awesome-ascend-skills

Awesome Ascend Skills

基于华为昇腾 NPU 开发的 AI Agent 知识库，以 Skill 形式组织，支持 Claude Code、OpenCode、Cursor、Trae、Codex 等多种 AI 编程工具。

---

目录

• 简介
• 安装指南
  • 自动安装
  • 手动安装
• Skill 列表
• Skill 工作原理
• 贡献指南
  • 如何编写 SKILL.md
  • 目录结构规范
  • 命名规范
  • 验证清单
• 提交 PR
• 官方文档
• 许可证

---

简介

Awesome Ascend Skills 是一套面向华为昇腾 NPU 开发的结构化知识库。每个 Skill 都是独立的 AI Agent 能力模块，涵盖设备管理、模型转换、性能测试、量化压缩、推理部署等场景。

---

安装指南

自动安装

使用 npx 一键安装到所有支持的 AI 编程工具：

# 安装全部 Skills
npx skills add ascend-ai-coding/awesome-ascend-skills

# 安装单个 Skill
npx skills add ascend-ai-coding/awesome-ascend-skills --skill npu-smi

支持的 AI 编程工具：Claude Code、OpenCode、Cursor、Trae、Codex 等。

手动安装

如果无法使用 npx，可以手动复制 Skill 文件：

方式一：项目级安装（推荐）

将 Skill 复制到项目根目录的 .agents/skills/ 下：

# 克隆仓库
git clone https://github.com/ascend-ai-coding/awesome-ascend-skills.git

# 复制需要的 Skill 到项目目录
cp -r awesome-ascend-skills/npu-smi your-project/.agents/skills/

方式二：全局安装

将 Skill 复制到对应 AI 编程工具的全局 Skills 目录。各平台安装位置请参考官方文档：

平台	文档链接
OpenCode	https://opencode.ai/docs/zh-cn/skills/
Cursor	https://cursor.com/cn/docs/context/skills
Claude Code	https://code.claude.com/docs/zh-CN/skills
Trae	https://docs.trae.cn/ide/skills

---

Skill 列表

Skill	类别	描述
npu-smi	运维	NPU 设备管理：健康状态查询、温度/功耗监控、固件升级、虚拟化配置、证书管理
hccl-test	测试	HCCL 集合通信性能测试：带宽测试、AllReduce/AllGather 等集合操作基准测试
torch-npu-comm-test	测试	通过 torch.distributed 测试通信算子性能：支持任意 tensor shape、dtype，torchrun 启动，贴近真实训练场景
atc-model-converter	开发	ATC 模型转换：ONNX 转 .om 格式、OM 推理、精度对比、YOLO 端到端部署
ascend-docker	运维	Docker 容器配置：NPU 设备映射、卷挂载、开发环境隔离
msmodelslim	开发	模型压缩量化：W4A8/W8A8/W8A8S 量化、MoE/多模态模型支持、精度自动调优
vllm-ascend	开发	vLLM 推理引擎：离线批推理、OpenAI 兼容 API、量化模型服务、分布式推理
ais-bench	测试	AI 模型评估工具：精度评估（MMLU/GSM8K/MMMU 等 15+ 基准）、性能压测、Function Call
ascendc	开发	AscendC 算子开发：FFN/GMM/MoE 等 Transformer 算子实现、CANN API 示例
torch_npu	开发	PyTorch 昇腾扩展：环境检查、部署指引、PyTorch 迁移到 NPU 的完整指南
mindspeed-llm-pipeline	开发	MindSpeed-LLM 端到端流水线：环境搭建→数据预处理→权重转换→训练→评估→导出
mindspeed-llm-env-setup	开发	MindSpeed-LLM 环境搭建：CANN + torch_npu + MindSpeed + Megatron-LM 安装配置
mindspeed-llm-data-prep	开发	MindSpeed-LLM 数据预处理：Alpaca/ShareGPT/预训练数据格式转换、分词打包
mindspeed-llm-weight-prep	开发	MindSpeed-LLM 权重转换：HF↔Megatron 格式转换、LoRA 权重合并、TP/PP 切分
mindspeed-llm-training	开发	MindSpeed-LLM 训练启动：预训练/SFT/LoRA/QLoRA 分布式训练、可选评估
diffusers-ascend-env-setup	开发	Diffusers 环境配置：CANN 版本检测、PyTorch + torch_npu 安装、Diffusers 安装验证
npu-op-benchmark	测试	昇腾 NPU 算子性能基准测试：支持 SSH/Conda/Docker，测 算子 100 次平均耗时
ascend-opplugin	开发	op-plugin 环境安装与 torch_npu 自定义算子接入：无 workspace / workspace+tiling 两种模式，从内核实现到 host 注册、构建与测试
diffusers-ascend-weight-prep	开发	Diffusers 权重准备：HuggingFace/ModelScope 模型下载、基于 config.json 生成假权重用于验证
diffusers-ascend-pipeline	开发	Diffusers Pipeline 推理：环境预检、通用推理（图像/视频）、内存优化、LoRA 集成
training-mfu-calculator	测试	MFU 计算工具：Dense/MoE 模型 FLOPs 计算、Ascend NPU 硬件峰值参考、性能分析报告
github-issue-summary	开发	GitHub Issue 分析：从已关闭 issue 生成故障排查案例、根因分析、经验总结
github-issue-rca	开发	GitHub Issue 根因分析：分析 issue 内容和代码仓库，识别可能的根本原因，提供调查方向和概率评估
profiling-analysis	分析	Profiling 性能分析技能集：分析 step_trace_time.csv 识别下发、通信、计算瓶颈
mindspeed-llm-train-profiler	分析	自动化完成昇腾 NPU 上 MindSpeed-LLM 训练的 Profiling 数据采集
ai-for-science	开发	AI for Science 总入口：负责 Profiling 采集、模型迁移、TensorFlow/Keras 路线选择，并分流到对应子 skill。

外部 Skills (External Skills)

以下 skills 从外部仓库自动同步，请勿手动修改。