer checks, bfloat16 promotion, and boolean handling. Use when an agent writes or reviews NPU kernel tests, needs a reusable accuracy-comparison helper, or must choose an initial comparison policy for float16, bfloat16, float32, integer, or boolean outputs.
---
# Validate Triton-Ascend Accuracy
## Goal
Make correctness checks explicit and consistent across Triton-Ascend kernel tests.
## Workflow
1. Compute the PyTorch reference from the same inputs before interpreting performance.
2. Assert identical output shape and dtype.
3. Compare floating-point tensors with dtype-aware tolerances.
4. Compare integer and boolean tensors exactly.
5. Add edge shapes, tail masks, zeros, extreme values, and NaNs when the operator semantics allow them.
## Implementation Pattern
~~~python
def assert_ascend_close(actual, expected):
assert actual.shape == expected.shape
assert actual.dtype == expected.dtype
dtype = actual.dtype
if dtype == torch.float16:
torch.testing.assert_close(
actual, expected, rtol=1e-3, atol=1e-3, equal_nan=True
)
elif dtype == torch.bfloat16:
torch.testing.assert_close(
actual.float(), expected.float(),
rtol=1e-3, atol=1e-3, equal_nan=True,
)
elif dtype == torch.float32:
torch.testing.assert_close(
actual, expected, rtol=1e-4, atol=1e-4, equal_nan=True
)