AC perf-torch-sync-free
Выявляет и устраняет синхронизации хост-устройство в коде PyTorch. Обнаруживает точки синхронизации (.item(), .cpu(), булевая индексация, torch.tensor на CUDA), классифицирует ложные и истинные зависимости, предлагает альтернативы без синхронизации. Триггеры: sync-free, synchronization, .item(), .cpu(), host-device sync, eliminate syncs, CPU stall, non_blocking, set_sync_debug_mode, cudaStreamSynchronize, cudaEventSynchronize, remove syncs, async GPU.
машинный переводПоказать оригиналСкрыть оригинал«Identify and eliminate host-device synchronizations in PyTorch code. D…»
Identify and eliminate host-device synchronizations in PyTorch code. Detects sync points (.item(), .cpu(), boolean indexing, torch.tensor on CUDA), classifies false vs true dependencies, provides sync-free alternatives. Triggers: sync-free, synchronization, .item(), .cpu(), host-device sync, eliminate syncs, CPU stall, non_blocking, set_sync_debug_mode, cudaStreamSynchronize, cudaEventSynchronize, remove syncs, async GPU.
Скилл ловит хост-девайс синхронизации в PyTorch — те самые .item() и .cpu(), которые замораживают GPU на ожидание результата. Обещает классифицировать, какие синхи реальные зависимости, какие ложные, и предложить асинхронные альтернативы.
Грейд A, качество 90, безопасность 100 — файлы в порядке, критических ошибок нет. Три файла, один скрипт, 2373 токена. На моделях не запускали, в песочнице не проверяли. Триггеры настроены на стандартные точки блокировки: .item(), .cpu(), boolean indexing, cudaStreamSynchronize. Предполагает работу с NVIDIA TensorRT-LLM.
Ставить стоит, если вы ловите синхронизации вручную и нужна автоматизация. Если синхи уже оптимизированы или их мало — смысла нет.
Выявляет и устраняет синхронизации хост-устройство в коде PyTorch.
Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, ошибки и развилки, повторный запуск
Как улучшить
- 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: 3. 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 52/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 9, 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
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 85Шаги. Шагов: 25, расплывчатых формулировок: 1
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2373 токенов
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
- +3Формат ответа не описан: модель каждый раз решает сама
- -31 из 1 скриптов не упомянуты в SKILL.md
- +2Инструкции на одном языке
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 425 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 10 заголовков
- +3Пошаговые инструкции: 25 пунктов
- +4Есть примеры (7 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.