AKO智能内核优化

1. 📌Skill基础信息

Skill名称：ako4all

简称：AKO4ALL

来源：社区第三方（TongmingLAIC）

运行宿主：Claude-Code CLI

核心定位：驱动自动化迭代优化循环，专门针对GPU内核（CUDA、Triton等）进行性能优化和基准测试，实现最大加速比。

2. 🧩内部核心组成

核心能力组件

• 子Agent集合：基于迭代优化的智能代理循环
• 斜杠命令：无特定斜杠命令，通过自然语言触发
• MCP工具：集成git版本控制、ncu性能分析工具
• 模板文件：bench-wrapper.sh、HINTS.md、ITERATIONS.md等脚手架文件
• Hooks钩子：bench.sh执行前后的环境准备钩子
• 规则约束：严格的迭代协议和提交规范

关键工具/命令

工具/命令	功能简述
bench.sh	内核基准测试和执行脚本
ncu	NVIDIA性能分析工具集成
git commit	迭代版本管理和追踪

目录结构

workspace/
├── solution/          # 优化中的内核代码
├── scripts/           # 执行脚本
├── trajectory/        # 迭代历史记录
├── HINTS.md          # 优化提示和规则
└── ITERATIONS.md     # 迭代详细记录

3. 🛠安装与启用方式

安装命令：

skills install --user TongmingLAIC/AKO4ALL

前置依赖：

• Git版本控制系统
• NVIDIA ncu性能分析工具（可选）
• Python环境（用于基准测试）
• CUDA/Triton等GPU计算框架

启用方式：在Claude-Code CLI中通过自然语言指令触发，如"optimize this kernel"或"run AKO4ALL"

4. 📋标准工作流

1. 工作空间建立：确定优化工作目录，通常为用户当前工作目录
2. 资源清点：自动识别内核代码、参考实现、输入数据等必要组件
3. 计划确认：向用户展示优化计划并获得确认
4. 脚手架搭建：复制必要的模板文件到工作空间
5. 基准建立：运行初始基准测试，建立性能基线
6. 迭代优化循环：

- 运行性能分析（ncu或统计分析）

- 修改内核代码

- 执行基准测试

- 记录迭代结果

- 提交git版本

1. 终止判断：达到优化目标或遇到性能瓶颈时停止

5. ⚠️关键限制、缺陷、注意事项

平台限制：

• 仅支持NVIDIA GPU平台
• 需要特定GPU驱动和工具链支持
• 依赖特定目录结构和文件命名约定

性能消耗：

• 每次迭代需要完整的GPU内核编译和执行
• ncu分析会产生额外的性能开销
• 迭代次数较多时时间成本显著

适用项目：

• 已有GPU内核的性能优化
• 需要系统化迭代改进的项目
• 有明确性能基准测试需求的项目

不适用场景：

• 从头开始编写新内核
• 非GPU相关的性能优化
• 需要人工深度介入的复杂算法重构

生产环境适用性：适合开发测试环境，生产环境需谨慎评估迭代稳定性

6. ✅适用场景 & ❌不适合场景

✅适用场景

• GPU计算内核开发者需要系统性性能优化
• 研究机构进行算法性能对比和优化
• 企业需要自动化GPU代码性能提升流程
• 有明确PyTorch参考实现需要超越的项目

❌不适合场景

• 全新的GPU内核开发（无优化基础）
• 非GPU相关的通用性能优化建议
• 需要人工代码审查或实现的场景
• 对迭代时间有严格限制的紧急项目
• 缺乏必要基础设施（ncu、git等）的环境

skills install --user TongmingLAIC/AKO4ALL