SKILLEMALL.ai
GitHub ↗ EN Войти

AB perf-nsight-compute-analysis

Анализирует вывод профилирования ncu (NVIDIA Nsight Compute): классификация узких мест SOL%, анализ roofline, диагностика загрузки, анализ иерархии памяти, анализ задержек warp, интерпретация метрик и программный анализ отчетов .ncu-rep. НЕ для написания ядер или генерации кода, Nsight Systems (nsys), профилирования на стороне хоста или системного профилирования.

машинный переводПоказать оригиналСкрыть оригинал«Analyze ncu (NVIDIA Nsight Compute) profiling output: SOL% bottleneck…»

Analyze ncu (NVIDIA Nsight Compute) profiling output: SOL% bottleneck classification, roofline analysis, occupancy diagnosis, memory hierarchy analysis, warp stall analysis, metric interpretation, and programmatic .ncu-rep report analysis. NOT for kernel writing or code generation, Nsight Systems (nsys), host-side profiling, or system-level profiling.

Разбор skillemall

Скилл парсит отчёты NVIDIA Nsight Compute и вытаскивает из них смысл: определяет, где ядро упирается в потолок (вычисления, память, синхронизация), считает занятость потоков, разбирает иерархию кэшей и столлы варпов. Девять файлов содержат логику классификации узких мест по SOL%, роофлайн-анализ и интерпретацию метрик профайлера.

Оценка 96 по качеству и оценка A говорят о том, что инструмент собран без критических ошибок и готов к работе. На практике это означает, что если вы профилировали ядро через ncu и получили .ncu-rep, скилл разберёт его по полочкам — скажет, что именно тормозит, и покажет, где копать. Ограничение очевидно: генерить код скилл не будет, только диагностирует.

Ставить стоит, если профилируете GPU-ядра и хотите не вручную искать бутылочные горлышки в метриках.

NVIDIA/TensorRT-LLM Agent Skills автор: NVIDIA NOASSERTION 9 файлов тело ≈ 4 489 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Анализирует вывод профилирования ncu (NVIDIA Nsight Compute): классификация узких мест SOL%, анализ roofline, диагностика загрузки, анализ иерархии памяти…

Как процесс B 76/100 · Почти готов — трудных мест не видно

АнализаторДанные и аналитикаРазработкаИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
97
Качество 40%
96
Прогон на моделях
не было
Процессный рейтинг
B
76/100
Почти готов
Когда включается вес 12
50
Инструменты и файлы вес 18
60
Результат и критерий готовности вес 14
60
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 3

    ✓ Критических и высоких находок нет

    Средние и низкие: 3
    • низкая Секреты в коде secret-high-entropy-token SKILL.md:353
      Строка, похожая на токен (может быть id, хеш или секрет) (значение-заглушка)
      "0",...,"nvje…NNT",...,"GPU Speed Of Light Throughput","Memory Throughput","%","38.38",
      заглушка
    • низкая Секреты в коде secret-high-entropy-token SKILL.md:354
      Строка, похожая на токен (может быть id, хеш или секрет) (значение-заглушка)
      "0",...,"nvje…NNT",...,"GPU Speed Of Light Throughput","Duration","ns","97600",
      заглушка
    • низкая Секреты в коде secret-high-entropy-token SKILL.md:355
      Строка, похожая на токен (может быть id, хеш или секрет) (значение-заглушка)
      "0",...,"nvje…NNT",...,"GPU Speed Of Light Throughput","Compute (SM) Throughput","%","77.11",
      заглушка

    Просканировано файлов: 9. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 76/100

    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 70Стоимость исполнения. Тело инструкции 4489 токенов
    • 100Шаги. Шагов: 42
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Повторный запуск. Изменяющих операций нет
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 353 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 28 заголовков
    • +3Пошаговые инструкции: 42 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (16 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (8 из 8)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 96.