1.2万 件 ・ 関連度順
概要と使いどころ
Capture durable project or workflow knowledge discovered during work. Use when a mistake, hidden constraint, repeated question, or changed behavior reveals a documentation gap. To root-cause one specific mistake the agent just made and let the user pick fixes, use `learn` (`/learn`) instead.
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。
Find Linear issues ready for an AI agent to pick up. Equivalent of `bd ready` for Linear workflows. Use when starting a session to find claimable work, or when asked "what's next" or "find work".
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。
GitHub workflow automation with the gh CLI — pull requests, issues, releases, the REST/GraphQL API, and safe message escaping. Auth via GH_TOKEN (set in global settings, attached to the sandbox env).
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。
GitLab workflow automation with the glab CLI — merge requests, issues, CI, releases, and safe message escaping. Auth via GITLAB_TOKEN (set in global settings, attached to the sandbox env).
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。
Map UI elements and code relationships (affordances).
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。
Eng manager-mode plan review. Lock in the execution plan, data flow, diagrams, edge cases.
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。
Drive a real browser from the command line — open pages, snapshot the interactive elements as refs, click and fill by ref, read text, run JS, screenshot. Use when a task needs a live browser: checking a page renders, walking a login or checkout flow, scraping something that only exists after JavaScript runs, or reproducing a UI bug.
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。
16-phase feature orchestration workflow. Runs in the main thread as Kernel Mode. Coordinates the Lead→Developer→Reviewer→TestLead→Tester assembly line.
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。
Setup authentication flow (register, login, session/JWT, middleware)
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。
Evaluate error handling, i18n, text overflow, and edge cases.
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。
Trae a este proyecto las mejoras que la plantilla de origen recibió después de la instanciación — lee .template-origin, calcula el diff del tooling (skills, hooks, scripts, workflows) contra la plantilla actual y propone aplicarlo. Úsalo cuando la persona quiera actualizar/sincronizar el proyecto con la plantilla (p. ej. "actualiza la plantilla", "trae las mejoras nuevas del template").
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。
NPU 图批量下发能力（aclgraph / aclgraph_ex 家族）的开发与调优。覆盖 mindiesd 的 aclgraph_backend：NPUGraph 静态 capture、全局 graph pool、 lazy capture、专用 copy stream + event 管线、shape/dtype 校验、max_entries 驱逐。 当用户需要减少 host launch 开销、静态 shape 大 batch 场景加速、 或排查 NPUGraph replay 输入不匹配问题时使用此 skill。 即使用户只提"批量下发""graph capture""图捕获"而未说 aclgraph，也应触发； pattern/Inductor 融合（default 后端）见 pattern-dev，算子本体见 operator-dev， 本技能只覆盖图批量下发。由 dev-workflow 的编译开发阶段与 model-auto-optimization 的 图下发场景指引加载。
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。
简化模型代码的快速验证载体：用随机权重/精简代码在 NPU 上快速验证模型架构 兼容性、算子先接入与融合可行性（产物：架构兼容性 + 基线/快验输出），无需真实权重。 已部署模型的框架侧验证见 framework-integration，环境安装见 env-install。 当用户需要确认模型能否跑通、评估参数量与显存占用、或在算子接入/融合优化前 做快速验证时使用此 skill；即使用户只提到"帮我试试这个模型能不能跑"而未说 dummy run，也应触发。由 model-auto-optimization 的 S0/S1（融合/编译快验）阶段调用， 亦由 dev-workflow 的模型验证阶段指引加载。
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。
profiling 数据统一采集：远端昇腾采集 NPU 性能数据回传本地，供 profiling-analyze 分析。 两条入口——mindiesd 自家脚本入口（collect_profile.py）与三方框架入口 （collect_patch_template.py 补丁 + torchrun，含 vLLM-Omni HTTP 服务等分场景）； warmup 在 profiler 外（默认 5 步，compile ≥10）。 只要用户想"开 profiler/采 profile/拿算子级数据"，自家脚本或 vllm、LightX2V 等框架都先 用本入口；分析/瓶颈定位/优化选型/并行/基准请求分别属 profiling-analyze、 dit-perf-opt、dit-parallel-opt、benchmark-dev，本入口不承接。 由 model-auto-optimization 的 S1（融合分析）阶段调用，亦由 profiling-analyze 与 dev-workflow 的 采集场景指引加载。
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。
远程昇腾访问工具：为部署与验证提供访问远端昇腾服务器的通用执行通道， 覆盖 SSH 连接复用、容器内命令执行、空闲卡选择与文件传输。 当需要在远端昇腾设备执行命令、查询 NPU 状态、 选择空闲卡或向远端传输文件时使用本技能； 即使用户只提到「在服务器上跑个命令」而未说明 SSH，只要目标是远端昇腾环境也应触发； 只提供远程执行通道，不负责安装/编译（env-install）与框架验证（framework-integration）。 由 env-install 的部署流程与 dev-workflow 的部署阶段调用，亦可独立使用。
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。
MindIE-SD Python 代码格式与 lint 规则。当编写、格式化、lint 检查或审查 MindIE-SD 项目的 Python 代码时使用此 skill。 即使用户只提到"提个MR"或"代码好像有 lint 问题"而未明确说格式化，也应触发；Markdown 格式问题见 markdown-lint，提交/PR 规范见 mindie-sd-community-governance。 通常由 dev-workflow 在编码阶段指引加载。
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。
分布式并行策略选型与实测（USP / CP 通信掩盖 / CFG / TP/RSP/PP 概览；含拓扑相关选型 （按实测拓扑分域条件化：域内 bulk vs 跨域 head-parallel 翻转）与 AlltoAllV 缺陷绕过）。在 model-auto-optimization 中承担 S3：优先 USP、结合拓扑带宽差异选 CP，少量 step + 多 rank 验证特性开启与掩盖（产物：并行方案 + 多 rank 证据）。当用户需要多卡并行 策略选择、**序列并行形态抉择**（纯 Ulysses vs 复合 AllGather-KV×Ulysses：按 GQA / 跨域带宽 / 形态 plumbing 条件化定胜负）、**并行 × 稀疏叠加**（seam 契约：先汇聚后稀疏、 窗口偏移、块对齐、per-head 掩码；含「稀疏看似生效实则未生效」判定）、通信掩盖调优 （含**掩盖率上限**：1-1/n 何时成立、c/f 决定的真实上限、没生效的排查）、**并行方案 差异归因**（阶段 Δ 分解 / 集合通信按 communicator 归属 / 4→8 卡线性度），或排查多卡 跑不动 / 通信暴露大 / 换卡组 / 端口 bind / HCCL 带宽验证问题时使用；**并收编原并行作用域诊断**： 改了 SP/CP/Ulysses/AllGather-KV 后**不报错但结果没变/性能没变**、或小规模能跑大规模崩 （如 Ascend EE1003 coreDim 超限）时，用本技能证明"改动到底有没有生效"（判别量逐层收窄 + 两侧对照 + 日志≠生效，见 `references/scope-effectiveness-check.md`）； 即使用户只说 "多卡跑不动""通信暴露大""为什么没达到 6/7 的掩盖率""CP 和 USP 该选哪个""CP 叠稀疏 怎么不生效"而未说并行，也应触发。特性档位/接口事实见 `docs/zh/features/parallelism.md` /`usp.md`（仓内真源），框架侧开启见 framework-integration； 本技能承载选型决策、monkey-patch 掩盖与多卡诊断实测。 由 dev-workflow 多卡场景触发，亦由 model-auto-optimization 的 S3 阶段触发。
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。
MindIE-SD 仓库开发总入口（侧轨）。当用户进行 MindIE-SD 的任何代码开发工作时使用此 skill—— 包括但不限于写 pattern、改测试、部署到昇腾、跑 benchmark、性能分析、多卡并行、复盘归档。 模型/三方框架自动优化类任务（非本仓代码改动）由 model-auto-optimization 入口承接， 本入口只在优化流程需要新增 pattern/算子/部署代码时承接其指向的开发子任务。 即使用户未明确提到"开发流程"，只要涉及 MindIE-SD 代码改动都应触发。
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。
环境安装与准备：把部署环境从零安装就绪——mindiesd 编译安装（本地昇腾直装 / SSH 推远端容器 / Docker 镜像直装）与三方推理框架全栈安装（vLLM-Omni 源码构建、DiffSynth-Engine 部署、 LightX2V editable 部署），并负责模型权重确认与下载（下载前先确认远端是否已存在）。不含特性使能与验证 （framework-integration）与 profiling（profiling-collect）；SSH 工具由 remote-access 提供。 当用户需要安装 MindIE-SD、源码构建/直装 vLLM-Omni 或 LightX2V（editable + PLATFORM=ascend_npu）、 或确认/下载模型权重时使用此技能； 即使用户只提到"把代码推到服务器""在容器里装 vllm 全栈""准备 lightx2v 调优环境"而未说昇腾， 只要上下文涉及环境安装与准备都应触发。由 model-auto-optimization S0 与 dev-workflow 部署阶段指引加载。
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。
MindIE-SD 核心算子（FA/BSA/GMM/MM）性能基准工具链。使用：模型优化（model-auto-optimization 的 S1/S4 选型）中用 mindie_bench 对单算子做实现级实测，按 dtype/量化档/稀疏度/形态对比 选出最优配置（产物：选型证据；稀疏度-性能曲线供 S4 稀疏度选型）；开发：benchmarks/ 工具链扩展与新算子接入测试（供 operator-dev / pattern-dev 调用）。 当用户需要对比算子实现选型、新增或修改 benchmark 代码、排查 benchmark 数据异常、 给基准加算子/指标时使用；即使用户只说"benchmark 数据不对""给基准加个算子" "对比下这几个 FA 实现哪个快"也应触发；特性级方案选档请走 dit-perf-opt （本 skill 只做实现级实测）。 由 model-auto-optimization 的 S1/S4 选型场景与 operator-dev 的算子接入验证场景调用， 亦由 dev-workflow 在基准开发时指引加载。
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。
对 profiling 数据（kernel_details.csv / trace_view.json / step_trace_time.csv）做统一分析： 5 层递进管道（analyze_trace.py）+ baseline/优化后 kernel diff（compare_traces.py），输出 瓶颈诊断、算子执行序、可融合候选与 P0-P2 方向建议。输入统一来自 profiling-collect。 只要用户有 profiling 产出并问"为什么慢/瓶颈在哪/优化前后差多少/往哪个方向"，都用本技能；采集走 profiling-collect，方案选档走 dit-perf-opt，实现/并行/基准走 pattern-dev/dit-parallel-opt/benchmark-dev——本技能只做诊断与方向。 由 model-auto-optimization 的 S1（融合分析）/S3（并行）阶段调用，亦由 dev-workflow 的分析阶段指引加载。 融合机会候选只做**识别**；候选的**边界与收益判定**（能不能融成一个单元、融多大、值不值）交 `fusion-scope-analyze`（本技能的辅助技能）——本技能不判融合边界。
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。
MindIE-SD 仓库 Markdown 格式 lint 规则。当编写、修改或审查 Markdown 文件（README、文档、 变更日志等）、或 CI 门禁报出 markdownlint 违规时使用此 skill。 即使用户只提到"格式问题"或"MD040报错"而未说 markdownlint，也应触发；Python 格式问题见 code-standards。 通常由 dev-workflow 和 code-standards 在编码/审查阶段指引加载。
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。
优化域入口（L2）：拿到**已明确的瓶颈点 / 瓶颈标签**后，按标签把任务**分发**到四个优化模块 （DiT 计算 `dit-perf-opt` / DiT 通信 `dit-parallel-opt` / VAE `vae-opt` / host `host-opt`），并给出域内**最小前置集**与**域级验收口径**（性能入库口径引 `perf-gate`、精度判据引 `accuracy-gate`）。 **本技能不再承载选档与实施内容**（Step 2–4 闭环、特性档位选择、组合试验已全部归 `dit-perf-opt`）。 入口信号（任一即可触发）：① 用户或编排层已给出**瓶颈点/瓶颈标签**（"瓶颈已经明确，按这个点优化"）； ② **框架侧特性没落地**（该开的开关/特性没开，需要先判走哪个模块）。 near-miss（看似相关但不属本技能）： - **瓶颈未明**（"这个模型怎么加速""怎么跑通""采个 profile"，还要先定位）→ 先走 `model-auto-optimization`（唯一有分析权的一方），本入口**不接受未定位的任务**。 - 问"要不要开量化、开哪一档""量化/稀疏/Cache 怎么选怎么开" → `dit-perf-opt`（选档与实施在模块层）。 - 多卡并行形态 / 通信掩盖 / TP·offload → `dit-parallel-opt`；VAE·TAE 解码段 → `vae-opt`；交付搬运 / 装载预热等固定开销 → `host-opt`。 - 需要改本仓代码（pattern / 算子 / 测试 / 文档）→ `dev-workflow`。 由 model-auto-optimization 的阶段路由与用户直接声明瓶颈两条路径触发。
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。
算子级开发与性能优化：Triton / Ascend C / Catlass / PyPTO / TileLang 算子 编写、精度对齐与性能调优。优先路由到外部 cannbot-skills 技能库（不重复其内容）， 本 skill 只保留场景 → skill 映射与 MindIE-SD 特有补充。 当用户需要新增/优化算子、定位算子性能或精度问题时使用此 skill。 即使用户只提到"写个 triton kernel"或"这个算子怎么加速"而未说算子，也应触发； pattern 融合/编译后端见 pattern-dev，算子基准选型/接入测试见 benchmark-dev。 由 dev-workflow 或 pattern-dev 的 replacement kernel 场景触发。
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。