hw-native-sys/pto-isa/pto-comm-performance-optimization

Name: pto-comm-performance-optimization
Author: hw-native-sys

Claude Code and agent skill by hw-native-sys/pto-isa

Trust tier 2

community

LLM review pending

By hw-native-sys
Coding
hw-native-sys/pto-isa
agents/skills/pto-comm-performance-optimization/SKILL.md
Updated 23 Sep 2026
Version 1.0.01 version recorded

Source check pending

Checking that the SKILL.md file is still in the repository.

PTO-COMM 通信算子性能优化方法论与实战技巧。涵盖通算重叠（Overlap）、乒乓双缓冲、多 Block 负载均衡、同步开销优化、数据布局优化、Tile 大小选择、带宽利用率分析、性能建模与 Profiling 方法等。触发：需要优化 PTO-COMM 通信算子性能、分析通信瓶颈、提升带宽利用率、设计通算重叠策略时。

Install

npx vskill@latest install hw-native-sys/pto-isa/pto-comm-performance-optimization

SKILL.md

PTO-COMM 通信算子性能优化指南

定位

本 Skill 是知识库型 + 方法论型 Skill，提供 PTO-COMM 通信算子性能优化的系统方法、关键技巧和分析工具。

性能优化哲学

核心原则

隐藏延迟：将通信延迟隐藏在计算中（通算重叠）
最大化带宽：让硬件通信通路保持满载（流水线、大块传输）
消除瓶颈：识别并消除负载不均衡和同步等待

性能上界

总时间 ≥ max(计算时间, 通信时间, 同步开销)
 
通信时间 = 数据量 / 链路带宽
计算时间 = 计算量 / 计算峰值
同步开销 = 信号轮次 × 单次同步延迟

理想状态：通信完全隐藏在计算中，总时间 ≈ 计算时间。

优化优先级

1. 算法选择（O(N) 级影响）
   └── Ring vs Mesh vs 内置集合通信
2. 通算重叠策略（2x+ 级影响）
   └── 双 stream、队列调度、分块粒度
3. 数据搬运优化（1.5x 级影响）
   └── 乒乓双缓冲、Tile 大小、对齐
4. 同步优化（1.1~1.3x 级影响）
   └── barrier 合并、信号压缩、block 角色优化

各优化维度详解

维度	详细文档
通算重叠（Overlap）设计	通算重叠详解
乒乓双缓冲与 Tile 选择	数据搬运优化
同步开销优化与算法选择	同步与算法优化
性能建模、Profiling 与迭代	性能分析方法

优化决策快速参考

场景决策表

场景	首要优化	参考
通信时间 > 计算时间	增大计算粒度 / 减少通信量	overlap-design.md
计算时间 > 通信时间	通信已被隐藏，优化计算本身	—
Overlap 效率 < 80%	检查分块粒度、队列空转、Block 均衡	overlap-design.md
带宽利用率 < 60%	增大 Tile、使用乒乓、检查对齐	data-transfer-optimization.md
多次 Barrier 开销高	合并 RS+Reduce 为 AtomicAdd	sync-algorithm-optimization.md
首次运行慢	Warmup 排除首次开销	profiling-methodology.md

重叠效率度量

重叠效率 = 1 - (实际总时间 - max(T_comp, T_comm)) / min(T_comp, T_comm)
 
100% = 完美重叠，总时间 = max(T_comp, T_comm)
  0% = 无重叠，总时间 = T_comp + T_comm

优化检查清单

通算重叠

[ ] 计算和通信使用不同 Stream
[ ] 计算完成即入队（不等待全部完成）
[ ] 通信 kernel 使用 TTEST 轮询（非 TWAIT 阻塞）
[ ] 分块粒度适当（计算第一个 Tile 前通信有事做）
[ ] 测量并报告 overlap 效率

数据搬运

[ ] 大量小块使用乒乓双缓冲
[ ] Tile 大小充分利用 UB 空间
[ ] GM 数据 32B 对齐
[ ] 异步传输使用一维连续布局

同步优化

[ ] RS + Reduce 融合为 AtomicAdd（减少一次 barrier）
[ ] 跨 rank 信号仅 block 0 执行，其他 block 等本地标志
[ ] 避免不必要的 pipe_barrier
[ ] 使用 TTEST 替代 dcci + 软件轮询

负载均衡

[ ] AG 阶段使用 row-level 均分
[ ] RS 阶段队列分配均匀
[ ] Block 数量与硬件资源匹配

算法层面

[ ] AllReduce 分解为 RS + AG（消除 root 瓶颈）
[ ] 数据量大时使用 P2P 组合而非内置集合通信
[ ] FP16 AtomicAdd 精度可接受，否则改为独立 Reduce

Security

Security scanPassed, 100 of 100Pattern checks on the skill's files.
Model reviewNot runA model review is scheduled for the next rescan.

See the full security report

Quality evaluation

Task evaluationNot runNo evaluation yet. Run one in Skill Studio.

See evaluation results

Source

SKILL.md in the repositoryCheckingagents/skills/pto-comm-performance-optimization/SKILL.md

Popularity

Repository stars: 58
Repository forks: 40
7-day trend score: 20

Stars and forks are for the whole GitHub repository, not this skill alone. Not refreshed yet.

Works with

Any agent vskill installs to: 56 targets in all. These 39 have a page on this site.

Claude Code
Cursor
GitHub Copilot
Windsurf
Codex
Gemini CLI
Cline
Amp
Roo Code
Goose
Continue
Kilo Code
Junie
Trae
OpenHands
Qwen Code
AI Agent
Tabnine Chat
Sourcegraph Cody
Amazon Q
Firebase Genkit
Sweep
Devin
Phind
Mentat
Claude Desktop
Aider
GPT Pilot
Plandex
bolt.new
v0
Replit Agent
Anse
TypingMind
BetterChatGPT
LibreChat
Warp AI
Pieces
Fig AI

Embed badge

[![vskill VERIFIED](https://verified-skill.com/api/v1/skills/hw-native-sys/pto-isa/pto-comm-performance-optimization/badge)](https://verified-skill.com/skills/hw-native-sys/pto-isa/pto-comm-performance-optimization)

Something wrong with this skill or its page? Tell us.

Skill	用途
`pto-comm-isa-reference`	指令签名与约束速查
`pto-comm-operator-develop`	通信算子开发流程
`pto-comm-testing-debug`	测试与调试方法
`vector-fusion-operator-generate`	向量融合算子开发