Aitishiku.com📌 Skill基础信息
- Skill名称: torchprofiler-trace-analysis
- 简称: PyTorch Profiler 分析工具
- 来源: 社区第三方 (Shan2L)
- 运行宿主: Claude-Code CLI（基于 MCP 协议的 Agent 工具）
- 核心定位: 专为分析 PyTorch Profiler 和 vLLM 性能追踪文件而设计，通过 Perfetto SQL 提供数据驱动的性能证据，适用于深度学习模型性能优化场景。
🧩 内部核心组成
核心组件
- Perfetto SQL 查询预设: 包含专门针对 PyTorch profiler 和 vLLM 追踪的 SQL 查询模板
- 证据收集工作流: 系统化的性能问题识别流程
- 结构化报告生成: 标准化的分析报告输出格式
分析能力矩阵
| 分析维度 | 检测能力 |
|---|---|
| 同步等待 | 识别线程/进程同步瓶颈 |
| GPU 内核热点 | 定位 GPU 计算密集型操作 |
| CPU 算子热点 | 分析 CPU 侧操作性能 |
| 秩不平衡 | 检测多卡训练中的负载不均衡 |
| 内存拷贝 | 分析数据传输开销 |
| Prefill/Decode 阶段 | 识别推理阶段性能问题 |
| 空闲间隙 | 发现计算资源闲置时段 |
🛠 安装与启用方式
安装命令:
skills install --user Shan2L/torchtrace-skill前置依赖:
- Python 环境
- Perfetto 追踪分析能力
- PyTorch Profiler 生成的追踪文件
数据要求:
*-merged_trace.json或*-merged_trace.json.gz格式的合并追踪文件- vLLM 性能分析日志
📋 标准工作流
- 追踪文件识别: 自动定位最新的或指定的 PyTorch profiler 追踪文件
- 预处理: 优先处理合并后的追踪文件（merged_trace）
- 概览分析: 执行基础查询获取追踪文件整体信息
- 证据收集: 按预设维度系统性收集性能证据
- 假设验证: 区分已验证证据与待验证假设
- 报告生成: 输出结构化分析报告
- 优化建议: 提供具体的后续检查方向和优化方案
⚠️ 关键限制、缺陷、注意事项
平台限制:
- 仅支持 PyTorch Profiler 生成的追踪文件
- 依赖 Perfetto 分析框架
- 需要完整的追踪文件（推荐使用合并后的 trace）
适用性:
- ✅ 适合：PyTorch 模型训练/推理性能分析、vLLM 服务性能优化、多卡训练性能调优
- ❌ 不适合：非 PyTorch 框架、无完整追踪数据的场景、实时性能监控
生产环境适用性: 适用于开发和测试环境的性能分析，生产环境需谨慎使用（追踪收集有性能开销）
已知注意事项:
- 避免从单一成功查询中推断因果结论
- 不确定结论需明确标注为假设
- 除非必要，不建议请求原始 JSON 追踪数据
✅ 适用场景 & ❌ 不适合场景
✅ 适用场景
- PyTorch 模型训练性能瓶颈分析
- vLLM 推理服务性能优化
- 多 GPU 训练中的负载均衡问题诊断
- 深度学习模型 prefill/decode 阶段性能分析
- 需要数据驱动性能证据的优化工作
❌ 不适合场景
- 非 PyTorch 框架的性能分析
- 实时性能监控和告警
- 缺乏完整追踪数据的快速诊断
- 需要即时响应的生产环境调试
- 非性能相关的功能性问题排查
如何安装
skills install --user Shan2L/torchtrace-skill通用安装教程：在哪里输入上面的命令
上面的命令本质是在「终端 / 命令行」中调用技能管理器，把该 Skill 下载并注册到你的 AI 工具。各主流工具打开终端的位置不同，按下面操作即可：
- 打开工具自带的终端面板，或系统终端（macOS「终端」、Windows「PowerShell」、Linux「Terminal」）。
- 把上面的安装命令复制进去，回车运行，等待下载与注册完成。
- 重启或重新加载 AI 工具，让新安装的 Skill 被识别。
- 新建对话并触发：直接描述用途，或通过该工具的技能 / 斜杠菜单选中此 Skill。
Claude 桌面版（macOS / Windows）
桌面版没有内置命令行，Skill 需通过 Claude Code CLI 安装。打开系统终端，先执行 npm install -g @anthropic-ai/claude-code，再运行上面的安装命令；完成后完全退出并重新打开 Claude。
Claude Code（终端 CLI）
直接在项目目录的终端里运行上面的命令即可。也可先输入 claude 启动交互界面，再在对话中引用该 Skill（/ 斜杠菜单或直接描述用途）。
VS Code（含 GitHub Copilot）
打开终端面板：菜单「终端 → 新建终端」，或快捷键 Ctrl+`（macOS 为 ⌃+`）。在终端里运行上面的命令；装完后执行「重新加载窗口」（Ctrl+Shift+P → Reload Window），让 Copilot 等扩展识别新技能。
Cursor
底部「终端」面板（Ctrl+`）即是内置终端。粘贴运行上面的命令，完成后在命令面板执行「Reload Window」刷新，再开始对话。
Windsurf
底部「终端」面板运行命令；也可直接使用其内置 Agent 终端，在对话侧执行安装。
其他工具（ChatGPT、本地脚本等）
不支持本地终端的产品，可先在本机终端完成安装，再在对话中描述该 Skill 的能力让其调用；不同工具的命令格式请以其官方文档为准。
风险提示
✅ 低风险
自动扫描未发现高危命令、隐私抓取或数据外传行为。仍建议安装前快速浏览仓库代码。