把 AI4S 模型迁到昇腾 NPU，不用再翻 20 篇文档：AscendSkills 来了

weixin_45870772

93人浏览 · 2026-10-15 17:14:07

weixin_45870772 · 2026-10-15 17:14:07 发布

一个把「昇腾迁移经验」沉淀成 Skill 的开源仓库，让 Claude Code / OpenCode / Cursor / Trae / Codex 直接帮你完成从 CUDA 到 NPU 的迁移、精度对齐与性能调优。

仓库地址：https://gitcode.com/AI4Science/AscendSkills

📌 如果你的模型已经能跑、只想跑得更快，可直接跳到第七章：性能优化专题。

作者：昇腾实战派

知识地图：https://blog.csdn.net/Lumos_Lovegood/article/details/161601003

一、AI4S + 昇腾，难在哪？

做 AI for Science 的人，这两年大概率会遇到同一个场景：

论文代码 / 模型权重只有 CUDA 版本，实验室机器却换成了昇腾 910B；
torch.cuda.xxx 报一堆错，flash_attn、torch_scatter、cuequivariance 编译不过；
好不容易跑起来，精度对不上，又不知道该从哪一层开始 dump 排查；
能跑通了却慢得离谱，profiling 图看得头大，不知道瓶颈在 host、device 还是通信。

昇腾生态本身很完整，但迁移经验高度分散：散落在官方文档、issue、个人笔记和各团队的踩坑记录里。每来一个新模型，几乎都要把同样的流程再走一遍。

AscendSkills 想解决的，就是这件事：把「迁移方法论」变成 AI Agent 能直接读取、按需加载、自动执行的 Skill。

二、AscendSkills 是什么？

AscendSkills 是面向 AI4S 模型在华为昇腾 NPU 上迁移、精度对齐、性能分析与调优的能力集合。它不提供运行时框架，而是提供一整套结构化的操作知识，以 Skill 形式组织，可被多种 AI 编程工具识别和加载。

它的设计有三个关键点：

Skill 承载步骤：每个能力都是一个 SKILL.md，写清楚前置条件、操作流程、代码改法和验证标准，Agent 跟着做即可。
渐进式披露（Progressive Disclosure）：入口 skill 只做路由，把细节拆到 references/ 里，Agent 按需加载，避免一次性把上下文塞满。
多工具兼容：目录结构同时适配 Claude Code、OpenCode、Cursor、Trae、Codex 等，不绑定单一平台。

目前已覆盖 20 个 skill，横跨通用迁移、精度对齐、profiling、系统级调优、算子级优化，以及 9 个模型专属 skill 和 3 条框架路线。

三、安装：四种方式，三十秒上手

方式一：让 Agent 自己装（最省事）

把仓库地址直接发给你的 AI 编程助手：

帮我安装这个 skill 仓库：https://gitcode.com/AI4Science/AscendSkills

Agent 会自动克隆仓库，并把各 skill 目录复制到当前项目对应的 skills 路径下（Claude Code 为 .claude/skills/，OpenCode 为 .opencode/skills/，Cursor 为 .cursor/skills/）。

方式二：项目级手动安装

git clone https://gitcode.com/AI4Science/AscendSkills.git
cp -r AscendSkills/ai4s-main AscendSkills/ai4s-migration-base \
    AscendSkills/ai4s-npu-deploy-verify \
    AscendSkills/ai4s-precision-alignment \
    AscendSkills/ai4s-profiling AscendSkills/ai4s-perf-tuning \
    AscendSkills/ai4s-op-optimization AscendSkills/ai4s-biomolecular-perf \
    AscendSkills/models AscendSkills/tf-framework AscendSkills/pl-framework \
    your-project/.claude/skills/
mkdir -p your-project/.claude-plugin
cp AscendSkills/.claude-plugin/marketplace.json your-project/.claude-plugin/

方式三：只装单个子 skill

比如只想给 Boltz2 用：

git clone https://gitcode.com/AI4Science/AscendSkills.git
cp -r AscendSkills/models/boltz2 your-project/.claude/skills/

方式四：Claude Code Plugin 一键安装

claude plugin marketplace add https://gitcode.com/AI4Science/AscendSkills.git
claude plugin install ai-for-science@ascendskills-ai-for-science --scope user

四、怎么用：遇到新模型，只需要三步

AscendSkills 把整个工作流设计成一条清晰的路线，入口 skill ai4s-main 负责判断你该走哪条路：

不确定走哪条路        → ai4s-main              （路由与分流）
通用迁移 / 新模型复现  → ai4s-migration-base    （新模型首选）
部署验证并记录指标     → ai4s-npu-deploy-verify
精度对齐、dump 定位    → ai4s-precision-alignment
性能热点采集           → ai4s-profiling
系统级调优             → ai4s-perf-tuning
瓶颈定界 + 算子优化    → ai4s-op-optimization
生物分子模型级优化     → ai4s-biomolecular-perf

典型用法：你只需要对 Agent 说一句「把这个模型迁到昇腾上跑通」，ai4s-main 会先路由，ai4s-migration-base 会带着 Agent 走完整流程——环境检查、CUDA 依赖扫描、transfer_to_npu 自动注入、手动适配、分布式改造、第三方库替换、验证。跑通后，还可以让 Agent 生成这个模型专属的迁移 skill，下次直接复用。

五、Skill 总览：20 个 skill 覆盖全链路

通用迁移与工程

Skill	定位
`ai4s-main`	总入口：模型路由与任务分流
`ai4s-migration-base`	通用模型迁移与环境搭建（新模型首选）
`ai4s-npu-deploy-verify`	NPU 部署与训推验证、指标记录
`ai4s-precision-alignment`	训练 / 推理 / dump 精度对齐

性能优化

Skill	定位
`ai4s-profiling`	Profiling 采集（L0/L1/L2）与预检
`ai4s-perf-tuning`	系统级调优（流水、绑核、tcmalloc、编译优化）
`ai4s-op-optimization`	算子/API 级优化（瓶颈定界、算子融合、亲和 API 替换）
`ai4s-biomolecular-perf`	生物分子模型级优化（hoist 缓存、AiCpu 消除、gather/scatter 重写、图编译决策、bitwise 验证；含 AF3 家族专项与 lever 台账）

模型专属技能（`models/`）

模型	说明
Boltz2	蛋白质结构预测模型昇腾迁移与端到端复现
BoltzGen	生成式蛋白设计与逆折叠流程昇腾部署
DeepFRI（转 PyTorch / 保留 TF）	两种路线：TF→PyTorch 转换，或 TF 原生 NPU 迁移
DiffSBDD	结构化药物设计扩散模型昇腾迁移
GENERator	DNA 序列生成模型昇腾迁移
Goedel-Prover	基于 vLLM 的 Lean 4 自动定理证明模型昇腾迁移
OligoFormer	siRNA 效能预测模型昇腾迁移
ProteinBERT	TensorFlow/Keras 转 PyTorch 与 NPU 部署

框架路线

路线	Skill	说明
TensorFlow	`ascend-tf-community`	TF 2.x 原生昇腾部署
TF → PyTorch	`tf-to-pytorch`	TensorFlow/Keras 改写 PyTorch 通用流程
PyTorch Lightning	`ascend-pytorch-lightning`	Lightning Trainer 迁移昇腾 NPU

六、它到底帮你解决了哪些「真问题」？

迁移 AI4S 模型时最烦人的几类坑，AscendSkills 都给了成体系的处理方案。

1. CUDA API 兼容：先自动、再手动

入口处加两行就能自动映射大部分 CUDA 调用：

import torch_npu
from torch_npu.contrib import transfer_to_npu

transfer_to_npu 会自动把 torch.Tensor.cuda() → .npu()、torch.device('cuda') → 'npu'、DDP backend nccl → hccl 等。

对于它覆盖不了的场景，skill 里给出了逐个 API 的修复模板：torch.cuda.get_device_properties(...).major、torch.cuda.get_device_capability()、torch.cuda.amp、torch.cuda.mem_get_info()——全部附带 try-except 写法。

2. 第三方库：明确告诉你「不能用 wheel，必须源码编译」

这是很多人踩过的坑：torch_scatter、torch_sparse、torch_cluster 直接 pip install 预编译包，在 aarch64 + NPU 下会 ABI 不兼容。

AscendSkills 给出了两级安装策略：

优先 pip install torch_scatter --no-build-isolation（复用已安装的 torch/torch_npu 编译）；
失败后回退 git clone + setup.py bdist_wheel 源码编译。

DGL 同理，直接指向昇腾适配版 dgl-ascend 源码编译，还提醒了导入顺序必须是 torch → torch_npu → dgl。

3. 分布式：DP 必须改 DDP

昇腾 NPU 不支持 DataParallel。skill 里明确给出了 DP → DDP 的完整改法，包括 hccl backend 替换和 torchrun 启动命令。

4. 精度对齐：先确认基线，再谈对比

很多精度问题出在「拿 CPU 结果当基线」这种错误对比上。ai4s-precision-alignment 强制要求先确认官方 README / benchmark 基线，官方没给就先问清楚 GPU 基线来源，再进入训练对齐、推理对齐或 dump 排查流程。

5. 性能：告别「玄学调优」

性能是 AI4S 科研最关心的方向之一。AscendSkills 用 5 个 skill + 十余份 reference 把「从能跑到跑得快」拆成一条可执行、可复现、可回退的链路，详见下一章。

七、性能优化专题：从「能跑」到「跑得快」

科研模型往往最在意的就是性能——同样的实验，快 2 倍就能多跑一倍参数扫描。AscendSkills 把性能优化拆成 五个层次、一条主线：

采集 (ai4s-profiling)
  → 定界（host-bound / device-bound / 通信）
  → 系统级调优 (ai4s-perf-tuning)
  → 算子/API 级优化 (ai4s-op-optimization)
  → 模型级优化 (ai4s-biomolecular-perf)
  → 每项都做两级验证 + env 门控 + 负结果入档

它最重要的一个设计，是把**「先定界、再动手」写成了硬规则**：不先采 profiling、不先判断瓶颈类型，就不许改算子。

7.1 第一层：Profiling 采集（`ai4s-profiling`）

标准流程覆盖 L0 / L1 / L2 三个采集级别，以及训练、推理、多种框架的接入方式：

级别	采集内容	数据量	典型用途
L0（默认）	仅 NPU 活动，最小膨胀	小	快速定位热点、整体耗时分布
L1	CPU + NPU + 算子详情	中	分析 Cube/Vector/MatMul/Conv 算子耗时
L2	L1 + 调用栈 + 内存	大	深度分析调用链、内存瓶颈

几个很实用的细节：

默认只采 L0：用户只说「采个 profiling」时默认最小膨胀级别，只有明确要算子/调用栈/内存分析时才升级到 L1/L2，避免数据爆炸；
不要乱改业务代码：即使训练脚本里全是 cuda 字样也不需要改——自动迁移会在运行时处理，profiling 代码用 torch_npu.profiler 即可；
训练用 schedule 控步：skip_first / wait / warmup / active / repeat 五参数只采稳态的那几步，典型配置 wait=1, warmup=1, active=1, repeat=1, skip_first=20；
框架适配齐全：PyTorch Lightning 用 Callback、HuggingFace 用 TrainerCallback、DeepSpeed 只在 rank 0 采；
采集环境变量：采集前设 CPU_AFFINITY_CONF=1 与 TASK_QUEUE_ENABLE=2，让数据更接近生产环境真实表现；
GPU 对比可选：用相同 schedule 在 GPU 上采一份，直接对比同一算子的耗时分布，判断某项在 NPU 上是否低效。

配套脚本 validate_profiling_env.py 可在采集前做环境预检。

7.2 第二层：瓶颈定界——这一步决定后面所有优化的成败

AscendSkills 把性能问题定界为三类，并给出明确的判定特征：

问题类型	判定特征	优化方向
下发问题（host-bound）	timeline 中 host2device 连线呈垂直现象；freetime 占比过大（一般 >20%）	减少下发次数、减轻 host 压力
计算问题（device-bound）	timeline 呈 device-bound；某些算子明显耗时大	替换/融合低效算子、重构布局
通信问题	多卡集群下 communication 时间异常（快慢卡）或带宽偏低	通信优化、计算-通信重叠

这里的核心纪律是 regime 依赖，也是很多「抄来的优化」失效的原因：

二级流水（TASK_QUEUE_ENABLE）、绑核（CPU_AFFINITY_CONF）、tcmalloc 三项都作用于 host 侧，只有在模型已经 host-bound 时才显性生效。如果 profiling 显示 device-bound，这三项实测可能完全无效。正确顺序是：先消除 device 侧瓶颈，转 host-bound 后再启用系统级项。

实测案例：同一组三项在 device-bound 基线上全部无效；消除 device 瓶颈转为 launch-bound 后，合计约 -20%。

工具侧还串联了 msprof-analyze 做详细对比、MindStudio Insight 做可视化定界。

7.3 第三层：系统级调优（`ai4s-perf-tuning`）

这一层是「一行环境变量」级的低风险收益，适用于已能跑通的模型：

优化项	手段	适用场景	风险
流水优化	`export TASK_QUEUE_ENABLE=2`	host-bound 网络	NPU 内存峰值上升，OOM 可回退到 `1`
粗粒度绑核	`export CPU_AFFINITY_CONF=1`	CPU 瓶颈模型	需确认 NUMA 拓扑；vLLM 等框架可能负优化
细粒度绑核	`export CPU_AFFINITY_CONF=2`	CPU 瓶颈 + 核间切换	同上
tcmalloc	`LD_PRELOAD=...libtcmalloc.so`	频繁内存分配	需安装 gperftools
编译优化（进阶）	毕昇编译器 + LTO + PGO	Python / PyTorch / torch_npu	需从源码重编，耗时长

几个 AscendSkills 特别强调的「反直觉」点：

渐进式调优 + 最优子集：三项手段要逐项开启、每次只变一个配置；如果叠加后性能不升反降，就去掉该项，用剩余组合重测。实测中「流水优化 + tcmalloc」（不绑核）往往优于三项全开。
编译优化放在最后：从源码重编 Python，再按 PyTorch → torch_npu 的顺序做 LTO+PGO 两次编译（先插桩采 profile，再 -fprofile-use 正式编译），每一步都需用户确认后才执行。
专项分流：AF3 类模型这一段收益有限，会自动转入模型级优化文档；GNN/dgl-ascend 则转入图模型专项（gnn-npu-tuning.md）。

7.4 第四层：算子 / API 级优化（`ai4s-op-optimization`）

这一层做的是语义等价的代码级改写，收益往往最直观。按瓶颈类型分成两组：

device-bound（计算）——替换低效算子 / 融合计算：

优化项	改写方式	备注 / 实测
index 操作	`tensor[indices]` → `F.embedding`	底层专用高效实现
repeat_interleave	→ `repeat` / `index_select`	访存更规整
gather	`torch.gather` → 高级索引 / `index_select`	间接寻址转直接寻址
GatherV2	`npu_gather_sparse_index`（需手写反向）	规避 bank 冲突
scatter 系列	`torch_scatter` → `mx_driving`	有适用边界，见下
SwiGlu	→ `npu_swiglu`	chunk+silu+mul 三算子融合
RmsNorm	→ `npu_rms_norm`	平方/均值/开方/缩放融合
ScaledMaskedSoftmax	→ `npu_scaled_masked_softmax`	缩放+掩码+softmax 融合
Nonzero	→ `torch.isinf` + `masked_fill`	避免不规则输出
MatmulAllReduce	→ `npu_mm_all_reduce_base`	计算-通信重叠
张量布局重构	channel-first → channel-last	消除转置，某模型端到端 73.4 → 22 s/epoch（约 3×），ReduceSum 11×
优化器融合	`torch.optim.Adam` → `NpuFusedAdam`	`optimizer.step` 微基准约 4.7×
大矩阵 CSV 导出	pandas `to_csv` → `pyarrow.csv.write_csv`	6.4×；`float_format` 反而更慢

host-bound（下发）——减少下发次数 / 减轻 host 压力：

优化项	改写方式
rotary_mul 融合	→ `npu_rotary_mul` 单算子
attention 融合	多算子 → `npu_fusion_attention`（短序列先微测，可能负收益）
亲和替换	`A[:, :, None, :]` → `A.unsqueeze(2)`；transpose 后补 `contiguous()`
Linear 合并	Q/K/V 三个 Linear → 一个 3 倍宽 Linear
冗余消除	去 `.item()`、去 for 循环、矩阵化
DataLoader 线程爆炸	`worker_init_fn` + `threadpoolctl` 限制 worker 线程（CPU 占用约 -95%）
推理逐批 `empty_cache`	删除逐批全设备同步 + 逐样本模型判定后提升 batch
多 die 伪并行	分块派发改异步 `fire-and-collect`，去除逐块 D2H 同步
图编译	`torch.compile(backend=torchair)` / ACL graph（先看 Free 占比）

AscendSkills 在这里同样强调 两级验证缺一不可：先在真实 shape 上微基准（bitwise / 容差），再用同 seed 端到端配对复验。因为微基准 ≠ 端到端——实测中某 index_add_ 微基准快 56×，但整体跑零墙钟收益（不在关键路径）。

7.5 第五层：模型级优化（`ai4s-biomolecular-perf`）

生物分子 / 生命科学方向（结构预测、结构生成扩散、蛋白语言模型、GNN）有专门的模型级优化 skill，方法框架参考 Anthropic《How Claude is uplifting biomolecular modeling》，并结合昇腾 NPU 实测数据沉淀。

它先做画像定界，再按画像进入对应文档：

画像	判定特征	优化方向
跨步重复计算	多步循环内相同 (算子, shape) 反复出现，值不随步变	跨步不变量 hoist 缓存
AiCpu 回退	算子名带 `_AiCpu` 后缀，跑在单线程 CPU 核上	sort→topk、定长掩码化
索引搬运受限	index/gather/scatter 家族占比 > 40%	gather/scatter 语义等价重写
隐式同步	碎片化 freetime，代码里有 `.item()`、标量 H2D 微拷贝	去同步、缓存标量
CPU 流水/图构建	NPU 很快但整跑被 CPU 段吃掉	numpy 边数组、COO→CSR、gc 收敛
死计算	结果恒定/与输入无关的计算仍被执行	跳过退化计算
图编译诱惑	想用 torch.compile 消小算子长尾	先看 Free 占比，低时大概率负收益
AF3 家族	AF3/Protenix/boltz/chai/openfold3…	专项手册：attention/QKV/布局/采样改写

实测收益（数据来自仓库内 reference）：

RFD3（结构扩散）端到端 2.66×，全程 bitwise 保持：stock 156.4 s → 58.9 s。画像显示 Computing 92% / Free 8%，其中 index/gather 家族约占 62.9%，Index_AiCpu 一项就占 16.8%（单线程 CPU 核回退）。手段是 hoist 缓存 + 索引预建 + sort→topk + AiCpu 消除 + gather/scatter 重写。
某异构图模型：图构建 502 → 160 s（3.1×）：numpy 边数组替代 .tolist() + gc 收敛，整跑 -10.1%，精度 4.27e-8 不变。
某异构图模型：CPU 稀疏 SpMM（COO→CSR）401 → 44 s（9.1×）：整跑 -21.8%，精度不变。
还沉淀了 36 个 Anthropic kit 的 lever 台账 × 跨模型可移植性矩阵，回答「哪类手段该去哪个模型上试」。

验证纪律（这套方法最值得学习的地方）：

两级验证：真实 shape 微基准 → 同 seed 端到端配对；
env 门控：每项优化挂在环境开关下（如 RFD3_HOIST_NPU，0 可完整还原 stock 路径），保证可 A/B、可回退、可逐项归因；
生成式模型的终审是轨迹配对：单点误差经多步扩散混沌放大后会产出不同设计，所以 RFD3 做了 9 组交叉对拍，8/8 设计均为 0 Å；
负结果同样入档：例如 torchair/GE 图编译在 Free 仅 8% 的画像下，稳态反而慢 3.3× ——把量化数据记下来，防止下次重复踩坑。

7.6 一句话总结这条性能链路

先采集、再定界；先 device、后 host；先微基准、后端到端；每项 env 门控、逐项验证、负结果入档。

这套纪律让性能优化从「凭经验试」变成了可测量、可复现、可回退的工程流程——这正是科研模型最需要的。

八、一个真实例子：用 AscendSkills 迁移 Boltz2

以热门蛋白质结构预测模型 Boltz2 为例，它的专属 skill 把整条链路写得清清楚楚：

环境：Ascend 910/910B/910C，CANN 8.2.RC1，torch / torch_npu 2.5.1，Python 3.11；
权重准备：~/.boltz/ 下放置 boltz2_conf.ckpt、boltz2_aff.ckpt、ccd.pkl、mols.tar 等，并附检查脚本；
源码迁移：入口注入 transfer_to_npu；修复 major 属性；为 CUDA-only kernel（cuequivariance_torch 的 triangle attention / triangular mult）提供 NPU 等价实现并做设备分发；
Lightning 适配：注册 npu accelerator，处理 bf16-mixed 精度插件；
验收：boltz predict 跑通，Number of failed examples: 0，输出 CIF + pLDDT + PAE + PDE + confidence 文件。

每一步都有可直接复制的代码和命令，还有 4 条明确的「复现完成判定标准」。同一个流程，也适用于该仓库里其他 8 个模型。

九、为什么值得用（而不是每次重新问 AI）？

经验被固化：这些坑是真实迁移过程中踩出来的，写进了 skill，不再依赖某个人的记忆；
按需加载：渐进式披露让 Agent 不会被无关上下文淹没，回答更聚焦；
可复现：环境版本、命令、验证标准都写死，换台机器、换个 Agent 也能重来一遍；
可扩展：迁移完新模型，让 Agent 按统一格式生成专属 skill，经验就沉淀进了仓库。

十、一起贡献

仓库按 <分类目录>/<skill 名>/ 组织，每个 skill 一个目录，入口是 SKILL.md，配套内容放 references/、scripts/。

新增一个 skill 只需要四步：

新建 <分类目录>/<skill 名>/SKILL.md，frontmatter 至少包含 name、description、keywords；
参考文档、脚本放入 references/、scripts/；
若需要参与路由，在 ai4s-main/SKILL.md 的路线表补充入口；
在 .claude-plugin/marketplace.json 注册路径，并同步更新 README。

无论你是迁移了新的 AI4S 模型，还是发现了更优雅的算子替换方案，都欢迎提 PR 把它沉淀下来。

提交前记得按仓库校验清单检查：frontmatter 必填字段、Markdown 相对链接、marketplace 注册一致性、README 与实际目录同步。

十一、开始使用

git clone https://gitcode.com/AI4Science/AscendSkills.git

或者，直接把这句话丢给你的 AI 编程助手：

帮我安装这个 skill 仓库：https://gitcode.com/AI4Science/AscendSkills

然后就可以开始了：

帮我把 XXX 模型迁移到昇腾 NPU 上，跑通推理并验证精度。

仓库地址：https://gitcode.com/AI4Science/AscendSkills

如果它对你有帮助，欢迎 Star、Fork，也欢迎把你的迁移经验贡献回来——让下一个做 AI4S 的人，少踩一个坑。

鲲鹏昇腾开发者社区是面向全社会开放的“联接全球计算开发者，聚合华为+生态”的社区，内容涵盖鲲鹏、昇腾资源，帮助开发者快速获取所需的知识、经验、软件、工具、算力，支撑开发者易学、好用、成功，成为核心开发者。

更多推荐

数据分析（数据排序）

鲲鹏昇腾开发者社区

NineData 云原生智能数据管理平台适配 Vastbase G100，支撑国产数据库研发与迁移落地

鲲鹏昇腾开发者社区

智慧校园管理系统与瑞通系统的功能差异对比

鲲鹏昇腾开发者社区

所有评论(0)

查看更多评论

weixin_45870772

@weixin_45870772

已为社区贡献6条内容

把 AI4S 模型迁到昇腾 NPU，不用再翻 20 篇文档：AscendSkills 来了

weixin_45870772

一、AI4S + 昇腾，难在哪？

二、AscendSkills 是什么？

三、安装：四种方式，三十秒上手

方式一：让 Agent 自己装（最省事）

方式二：项目级手动安装

方式三：只装单个子 skill

方式四：Claude Code Plugin 一键安装

四、怎么用：遇到新模型，只需要三步

五、Skill 总览：20 个 skill 覆盖全链路

通用迁移与工程

性能优化

模型专属技能（models/）

框架路线

六、它到底帮你解决了哪些「真问题」？

1. CUDA API 兼容：先自动、再手动

2. 第三方库：明确告诉你「不能用 wheel，必须源码编译」

3. 分布式：DP 必须改 DDP

4. 精度对齐：先确认基线，再谈对比

5. 性能：告别「玄学调优」

七、性能优化专题：从「能跑」到「跑得快」

7.1 第一层：Profiling 采集（ai4s-profiling）

7.2 第二层：瓶颈定界——这一步决定后面所有优化的成败

7.3 第三层：系统级调优（ai4s-perf-tuning）

7.4 第四层：算子 / API 级优化（ai4s-op-optimization）

7.5 第五层：模型级优化（ai4s-biomolecular-perf）

7.6 一句话总结这条性能链路

八、一个真实例子：用 AscendSkills 迁移 Boltz2

九、为什么值得用（而不是每次重新问 AI）？

十、一起贡献

十一、开始使用

所有评论(0)

温馨提示：您尚未绑定手机号

weixin_45870772

模型专属技能（`models/`）

7.1 第一层：Profiling 采集（`ai4s-profiling`）

7.3 第三层：系统级调优（`ai4s-perf-tuning`）

7.4 第四层：算子 / API 级优化（`ai4s-op-optimization`）

7.5 第五层：模型级优化（`ai4s-biomolecular-perf`）