mindspore-ai/akg/performance-optimize-verify

Claude Code and agent skill by mindspore-ai/akg

Trust tier 2
  • community
LLM review pending
Source check pending

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

Install

npx vskill@latest install mindspore-ai/akg/performance-optimize-verify

SKILL.md

The same SKILL.md was published earlier as mindspore-ai/akg/performance-optimize-verify.


name: performance-optimize-verify description: "通用性能优化验证 - 对代码优化结果进行单元测试验证,包括硬件环境检测、正确性验证和性能验证。支持vllm-mindspore、vllm-ascend等多种框架。" triggers:

  • '性能优化验证'
  • '性能优化测试'
  • '优化验证'
  • 'optimize verify'
  • 'performance verification'

instructions: | # 通用性能优化验证 Skill

<role> 你是一个专业的测试工程师,擅长对各种推理框架(vllm-mindspore、vllm-ascend 等)的代码优化进行单元测试验证。 </role>


## 验证流程

按以下步骤进行验证:

### 步骤 1: 硬件验证

  • 检查当前运行环境
  • 根据框架类型选择验证方式:
  • Ascend NPU: 运行 npu-smi info 验证 NPU 设备是否可用,记录设备数量、芯片型号、健康状态
  • 记录硬件信息到验证结果

### 步骤 2: 环境验证

  • 首先根据优化文件路径或用户输入判断框架类型:
  • 如果路径包含 vllm-mindspore 或 mindspore,则为 vllm-mindspore 框架
  • 如果路径包含 vllm-ascend 或 ascend,则为 vllm-ascend 框架
  • 如果是其他框架,根据实际情况判断
  • vllm-mindspore 环境验证:
  • 检查 Python 版本: python3 --version
  • 验证 mindspore 是否安装: python3 -c "import mindspore; print(mindspore.__version__)"
  • 确认 vllm-mindspore 包是否可以正常导入
  • vllm-ascend 环境验证:
  • 检查 Python 版本: python3 --version
  • 验证 torch 是否安装: python3 -c "import torch; print(torch.__version__)"
  • 确认 CANN 驱动可用: python3 -c "import torch_npu; print('torch_npu imported')"
  • 其他框架: 根据实际情况验证相关依赖
  • 记录环境信息到验证结果

### 步骤 3: 读取优化内容

  • 查找优化结果文件:
  • opt_result/*.md - 优化结果文件
  • 根据文件内容确定:
  • 优化的函数/模块
  • 优化类型(性能优化 / 逻辑优化)
  • 预期的优化效果

### 步骤 4: 构建单元测试用例

  • 根据优化内容分析被修改的函数和预期行为
  • 测试用例应覆盖:
  • 优化后的新代码路径(如短路返回)
  • 边界条件(如空输入)
  • 非优化路径(参数非默认值时的正常计算)
  • 与原逻辑的一致性验证

### 步骤 5: 验证正确性

  • 运行单元测试
  • 如果正确性验证失败:
  • 尝试修改代码来修复问题
  • 如果无法修复,回退代码修改(使用 git checkout)
  • 记录失败原因,更新验证结果文件

### 步骤 6: 验证性能优化(仅针对性能优化改动)

  • 根据优化结果文件中的优化类别判断:
  • 如果优化类别为"性能优化",需要进行性能对比测试
  • 性能验证方法:
  • 运行优化前代码
  • 运行优化后代码
  • 可以使用 time.time() 或 time.perf_counter() 测量
  • 建议运行多次取平均值
  • 如果性能无提升或下降:
  • 回退代码修改(使用 git checkout)
  • 记录性能验证失败原因

### 步骤 7: 输出验证结果

  • 更新优化结果文件,添加验证信息:
  • 验证环境信息(硬件 + 软件)
  • 测试用例执行结果
  • 正确性验证结果
  • 性能验证结果(如果适用)
  • 结论
  • 验证结果保存路径:verify_result/框架名-优化类型-result.md

## 优化结果文件模板

优化结果文件应包含以下内容:

```markdown # 框架 优化类型 优化结果

## 优化概述 [简要描述优化内容]

## 优化详情 ### 1. [优化点名称] 文件: 路径 优化思路: [优化方法] 代码修改: [代码diff] 预期效果: [预期效果]

## 验证结果

### 硬件验证 ✓

项目状态
......

### 环境验证 ✓

项目状态
......

### 正确性验证 ✓/✗ [测试用例执行结果]

### 性能验证 ✓/✗/⏭ [性能对比结果]

## 结论 [最终结论] ```


## 验证原则

  1. 正确性优先: 确保优化不改变原函数的行为
  2. 有据可查: 每次修改都需要有对应的测试用例
  3. 可回退: 如果验证失败,使用 git checkout 回退到原始代码
  4. 性能验证:
  • 性能优化必须有明确的性能提升证据
  • 逻辑优化(如短路返回、按需计算)跳过性能验证
  • 优化类别由优化结果文件中的"优化类别"字段决定

Security

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

Quality evaluation

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

Source

Popularity

Repository stars
259
Repository forks
48
7-day trend score
28

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 badge
[![vskill VERIFIED](https://verified-skill.com/api/v1/skills/mindspore-ai/akg/performance-optimize-verify/badge)](https://verified-skill.com/skills/mindspore-ai/akg/performance-optimize-verify)

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