SKILLEMALL.ai
GitHub ↗ EN Войти

AF tilegym-improve-cutile-kernel-perf

Итеративная оптимизация производительности ядра cuTile посредством систематического профилирования, анализа узких мест, сравнения IR и целевой настройки. Охватывает размеры блоков, загрузку, конфигурации автонастройки, TMA, подсказки задержки, постоянное планирование, num_ctas, flush_to_zero и отладку на уровне IR. Используется при запросе "оптимизировать ядро cutile", "улучшить производительность ядра", "настроить производительность cutile", "сделать ядро быстрее" или при итеративном тестировании и доработке GPU-ядра cuTile в проекте TileGym.

машинный переводПоказать оригиналСкрыть оригинал«Iteratively optimize cuTile kernel performance through systematic prof…»

Iteratively optimize cuTile kernel performance through systematic profiling, bottleneck analysis, IR comparison, and targeted tuning. Covers tile sizes, occupancy, autotune configs, TMA, latency hints, persistent scheduling, num_ctas, flush_to_zero, and IR-level debugging. Use when asked to "optimize cutile kernel", "improve kernel perf", "tune cutile performance", "make kernel faster", or iteratively benchmark and refine a cuTile GPU kernel in the TileGym project.

ClawHub Agent Skills автор: NVIDIA 1 файл тело ≈ 1 734 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Итеративная оптимизация производительности ядра cuTile посредством систематического профилирования, анализа узких мест, сравнения IR и целевой настройки.

Как процесс F 42/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/optimization-playbook.md, references/perf-knobs-catalog.md, references/cutile-api-reference.md

АнализаторРазработкатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw 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) Goose OpenCode
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
F
42/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: references/optimization-playbook.md, references/perf-knobs-catalog.md, references/cutile-api-reference.md
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: references/optimization-playbook.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/perf-knobs-catalog.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/cutile-api-reference.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/performance-model.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/ir-dump-guide.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/cutile-patterns-reference.md

Процессный рейтинг: все десять параметров 42/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/optimization-playbook.md, references/perf-knobs-catalog.md, references/cutile-api-reference.md
  • 0Инструменты и файлы. Не хватает 6 файла(ов): references/optimization-playbook.md, references/perf-knobs-catalog.md, references/cutile-api-reference.md
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 7, без проверки текущего состояния
  • 85Шаги. Шагов: 44, расплывчатых формулировок: 1
  • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1734 токенов
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Ответ описан самодельной разметкой (4 тегов): типизированный вызов надёжнее

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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +2Инструкции на одном языке
  • +5В description 4 примера фраз-триггеров в кавычках
  • +3Длина description 469 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 44 пунктов
  • +4Есть примеры (4 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.