> Framework Internals _

Экспертная оптимизация GPU для современных потребительских видеокарт (8-24 ГБ видеопамяти). Применяйте этот навык, когда нужно оптимизировать обучение на GPU, ускорить CUDA-код, снизить ошибки нехватки памяти (OOM), настроить XGBoost для GPU, перенести NumPy в CuPy, сделать модель быстрее, управлять памятью GPU, оптимизировать использование видеопамяти или проводить бенчмаркинг PyTorch. Охватывает смешанную точность, градиентный чекпоинтинг, ускорение XGBoost на GPU, миграцию в CuPy/cuDF, векторизацию, torch.compile и диагностику. Только видеокарты NVIDIA. Фреймворки PyTorch, XGBoost и RAPIDS.

Переработать существующие навыки в соответствии с лучшими практиками. Реструктурировать в трёхслойную архитектуру (SKILL.md/prompts/docs), устранить нарушения Single Source of Truth и улучшить качество промптов.

Реализуйте топологию Kafka Streams, используя архитектуру с функциональным ядром и императивным оболочкой. Применяйте этот навык при написании кода для Kafka Streams топологии. Триггерами являются: "реализовать эту топологию", "написать код KStream", "создать процессор", "настроить Kafka локально", "написать тесты для топологии", "настройка Kafka через Docker", "реализация KStream", "код стрийм-процессора" или любой запрос на написание, тестирование или запуск приложения Kafka Streams. Не используйте для проектирования, мозгового штурма или архитектуры — используйте fp-kstream-design для этих задач.

В Go (Golang) есть свои правила для именования: пакетов, конструкторов, структур, интерфейсов, констант, перечислений, ошибок, булевых значений, получателей (в методах), геттеров/сеттеров, функциональных опций, аббревиатур, тестовых функций и подтестов. Применяйте их при написании нового кода, ревью, рефакторинге, выборе между вариантами именования (New vs NewTypeName, isConnected vs connected, ErrNotFound vs NotFoundError, StatusReady vs StatusUnknown at iota 0), обсуждении названий пакетов (избегайте анти-паттернов utils/helpers) или когда спрашиваете о лучших практиках именования в Go. Также срабатывайте, если пользователь упоминает MixedCaps vs snake_case, константы в ALL_CAPS, префикс Get для геттеров или регистр строк в ошибках. Не используйте это для общих вопросов по реализации Go, которые не связаны с решениями по именованию.

Проект `go-gorm-model` предназначен для создания Go GORM моделей, соответствующих принципам модульной архитектуры Go. Он автоматизирует генерацию файлов моделей в директории `internal/modules//model/`, включая определение структуры данных, методо `TableName`, и обработку gorm-тегов для работы с базой данных PostgreSQL. Применение этого подхода позволяет стандартизировать структуру и skill разработки моделей данных.

Рекомендации по C/C++/CAPL для встроенных автомобильных систем. Эти навыки пригодятся при написании, проверке или рефакторинге встроенного C/C++ кода или CAPL-скриптов, предназначенных для автомобильных ЭБУ, с соблюдением стандартов MISRA, AUTOSAR, ISO 26262 и ISO 21434. Релевантно для задач, связанных с встроенным прошиванием, коммуникацией CAN/CAN FD/LIN/Ethernet, протоколами TCP/UDP/DoIP/SOME-IP, программированием RTOS, критичным с точки зрения безопасности кодом, кибербезопасностью, диагностикой (UDS), автоматизацией тестирования на CAPL или интеграцией с инструментами калибровки.

Вторичный локальный движок инференса LLM на базе llama.cpp. Этот навык полезен при работе с моделями в формате GGUF напрямую, загрузке адаптеров LoRA для Kothar, бенчмаркинге скорости инференса или обслуживании моделей через llama-server. Дополняет Ollama (который остаётся основным для RLAMA и общих задач).

Этот навык стоит применять, когда пользователь спрашивает про "bun:ffi", "интерфейс для работы с внешним кодом", "вызов C из Bun", "нативные библиотеки", "dlopen", "динамические библиотеки", "вызов нативного кода" или интеграцию C/C++ библиотек с Bun.

Чтобы добавить новый ресурс в файл snowboardkids2.yaml, нужно следовать определенной процедуре, чтобы обеспечить правильный порядок и корректное объявление ресурсов. Применяй этот навык, когда тебе нужно добавить новый бинарный ресурс.

Продвинутые паттерны для TypeScript, которые пригодятся в реальных кодовых базах. [Что: брендированные типы для номенклатурного типирования, дискриминированные объединения, шаблонные литеральные типы, условные типы, ключевое слово `infer` и...]

Используй этот подход, когда оптимизируешь потребление токенов, сокращаешь объём ответов или работаешь в интенсивных сессиях разработки. Задействуй его при любом упоминании об экономии токенов, оптимизации затрат, лаконичном выводе, сжатых ответах или использовании флагов `--format=concise/ultra`. Также это актуально при выполнении повторяющихся задач, быстрых итерациях, простых и чётких запросах или когда пользователь активирует режим экономии токенов. Это общая оптимизация, которая применима ко всем остальным навыкам.

Тщательно продумывайте обработку ошибок в приложениях на Python и TypeScript. Применяйте это, когда пишете блоки `try/catch`, создаете собственные классы ошибок, реализуете логику повторных попыток, проектируете границы ошибок в React, строите ответы API на ошибки или обеспечиваете изящное восстановление после сбоев. Это актуально для любого кода, связанного с исключениями, распространением ошибок, плавным переходом на резервные варианты или отказоустойчивостью.

Пиши, отлаживай и оптимизируй GPU-ядра Triton и Gluon, используя исходный код, туториалы и справочные материалы. Применяй это, когда пользователь упоминает Triton, Gluon, `tl.load`, `tl.store`, `tl.dot`, `tl.dot_scaled`, `triton.jit`, `gluon.jit`, wgmma, tcgen05, TMA, дескриптор тензора, постоянное ядро, специализация warp, объединённый attention, ядро matmul, слияние ядер, `tl.program_id`, автотюнинг Triton, MXFP, FP8, FP4, NVFP4, matmul с масштабированием по блоку, SwiGLU, top-k, `triton_kernels`, roofline анализ, Triton IR, диалект TritonGPU, MLIR Triton, PDL (программный зависимый запуск), управление запуском кластера, или спрашивает о написании GPU-ядер на Python. Также используй это, когда пользователь хочет понять внутренности компилятора Triton, отладить корректность ядра Triton, профилировать производительность ядра Triton или конвертировать CUDA-ядра в Triton.

Помогаю писать, отлаживать и оптимизировать GPU-ядра CUTLASS и CuTeDSL, используя исходный код, примеры и заголовки. Использую, когда пользователь упоминает CUTLASS, CuTe, CuTeDSL, `cute::Layout`, `cute::Tensor`, `TiledMMA`, `TiledCopy`, `CollectiveMainloop`, `CollectiveEpilogue`, GEMM-ядро, группированный GEMM, sparse GEMM, flash attention CUTLASS, blackwell GEMM, hopper GEMM, FP8 GEMM, FP4 GEMM, блочное масштабирование, MoE GEMM, StreamK, специализация warp CUTLASS, TMA CUTLASS, слияние эпилогов, EVT (Epilogue Visitor Tree), pycute, алгебру Layout, Swizzle-паттерн, `GemmUniversal`, `KernelSchedule`, `EpilogueSchedule`, CUTLASS collective builder, CUTLASS pipeline, или спрашивает о написании высокопроизводительных CUDA-ядер с использованием шаблонов CUTLASS/CuTe. Также использую, когда пользователь хочет понять структуру исходного кода CUTLASS, собрать примеры CUTLASS или отладить ошибки шаблонов CUTLASS.

Используй навыки реализации Python-библиотек для создания модулей в директории `lib/`. Применяй, когда пользователь говорит "создать библиотеку", "реализовать модуль", "добавить в lib/", "Python-библиотека", "вспомогательные функции", "модуль утилит", "модуль слоя", "Python-модуль", "общие утилиты", "создать помощник".

Проект `smart-mutation-operator-generator` анализирует репозиторий и его тесты для создания специализированных мутаторов, учитывающих особенности языка программирования, бизнес-логику и сложность кода. Генерация включает наборы мутаторов с разной приоритетностью и оценкой влияния, что позволяет улучшить качество тестов и повысить чувствительность мутационного тестирования. Для анализа используются скрипты, выявляющие кандидаты для мутаций, такие как арифметические (AOR), логические (LCR) и операторы сравнения (ROR).

Основы программирования GPU с использованием Mojo. Применяйте этот навык вместе с синтаксисом Mojo при написании кода на Mojo, ориентированного на GPU или другие ускорители. Поддерживайте код для NVIDIA, AMD, Apple silicon GPU и других. Используйте это, чтобы развеять заблуждения о том, как пишется Mojo GPU код.

Этот навык пригодится при анализе основ архитектуры GPU, чтобы принимать обоснованные решения по оптимизации ядра, например, как использовать иерархию памяти, выбирать модель исполнения, определять размер блока и настраивать задержки в HIP, Triton и PyTorch.

Этот навык пригодится при оптимизации моделей и кернелов PyTorch, включая эффективные тензорные операции, torch.compile, собственные расширения autograd/CUDA/Triton, смешанную точность, тюнинг памяти и пайплайнов данных, методы оптимизации моделей, CUDA graphs и профилирование.

Этот навык пригодится при написании или настройке HIP-ядер для AMD/NVIDIA GPU, включая оптимизацию доступа к памяти (коалесценцию), использование разделяемой памяти (тайлинг), избежание конфликтов банков памяти, применение примитивов для варпов, управление загрузкой GPU (occupancy), векторизацию, асинхронные операции, раскрутку циклов и профилирование.

Этот навык пригодится при оптимизации ядер для AMD GPU на MI300 с использованием проекта aiter, включая запуск тестов, бенчмаркинг, внесение изменений в ядра и фиксацию результатов в базе данных экспериментов с ядрами.

Помощник по отладке кода, позволяющий наблюдать за его работой. Если вы говорите: "Хочу понять, почему эта функция работает так медленно", "ошибки возникают во время выполнения, не знаю, где проблема", "бизнес-логика слишком сложная, не могу разобраться в порядке выполнения", я помогу проследить пути выполнения кода, найти узкие места, определить причины ошибок. При обнаружении возможностей для оптимизации буду спрашивать, стоит ли запустить драйвер эволюции навыков для оптимизации.

Оркестратор реализации фич. Всегда используй этот подход для любых изменений в коде — будь то реализация, сборка, добавление функциональности, исправление бага или любая другая задача, затрагивающая исходный код. Это основной путь для 70% всех запросов. Проходит полный цикл TDD: понимание → планирование → тест → реализация → контроль качества → проверка → коммит.

Преобразование GPU/CUDA-операторов в Triton-Ascend, или переписывание Python/PyTorch-операторов для реализации Triton-Ascend, работающей на Ascend NPU, с последующим предоставлением оптимизированного кода, минимального скрипта для проверки и инструкций по устранению неполадок, когда обнаруживаются возможности для оптимизации. Пользователь должен использовать этот инструмент, если он упоминает "昇腾" (Sheng Teng), "Ascend", "NPU", "triton-ascend", "миграция Triton-операторов", "переписывание PyTorch-операторов", "coreDim", "UB overflow", "1D grid", "привязка к физическим ядрам", "block_ptr", "stride", "выравнивание доступа к памяти", "производительность маскирования", "деградация типа данных" или "оптимизация операторов", или если он напрямую спрашивает "как использовать этот навык?", "как запустить это в командной строке?" или "как выполнить миграцию/проверку в контейнере?", даже если он явно не говорит "написать навык" или "выполнить миграцию".

Расширение 1С BSL Framework для навыка skill-creator. Используйте вместе с базовым навыком skill-creator при создании или изменении фреймворк-навыков (bsl-practices, tool-usage, spec-writing, agent-development-ext и т.д.). Охватывает: категории фреймворк-навыков, навыки использования инструментов, заменяющие tool-registry, шаблоны контента BSL, интеграцию с 1c-ai-agent-cli, навыки, специфичные для проекта.

Знание принципов работы интерпретатора байт-кода и JIT-компилятора пригодится при разработке рантаймов на C/C++. Используйте это при проектировании циклов диспетчеризации байт-кода (switch, computed goto, потоковый код), реализации виртуальных машин на стеке или на регистрах, добавлении простого JIT с использованием mmap/mprotect, или при анализе компромиссов между производительностью и дизайном интерпретатора. Актуально при вопросах о виртуальных машинах, работающих с байт-кодом, циклах диспетчеризации, основах JIT-компиляции, трассировке JIT и реализации рантайма для скриптов.

Помогает оптимизировать `#include` в C/C++ коде. Используйте, когда нужно сократить каскад компиляции, разбираться с отчётами IWYU, применять файлы соответствий, выбирать между прямыми объявлениями и полными включениями, или интегрировать IWYU с CMake. Активируется при вопросах об IWYU, include-what-you-use, раздутом заголовочном файле, уменьшении количества `#include`, прямых объявлениях, каскаде компиляции или медленной компиляции C++ из-за заголовков.

Освойте навыки работы с Rust eBPF, используя фреймворк Aya. Пригодится при написании eBPF-программ на Rust с использованием aya-bpf и aya-log, определении типов BPF-карт, интеграции с tokio в пользовательском пространстве, обмене картами между ядром и пользовательским пространством, а также при отладке ошибок компиляции и загрузки Aya. Активируется при запросах, касающихся Aya, aya-bpf, Rust eBPF, aya-log, eBPF на Rust или BPF-программ с tokio.

Навыки работы с компилятором Clang/LLVM для проектов на C/C++. Применяйте, когда используете clang или clang++ для диагностики, инструментации санитайзером, оптимизационных замечаний, статического анализа с clang-tidy, LTO через lld, или при переходе с GCC на Clang. Активируется при запросах, касающихся флагов Clang, clang-tidy, clang-format, более понятных сообщений об ошибках, тулчейнов Apple/FreeBSD или оптимизаций, специфичных для LLVM. Охватывает выбор флагов, настройку диагностики и интеграцию с инструментами LLVM.

Расширение 1С BSL Framework для навыка skill-creator. Используйте вместе с базовым навыком skill-creator при создании или изменении фреймворк-навыков (bsl-practices, tool-usage, spec-writing, agent-development-ext и т.д.). Охватывает: категории фреймворк-навыков, навыки использования инструментов, заменяющие tool-registry, шаблоны контента BSL, интеграцию с 1c-ai-agent-cli, навыки, специфичные для проекта.