CANN/cannbot-skills: easyasc DSL转AscendC工作流

ops-easyasc-dsl

【免费下载链接】cannbot-skillsCANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体，本仓库为其提供可复用的 Skills 模块。项目地址: https://gitcode.com/cann/cannbot-skills

English README

有天我一拍脑袋想看看 AI 究竟能做成啥样，所以就有了这个仓。代码基本是纯添加零天然。我只是个傻读代码和指手画脚的人类罢了。

ops-easyasc-dsl把 easyasc DSL → AscendC 的工作流封装成一个 skill。其内部仍然提供用 Python 描述 Ascend 风格混合 kernel 的 DSL 框架，它可以：

• 从 Python 代码生成指令 IR
• 把 IR 下沉成拆分后的 cube/vec 代码路径
• 在内置模拟器中运行 kernel
• 为非模拟器场景生成 custom-op 源码产物

这个仓库主要围绕三件事展开：

1. 用@kernel、Tensor、GMTensor、Var以及可选的@vf微函数辅助，在 Python 里编写 kernel。
2. 由框架负责构建指令 IR、补上各执行侧需要的同步，并把程序拆成 cube 和 vec 两条路径。
3. 再通过模拟器或生成出来的运行时产物验证结果。

Skill 入口

面向用户的 skill 入口是skill/SKILL.md。可复用的工作流位于agent/下。

在阅读已归档的运行时/文档内容或运行示例之前，需要先按需还原：

bash agent/scripts/init.sh

脚本是幂等的，只会还原缺失的目录。

为什么会有这个仓库

这个代码库主要服务于 kernel 的开发、实验和调试，尤其适合下面这些场景：

• 快速验证新的纯 cube 或混合 cube/vec 流水线原型
• 在模拟环境里验证尾块处理、tiling 和精度边界
• 查已有 kernel，看看哪些 DSL 写法和实现套路是可行的

安装

不用安装。执行bash agent/scripts/init.sh还原easyasc/后，想办法把easyasc.a5或者easyasc.a2给 import 进来即可。

快速开始

示例环境（仅作参考，并非必须）：

# 仅作参考——请根据本地情况调整 conda activate torch210npu

然后运行一个最小可执行的 kernel 示例（需先执行bash agent/scripts/init.sh）：

python agent/example/kernels/a5/matmul_float_mmad.py

这个示例展示了最小的端到端流程：

1. 用@kernel定义一个 kernel
2. 通过OpExec(..., simulator=True)启动它
3. 把模拟输出和 PyTorch 参考结果做对比

OpExec真机构建 + CANNSIM 所需环境变量

使用默认的simulator=False跑OpExec(kernel)时，框架会在当前工作目录生成并执行b.sh、r.sh。脚本里已写入通用基线；若本机布局不同，请在启动 Python 前自行导出下表变量。

b.sh/r.sh用EASYASC_ROOT（脚本所在目录）拼接相对路径；请在仓库根目录跑代码生成，使脚本落在根目录。脚本会尝试source "${ASCEND_HOME_PATH}/bin/setenv.bash"，配置厂商库LD_LIBRARY_PATH，并用cannsim跑 aclnn 测试二进制。

若op_build缺.so，检查ASCEND_HOME_PATH与setenv.bash；若报缺少numpy，设置EASYASC_PYTHON_BIN指向带 NumPy 的 Python 所在目录。

核心概念

• easyasc.a5：面向 A5 风格架构与指令序列的一套公开 DSL 接口。当前仓库里大多数 kernel 和测试都在使用它，包含 cube、vec、micro、寄存器、cast 和调试辅助功能。
• easyasc.a2：面向 A2 风格架构与指令序列的另一套公开 DSL 接口。它不是a5的兼容层，而是针对另一类指令族的并列架构接口。
• GMTensor：全局内存张量，对应 kernel 的输入和输出。
• Tensor：位于L1、L0A、L0B、L0C或UB中的片上张量。
• DBuff/TBuff：用来描述基于 slot 复用的缓冲张量辅助类型。
• Var：用于表示循环边界、维度和符号形状的标量值。
• OpExec：运行时入口，可用于模拟器执行或代码生成。

典型开发流程

1. 先把精确的 PyTorch 公式写清楚。
2. 选择流水线拓扑：
   • 仅 cube
   • cube -> vec
   • vec -> cube
   • vec -> cube -> vec
   • cube -> vec -> cube
3. 用 Python 把 kernel 实现出来。
4. 使用OpExec(..., simulator=True)验证。
5. 如果重复出现的标量维度让形状推导变得不明确，就显式加上shape_bindings。
6. 只有在模拟器结果和参考实现对齐之后，再继续看生成产物和硬件相关执行。

仓库结构

• skill/— skill 入口（skill/SKILL.md）
• agent/— 可复用的 easyasc DSL → AscendC 工作流
  • agent/ROUTER.md— 渐进披露的 router
  • agent/scripts/— 维护脚本（包含init.sh）
  • agent/assets/— 归档的 runtime/docs（ops-easyasc-dsl-runtime.tar.gz）与 example（ops-easyasc-dsl-example.tar.gz）
  • agent/example/— 精选 kernel 示例与手动 demo（按需还原）
  • agent/references//agent/playbooks//agent/index/— 参考、playbook 与 JSON 索引
• 由agent/scripts/init.sh按需还原：
  • easyasc/— DSL 运行时与 codegen
  • doc/— 英文文档
  • doc_cn/— 中文文档镜像
  • agent/example/kernels/— 精选示例 kernel
  • agent/example/demo/— 按设备家族整理的手动运行示例

注意：testcases/已从交付的 skill 包中移除。

文档索引

doc_cn/目录由agent/scripts/init.sh还原：

• 快速开始
• 编程模型
• 编写第一个 Kernel
• 混合流水线与同步
• 模拟器与 Trace
• 代码生成与运行时
• Kernel 模式与范式
• 测试与验证
• API 参考
• 故障排查
• 面向贡献者的架构说明
• Stub 与 Codegen 名字对照表

【免费下载链接】cannbot-skillsCANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体，本仓库为其提供可复用的 Skills 模块。项目地址: https://gitcode.com/cann/cannbot-skills