背景概述

Megatron-LM 作为业界领先的分布式训练框架，其持续演进对上层应用生态提出了更高要求。昇腾 Agent-Skills 基于 MindSpeed 框架构建了一套完整的自动化迁移能力体系，通过四类核心技能（Skill）实现从 Megatron-LM 到 MindSpeed 的高效、精准、可追溯的代码迁移。

该体系以自动化分析为核心，融合变更识别、影响评估、路径映射与补丁生成四大能力模块，形成端到端的迁移闭环。系统可自动识别近 7 日内的关键提交（commit），精准定位变更内容，评估对 MindSpeed 的兼容性影响，并生成可验证的迁移补丁包，显著降低人工成本，提升迁移质量与一致性。

整体流程

本迁移 Skill 采用分阶段、模块化设计，通过四个核心技能协同工作，实现从原始提交到目标框架补丁的完整转化流程：

1. megatron-commit-tracker：基于版本分支映射关系，自动追踪指定时间窗口内的变更集，生成结构化变更摘要；
2. megatron-change-analyzer：对原始提交内容进行语义解析，识别关键功能变更与依赖关系；
3. megatron-impact-mapper：结合 MindSpeed 当前支持能力，评估变更影响范围，制定实施路径；
4. megatron-migration-generator：输出标准化迁移包，包含补丁文件、验证清单与上下文说明。

流程说明：

• 第一阶段：通过分支映射关系确定待分析的变更范围；
• 第二阶段：基于变更内容识别关键功能点与上游依赖；
• 第三阶段：评估目标框架支持状态，明确实现优先级与依赖关系；
• 第四阶段：生成可直接应用的迁移补丁包，支持一键集成与验证。

各阶段 Skills 详解

阶段 1：megatron-commit-tracker —— 变更集自动追踪

功能定位

用于自动识别 Megatron-LM 项目中指定分支（如 main）在最近 7 天内的提交变更集，生成结构化变更摘要，为后续分析提供输入依据。

核心能力

• 自动采集并解析指定时间窗口内的提交记录，支持多分支并行处理；
• 精确识别变更的基线（base）与目标（head）提交，确保上下文一致性；
• 输出标准化的变更集描述文件，包含 commit 列表、变更类型与影响范围。

支持的分支映射关系如下：

MindSpeed 分支	Megatron 分支	怎么处理	适合干什么
master	main	确认最新特性 按严格映射处理	跟踪最新主线特性
dev	dev	按严格映射处理	跟踪开发分支变化
master	core_v0.12.1	按严格映射处理	稳定版本对齐
2.3.0_core_r0.12.1	core_v0.12.1	按严格映射处理	历史版本维护
core_r0.15.3	core_v0.15.3	按严格映射处理	指定版本迁移

关键输出

1. change-set：包含 base/head commit 信息与原始 commit 列表；
2. change-set-table.md：结构化展示变更集概览，便于人工复核。

阶段 2：megatron-change-analyzer —— 变更范围识别

功能定位

对原始提交内容进行深度语义分析，识别出与迁移相关的关键功能变更事件，提取上游依赖关系，筛选合并高价值的 commits 为若干"特性事件"。

核心能力

• 识别提交中的核心变更点，包括功能新增、接口调整、配置项修改等；
• 提取关键实现单元（implementation_units），明确变更影响范围；
• 识别上游功能包（upstream_feature_bundles），建立与目标框架的映射关系。

输出内容

1. events：筛选归并后的"特性列表"；
2. primary_commit：每个特性最关键的 commit；
3. implementation_units：将特性进行功能拆分，如参数、运行逻辑、测试等；
4. upstream_feature_bundles：上一阶段发给下一个 skill 的素材包（代码、关键文件、关键符号、完整 patch 等）。

阶段 3：megatron-impact-mapper —— 迁移路径映射

功能定位

基于 MindSpeed 当前支持能力，评估变更对目标框架的兼容性影响，制定可执行的迁移实施路径，确定"实现规划"。

核心能力

• 基于 MindSpeed 当前支持能力，评估变更对目标框架的兼容性影响，制定可执行的迁移实施路径；
• 生成实施计划（implementation_plan），明确功能实现顺序；
• 精确定位受影响文件路径，如 training/config.py、checkpointing.py、profiler.py 等。

输出内容

1. mindspeed_context_bundles：MindSpeed 和特性列表相关的上下文材料包；
2. implementation_plan：实现规划，明确实施顺序、依赖关系等；
3. implementation_targets：Patch 适配预计改动的 MindSpeed 文件、逻辑列表。

阶段 4：megatron-migration-generator —— 迁移补丁生成

功能定位

将前序分析结果转化为可部署、可验证的迁移补丁包，用于开发人员参考。

核心能力

• 生成结构化迁移报告，包含变更说明、影响评估与实施建议；
• 输出可直接应用的补丁文件，支持 Git patch 格式；
• 提供完整的迁移包结构，包含验证清单与上下文说明。

输出内容

1. migration_report.md：迁移报告，支持人工复核；
2. candidate_patch.md：Patch 集合及功能作用；
3. full.patch：完整 Patch 包，支持回滚与对比。

迁移实战案例

首先从 https://gitcode.com/Ascend/agent-skills 完成相关 4 个 skill 的下载。

输入如下示例提示词：

请按完整迁移链路执行，并依次使用这 4 个 skill：

1. megatron-commit-tracker
2. megatron-change-analyzer
3. megatron-impact-mapper
4. megatron-migration-generator

任务目标：
分析 Megatron-LM 最近 7 天内的变更，筛出值得迁移到 MindSpeed 的特性，并生成一份迁移报告和每个特性对应的 patch，帮助开发人员快速迁移。

输入范围：

• Megatron 分支：main
• 时间范围：最近 7 天
• MindSpeed 分支：master

执行要求：

1. 先用 megatron-commit-tracker 收集并输出标准化 change-set
2. 再用 megatron-change-analyzer 将 commits 整理成 migration-relevant feature events，并输出 upstream_feature_bundles
3. 再用 megatron-impact-mapper 结合 MindSpeed 当前分支代码，输出 implementation_plan、mindspeed_context_bundles 和 patch_blueprint
4. 最后用 megatron-migration-generator 基于前面产物生成中文迁移报告和候选 patch

阶段 1：megatron-commit-tracker

获取 commit 列表：

生成的中间产物如下图：

所有指定范围的 commit 信息被归档为一个 json 文件。

阶段 2：megatron-change-analyzer

从原始 commit 中识别出 3 个高价值特性：

中间产物中 events 字段记录特性信息：包括 commit id，简要特性总结，迁移优先级，涉及更改的 Megatron 文件等。

阶段 3：megatron-impact-mapper

该阶段生成迁移 Patch 草案：

生成的中间产物如下：

阶段 4：megatron-migration-generator

生成的所有产物目录如下所示：

更多详细信息可以参考产物中 04-migration-report.md，这是最终生成的总结报告。

与传统工作流对比

对比项	传统工作流	自动流程
上游变更收集	20~40 分钟	3~5 分钟
特性筛选	30~60 分钟	5~10 分钟
上游实现理解	1~2 小时	10~20 分钟
本地落点分析	1~2 小时	10~20 分钟
首版 patch 起步	半天起步	10~20 分钟
拿到首版"迁移参考包"	3~6 小时	30~60 分钟

自动化流程有效压缩前期调研成本，使开发人员能更快进入编码与验证阶段。

总结与展望

当前，这套 Skill 体系已能高效完成"变更跟踪 → 特性筛选 → 实现规划 → 参考交付"全链路，显著提升 Megatron 到 MindSpeed 的特性迁移效率。

未来，我们将进一步优化持续适配能力：

• 抽离 MindSpeed 中最通用的 Megatron 适配逻辑，构建 MindSpeed-Adaptor 轻量级代码仓；
• 引入自动化用例，实时感知 Megatron 主线演进；
• 与现有 Skill 体系联动，形成"感知 → 分析 → 生成 → 交付"闭环链路。

通过这一演进，我们将实现从"被动响应变更"到"主动持续对齐"的跃迁，全面提升框架演进的敏捷性与可靠性。

社区共建：欢迎开发者贡献新模型支持与优化建议，共同完善昇腾生态。开源地址：https://gitcode.com/Ascend/agent-skills