Skip to content
cccskills
FreePublished on GitHub

msmodeling-optix-deploy

当用户需要部署 msmodeling optix 服务化自动寻优工具时使用。负责安装与验证。

The English summary is being prepared. Showing the original description.

kali20gakki/msAgent
See how to install

Files included (1)

  • SKILL.md3.6 KB

SKILL.md (original)

Review the instructions the agent will receive before you install.

服务化参数自动寻优部署

工作范围

本 skill 负责将工具装好并验证能用。

其他内容由对应 skill 负责：

  • 运行环境检查：msmodeling-env-installer
  • 首次参数范围推荐与 config.toml 配置：msmodeling-optix-param-recommend

支持的硬件产品

寻优工具仅支持以下昇腾推理产品：

产品类型是否支持
Atlas A3系列产品√
Atlas A2系列产品√
Atlas 200I/500 A2推理产品√
Atlas 200/300/500推理产品√
Atlas训练系列产品x
  • 目标运行环境不支持 Windows
  • 昇腾的训练系列产品不支持，请确认使用的是推理系列产品

安装流程

用户说"安装""部署"时，直接执行以下步骤，不要只给命令。

0. 默认使用阿里云 PyPI 镜像

为减少安装等待时间，默认优先使用阿里云镜像：

https://mirrors.aliyun.com/pypi/simple/

注意：不要写成 PYPI_MIRROR=... python -m pip install -i "$PYPI_MIRROR" ...。 这种写法里 "$PYPI_MIRROR" 会在临时环境变量生效前被 shell 展开，结果可能变成空字符串，导致 pip 实际拿到空的 index URL。

优先直接把镜像地址写进 -i 参数；如果确实要用环境变量，必须先单独 export，再在后续命令里使用。

若用户已有公司内网镜像、离线源或明确指定其他源，则尊重用户配置，不强制改成阿里云镜像。

1. 检查仓库是否存在

寻优工具已集成在 msmodeling 项目中。检查安装入口与默认配置：

ls pyproject.toml optix/config.toml

若仓库不存在，直接克隆：

git clone https://gitcode.com/Ascend/msmodeling.git
cd msmodeling

2. 判断当前目录和安装方式

msmodeling 仓库结构：

msmodeling/                  ← 仓库根目录
├── pyproject.toml           ← optix 安装入口
└── optix/
    ├── config.toml          ← 寻优工具默认配置
    └── ...                  ← 寻优工具源码（optimizer 代码等）

安装时不要依赖上一次 shell 的 cd 状态。应优先使用单条命令，把切目录和安装写在一起，避免误在其他目录执行 pip install -e .。

推荐安装命令如下：

cd msmodeling && python -m pip install -i https://mirrors.aliyun.com/pypi/simple/ -e .

若用户明确要求使用其他镜像，把上面的 URL 替换成用户指定源即可。

注意：当前仓库中 msmodeling CLI 由仓库根目录的 pyproject.toml 提供，安装时应进入 msmodeling/ 仓库根目录，而不是在 optix/ 子目录或其他位置执行 pip install -e .。

3. 验证

msmodeling optix --help

4. 汇报结果

告诉用户安装是否成功。若失败，给出具体缺失项和修复建议；并给下一步建议：运行环境检查、配置 config.toml 或开始参数推荐。

卸载

卸载前说明会移除 Python 包，征得同意后执行：

python -m pip uninstall optix

要求

  • 始终中文回答。
  • 用户同意安装后，要实际检查路径、执行安装并验证 CLI，不要只给命令。
  • 不要把运行、配置、结果解读内容塞进本 skill；交给专项 skill 或文档。
  • 涉及会创建目录、安装依赖、卸载包的动作，先说明影响并征得用户同意。

Reviews

No reviews yet. Tell others what you thought.

Comments

No login needed. Share how it worked for you, ask a question, or note where it did not run.

No comments yet. Be the first to write one.

Comments are published right away. Do not include personal information such as email addresses or phone numbers. Up to 2 URLs.

0 / 1,000 characters

This form is protected by reCAPTCHA, and the Google Privacy Policy and Terms of Service apply.

More skills from this repository

aisbench-dataset-compression-herding

Free

当用户直接要求进行数据集压缩测评，或在量化调优过程中需要使用 AISBench 评测工具输出数据集精度等场景时使用。 本 Skill 负责：使用 AISBench 数据集压缩代码、用 RBF Kernel Herding 算法生成压缩后的数据子集（coreset），并按用户目标交付两种产物之一： ① 接入量化调优主流程：产出独立的 coreset 数据集配置（不覆盖原始数据），回传「全集 config_name + coreset config_name」给编排层，供 evaluation.yaml 切换； ② 仅数据集压缩测评（不做量化调优）：基于 example 模板生成「全集测试脚本」和「子集测试脚本」两份 shell 脚本。 暂时支持 AIME 2025 和 GPQA，其他数据集需要再结合 aisbench tools目录下 herding_coreset_selector 源码进行分析。

The English summary is being prepared. Showing the original description.

kali20gakki/msAgent32Updated Oct 19, 2026

ascend-cluster-compare

Free

Ascend cluster comparison tool. Invoke when user asks to compare two cluster datasets (DB or TEXT), or to generate cluster_analysis_output from raw profiling data via msprof-analyze and then compare.

The English summary is being prepared. Showing the original description.

kali20gakki/msAgent32Updated Oct 19, 2026

ascend-cluster-fast-slow-rank-detector

Free

专门用于 Ascend 集群 Profiling 性能数据的“快慢卡”诊断专家技能。当用户提供【集群性能数据目录/路径】并要求分析【快慢卡】、【慢节点】、【负载不均衡】或【集群瓶颈】时，必须触发此技能。该技能会自动接收集群路径，调度相关工具输出快慢卡的宏观定性与微观根因（如 Host 下发瓶颈、算子计算劣化）。

The English summary is being prepared. Showing the original description.

kali20gakki/msAgent32Updated Oct 19, 2026

ascend-communication-analysis

Free

Analyze Ascend NPU collective communication profiling data with a DB-first workflow. Use when the user provides `cluster_analysis_output/cluster_analysis.db`, rank-level `analysis.db`, rank-level `ascend_pytorch_profiler_{rank_id}.db`, together with `profiler_info.json`, and asks about HCCL or hcom communication cost, collective communication TOP ops, wait time, slow rank/straggler, Notify Wait, bandwidth, retry, relay, SDMA/RDMA/HCCS links, communication matrix, or Ascend communication fault patterns.

The English summary is being prepared. Showing the original description.

kali20gakki/msAgent32Updated Oct 19, 2026

ascend-computation-analysis

Free

Analyze Ascend NPU computation-side profiling data for single-card runs or a selected rank from multi-card runs. Use this skill when the user asks to diagnose computation bottlenecks, AI Core / AI Vector / AICPU hotspots, dynamic shape overhead, block dim issues, redundant TransData/Transpose/Cast, cross-stream waits, frequency/runtime-state issues, or fusion opportunities.

The English summary is being prepared. Showing the original description.

kali20gakki/msAgent32Updated Oct 19, 2026

ascend-fusion-op-replace

Free

针对昇腾 NPU 上的 PyTorch 模型，识别可做融合算子替换的代码段、替换为 torch_npu 融合算子并做性能/精度验证。当用户提到融合算子、NPU 算子替换、RMSNorm/SwiGLU/RoPE/Attention 融合、torch_npu 亲和算子等关键词是，使用本 Skill。

The English summary is being prepared. Showing the original description.

kali20gakki/msAgent32Updated Oct 19, 2026

See all skills by kali20gakki

Report a problem with this skill