SKILLEMALL.ai
GitHub ↗ EN Войти

BB perf-torch-cuda-graphs

Применяет CUDA Graphs к рабочим нагрузкам PyTorch — выбор API (torch.compile, PyTorch make_graphed_callables, TE make_graphed_callables, MCore CudaGraphManager, FullCudaGraphWrapper, ручной torch.cuda.graph), совместимость кода, рабочие процессы захвата, обработка динамических шаблонов и устранение неполадок. Триггеры: CUDA graph, torch.cuda.graph, make_graphed_callables, reduce-overhead, graph capture, graph replay, kernel launch overhead, CudaGraphManager, FullCudaGraphWrapper, full-iteration graph, stream capture.

машинный переводПоказать оригиналСкрыть оригинал«Apply CUDA Graphs to PyTorch workloads — API selection (torch.compile,…»

Apply CUDA Graphs to PyTorch workloads — API selection (torch.compile, PyTorch make_graphed_callables, TE make_graphed_callables, MCore CudaGraphManager, FullCudaGraphWrapper, manual torch.cuda.graph), code compatibility, capture workflows, dynamic pattern handling, and troubleshooting. Triggers: CUDA graph, torch.cuda.graph, make_graphed_callables, reduce-overhead, graph capture, graph replay, kernel launch overhead, CudaGraphManager, FullCudaGraphWrapper, full-iteration graph, stream capture.

Разбор skillemall

Скилл про CUDA Graphs в PyTorch — выбор между torch.compile, make_graphed_callables (несколько версий), CudaGraphManager и ручным torch.cuda.graph. Обещает разобраться в совместимости кода, захвате графов, динамических паттернах и отладке.

В файлах семь модулей и один скрипт, качество кода 83 балла, процесс выполнения 71 балл. Критических ошибок нет, критерии безопасности пройдены. Граммар-чеки не выявили проблем. На практике скилл даст вам навигацию по API — что выбрать для вашей задачи, как избежать падения при динамических размерах, где подстерегают подводные камни.

Ставить стоит, если вы оптимизируете LLM-инференс и готовы разбираться с нюансами CUDA. Для случайного использования — избыточно.

NVIDIA/TensorRT-LLM Agent Skills автор: NVIDIA NOASSERTION 7 файлов · 1 скрипт тело ≈ 5 859 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Применяет CUDA Graphs к рабочим нагрузкам PyTorch — выбор API (torch.compile, PyTorch makegraphedcallables, TE makegraphedcallables, MCore CudaGraphManager…

Как процесс B 71/100 · Почти готов — слабые места: повторный запуск, отчётность по ходу

ИнтеграцияРазработкатип 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
B
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
83
Прогон на моделях
не было
Процессный рейтинг
B
71/100
Почти готов
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
Когда включается вес 12
50
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 5859 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 71/100

  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (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 5859 токенов
  • 100Шаги. Шагов: 120
  • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте

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
  • -31 из 1 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +4Описание говорит, когда скилл НЕ применять
  • +3Длина description 499 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 24 заголовков
  • +3Пошаговые инструкции: 120 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (25 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (5 из 5)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.