Alibaba

MNNの出力異常や変更後の不具合を症状別に切り分け、メモリ・量子化・並行処理・キャッシュなどの調査資料へ案内し、比較検証の進め方を整理するスキル。

• MNNの文字化けや出力劣化の調査
• 実行先ごとの結果を比較したいとき
• 最適化後の不具合を追いたいとき

MNNのOpenCLバックエンドで推論が遅い原因を調べ、GPUの処理コードや演算子を最適化します。基準測定から正しさの比較、Android実機での性能検証まで支援します。

• モデルのGPU推論のボトルネック調査
• 特定の演算子のkernel最適化
• 代替経路を備えたOpenCL拡張の統合

MNNの静的チェックやホスト・Android実機の回帰テストを実行し、変更後の動作を確認します。iPhone・iPadでのLLM速度測定やブランチ間の比較も案内します。

• 静的チェックとホスト回帰テスト
• Android実機でバックエンドを検証
• iPhone・iPadでLLM速度とブランチを比較

MNN の CPU 向け計算処理を新規実装・移植するためのスキルです。基準実装との比較から SIMD・アセンブリへの段階的な実装、関数登録、正しさの検証まで案内します。

• MNN の CPU kernel を実装・移植
• 新しい命令セットに対応したいとき
• データ配置や tile を変更したいとき

MNNのQNNバックエンドで起きる実行エラーや推論結果の異常を調査します。途中の計算データをCPUと比較し、精度低下の切り分けや演算子の追加・修正を支援します。

• QNNの実行・モデル変換エラー調査
• 最初に結果が崩れる演算子の特定
• 実装の不具合と数値精度の切り分け

MNNのVulkanバックエンドで、CPUとGPUのボトルネックを切り分け、演算子やGPU処理の最適化を進めます。新機能の組み込みと実機での回帰検証も扱います。

• Vulkan推論の遅さを切り分けたいとき
• 指定演算子やshaderを改善したいとき
• cooperative matrixなどを導入したいとき

新しい LLM を MNN で動かすため、モデルの取得と構造分析、項目の対応付け、出力比較、モデル書き出しを進めます。画像・音声や特殊な構造の対応手順も扱います。

• MNN に新しいテキストモデルを追加
• 配布モデルを MNN 形式に書き出す
• 元モデルと中間出力を比較したいとき

MNNのCPU推論が遅い原因を、スレッド、処理の割り当て、メモリ配置、命令の実行経路から調べます。演算子単位の測定と他フレームワークとの比較で、改善箇所を絞ります。

• CPUの演算子やLLM推論の遅さを調査
• スレッド数・メモリ使用量の異常調査
• 変更後の性能低下の原因特定

MNNのMetalバックエンドで、性能のボトルネック診断からGPU処理の開発、演算子融合、実行時の処理調整まで、課題に合う手順と検証方法を案内します。

• Metal推論の遅さを調べたいとき
• Metal kernelを追加・変更したいとき
• 複数演算子を一度に実行したいとき

難しい作業で生じた失敗や試行錯誤を振り返り、再利用できる教訓を整理します。関連するスキルの手順や注意事項を更新し、次の作業に経験を引き継ぐスキルです。

• デバッグの教訓を残したいとき
• 試行錯誤の後に手順を改善したいとき
• 誤った前提を再発防止に生かす

MNNに新しい演算子を追加するため、データ定義から出力形状の計算、実装、単体テストまでを段階的に進めます。既存演算子の組み合わせや各バックエンドへの拡張も扱います。

• MNNに新しい演算子を追加したいとき
• 出力形状の計算を実装したいとき
• 既存演算子を組み合わせたいとき

商品・倉庫・在庫数・入出庫履歴のデータ構造と集計ルールを整理。複数倉庫の在庫を合算し、発注基準を下回る商品の抽出や在庫確認に使うSQL作成を支えます。

• 商品別・倉庫別の在庫数の確認
• 発注基準以下の商品を抽出したいとき
• 入出庫や在庫移動の記録構造の把握

顧客・注文・注文明細のデータ構造と売上集計のルールを共有し、完了注文だけの売上計算や顧客別ランキング、高額注文の抽出に使うSQL作成を支えます。

• 直近3か月の売上上位10顧客の集計
• 完了注文だけの売上を計算したいとき
• 合計金額が1000を超える注文の抽出

This workflow, known as RIPER-5, is designed exclusively for handling complex software engineering tasks such as system design, architectural refactoring, bug diagnosis, performance optimization, and multi-component integration.

日本語の概要は準備中です。原文の説明を表示しています。

自监控指标、告警代码标准

日本語の概要は準備中です。原文の説明を表示しています。

在进行 Code Review 时，使用这个技能对 LoongCollector 变更进行安全导向、架构一致性优先的深度代码评审。

日本語の概要は準備中です。原文の説明を表示しています。

Testing standards for LoongCollector: unit tests, e2e tests, benchmarks. Reference when writing or reviewing tests.

日本語の概要は準備中です。原文の説明を表示しています。

编译 LoongCollector C++ 与 Go 组件。涉及构建、单元测试或镜像时使用。

日本語の概要は準備中です。原文の説明を表示しています。

OMC agent catalog, available tools, team pipeline routing, commit protocol, and skills registry. Auto-loads when delegating to agents, using OMC tools, orchestrating teams, making commits, or invoking skills.

日本語の概要は準備中です。原文の説明を表示しています。

提交或推送前的安全检查，扫描 API Key、访问令牌等敏感信息。

日本語の概要は準備中です。原文の説明を表示しています。

按 Conventional Commits 规范编写提交信息。在创建 git commit 时使用。

日本語の概要は準備中です。原文の説明を表示しています。

Whenever diagrams or mermaid is mentioned

日本語の概要は準備中です。原文の説明を表示しています。

LoongCollector E2E Testing Framework Development Guide. Use this rule when you need to understand E2E testing framework architecture, develop new test behavior functions, or extend testing capabilities. Contains detailed BDD testing framework usage, test behavior function development and registration workflows, and comprehensive reference of existing testing capabilities. Example: When adding custom test behaviors for new plugins, use this rule to understand how to write and register new test functions. Example: When developing E2E tests, use this rule to understand the e2e framework.

日本語の概要は準備中です。原文の説明を表示しています。

LoongCollector project knowledge: architecture, terminology, codebase map, and coding standards (C++/Go).

日本語の概要は準備中です。原文の説明を表示しています。