ascendc-operator-project-init（ascendc 运算符项目初始化）

AscendC 算子工程初始化

Skill类型：流程导向型（多阶段工作流，阶段检查点）

快速创建 Ascend-Kernel 算子工程，所有算子统一生成在 csrc/ops 目录下，并保证后续可直接进入设计/编码/编译测试阶段。

核心原则

1. 单一目录：所有算子统一生成在 csrc/ops 目录下
2. 安全优先：自动检查目录是否存在，避免覆盖现有文件
3. 命名规范：严格要求snake_case命名格式
4. 项目检测：优先使用现有ascend-kernel项目，不存在则复制模板
5. 结果可验证：输出目录结构、注册变更点、构建测试命令
6. 防坑内建：显式提示 CMake 三处更新、EXEC_KERNEL_CMD 左值要求、环境依赖

工作流程

digraph project_init {
    rankdir=TB;
    node [shape=box];

    start [label="用户请求创建算子" shape=ellipse];
    detect_ascend_kernel [label="检测ascend-kernel项目是否存在" shape=diamond];
    detect_ops [label="检测csrc/ops/目录是否存在" shape=diamond];
    copy_template [label="复制ascend-kernel项目模板到当前目录"];
    create_ops_dir [label="创建csrc/ops目录"];
    collect [label="收集算子信息"];
    check_path [label="检查目标算子路径是否存在" shape=diamond];
    show_exists [label="提示路径已存在，询问是否更换"];
    show_result [label="展示目录结构和下一步指引"];

    start -> detect_ascend_kernel;
    detect_ascend_kernel -> detect_ops [label="存在"];
    detect_ascend_kernel -> copy_template [label="不存在"];
    copy_template -> collect;
    detect_ops -> collect [label="存在ops/"];
    detect_ops -> create_ops_dir [label="不存在ops/"];
    create_ops_dir -> collect;
    collect -> check_path;
    check_path -> show_exists [label="存在"];
    show_exists -> collect [label="更换名称"];
    check_path -> show_result [label="不存在"];
}

反模式清单（NEVER DO THESE）

• ❌ 不要在非csrc/ops目录下生成算子
• ❌ 不要覆盖已存在的算子目录
• ❌ 不要使用除snake_case外的其他命名格式
• ❌ 不要跳过目录存在性检查
• ❌ 不要只创建算子目录而不创建 op_host/ 和 op_kernel/
• ❌ 不要忘记更新 ops.h、register.cpp、csrc/CMakeLists.txt（三处）
• ❌ 不要在 EXEC_KERNEL_CMD 中直接传右值临时变量
• ❌ 不要使用 ACLNN 作为新算子实现路径

步骤1：检测并初始化Ascend-Kernel项目

1.1 检测Ascend-Kernel项目位置

检测策略：

1. 检查当前目录是否为ascend-kernel项目（包含build.sh、CMakeLists.txt、csrc/）
2. 检查当前目录下的ascend-kernel子目录
3. 检查一级子目录中的ascend-kernel项目

执行命令：

bash <skill_dir>/scripts/detect_ascend_kernel_project.sh

1.2 处理检测结果

1.3 复制项目模板（如果需要）

执行命令：

cp -r "<skill_dir>/templates/ascend-kernel" ./ascend-kernel
chmod +x ./ascend-kernel/build.sh

重要：复制后必须 chmod +x build.sh，否则编译时会报 Permission denied。

验证：确认ascend-kernel目录包含：

• build.sh（且有执行权限）
• CMakeLists.txt
• csrc/ 目录

步骤2：收集算子信息（最小必填）

必须确认的信息：

确认信息：

=== Ascend-Kernel算子信息 ===
算子名称: <op_name>
生成路径: <ascend_kernel_path>/csrc/ops/<op_name>

确认创建？[Y/n]

步骤3：检查前置条件

1. 确认在ascend-kernel项目根目录下（build.sh存在且有执行权限）
2. 确认csrc/ops/目录存在（不存在则创建 mkdir -p csrc/ops）
3. 确认目标目录 csrc/ops/<op_name> 不存在

步骤4：创建算子骨架

创建目录：

mkdir -p csrc/ops/<op_name>/op_host csrc/ops/<op_name>/op_kernel

在 csrc/ops/<op_name>/ 下创建以下文件：

csrc/ops/<op_name>/
├── CMakeLists.txt
├── design.md                  # 设计文档占位（由 design skill 填充）
├── op_host/
│   └── <op_name>.cpp          # Host 占位（由 code-gen skill 替换）
└── op_kernel/
    └── <op_name>.cpp          # Kernel 占位（由 code-gen skill 替换）

4.1 文件内容最小模板

1. CMakeLists.txt

ascendc_add_operator(OP_NAME <op_name>)

1. op_host/<op_name>.cpp

• 包含 BSD 3-Clause 头
• include torch_kernel_helper.h
• include aclrtlaunch_<op_name>.h
• 提供 namespace ascend_kernel {at::Tensor <op_name>(...) {...}} 占位

1. op_kernel/<op_name>.cpp

• 包含 BSD 3-Clause 头
• include kernel_operator.h
• 提供 extern "C" __global__ __aicore__ void <op_name>(...) 占位

步骤5：注册提醒（必须执行但不在本 skill 自动改代码）

初始化完成后，明确提示用户/后续 skill 更新以下三处：

1. csrc/ops.h：添加函数声明
2. csrc/register.cpp：添加 m.def 与 m.impl
3. csrc/CMakeLists.txt：

- OP_SRCS 添加 host 文件 - ascendc_library(...) 添加 kernel 文件 - 若模板中存在同名 ACLNN 封装，必须移除对应 aclnn/<op>.cpp

说明：这是实战最高频遗漏点，必须在初始化阶段提前提示。

步骤6：展示项目结构与下一步

提示用户：

Ascend-Kernel项目初始化成功！

项目结构:
<ascend_kernel_path>/
├── build.sh                    # 构建脚本
├── CMakeLists.txt              # CMake配置
├── csrc/
│   ├── ops/                    # 算子目录
│   ├── aclnn/                  # ACLNN算子封装
│   ├── utils/                  # 工具类
│   ├── ops.h                   # 算子声明
│   └── register.cpp            # 算子注册
├── python/                     # Python包
└── tests/                      # 测试用例

下一步操作：
 调用 ascendc-operator-design skill 完成设计文档

注意事项

• 算子名称只能包含字母、数字和下划线
• 系统会自动检查目录是否存在，避免覆盖
• 如果当前目录没有ascend-kernel项目，系统会自动复制模板
• 新算子必须使用 AscendC 路径，禁止 ACLNN 实现路径
• EXEC_KERNEL_CMD 参数必须是左值；如 double 先转 float 局部变量再传
• 测试基线建议以 PyTorch 参考实现为准，CPU 不支持的 dtype（如部分 fp16 pooling）需转 float32 对比

交付标准（DoD）

完成本 skill 后，至少应满足：

• 已定位或创建 ascend-kernel 项目
• 已创建 csrc/ops/<op_name>/ 标准骨架
• 已明确三处注册更新点（ops.h / register.cpp / csrc/CMakeLists.txt）
• 已给出可执行的构建、安装、测试命令
• 已提示关键防坑项（环境、左值参数、CMake 三处更新）