feat(profiling): add compute-bound Roofline check to profiling-analysis

.claude-plugin/marketplace.json

@@ -432,6 +432,7 @@
         "./skills/profiling/profiling-analysis/profiling-analysis-hostbound",
         "./skills/profiling/profiling-analysis/profiling-analysis-computing",
         "./skills/profiling/profiling-analysis/profiling-analysis-communication",
+        "./skills/profiling/profiling-analysis/profiling-analysis-roofline",
         "./skills/profiling/mindspeed-llm-train-profiler",
         "./skills/profiling/mindspeed-mm-train-profiler",
         "./skills/profiling/pytorch-profiling-collection",
@@ -658,7 +659,8 @@
         "./skills/profiling/profiling-analysis",
         "./skills/profiling/profiling-analysis/profiling-analysis-hostbound",
         "./skills/profiling/profiling-analysis/profiling-analysis-computing",
-        "./skills/profiling/profiling-analysis/profiling-analysis-communication"
+        "./skills/profiling/profiling-analysis/profiling-analysis-communication",
+        "./skills/profiling/profiling-analysis/profiling-analysis-roofline"
       ],
       "category": "profiling",
       "categories": [

README.md

@@ -145,7 +145,7 @@ npx skills add https://github.com/ascend-ai-coding/awesome-ascend-skills -s '*'
 
 `ascend-profiling` 和 `ascend-ops` 的区别：
 
-- 选 `ascend-profiling`：你已经有模型/训练任务，重点是**采集 Profiling、定位性能瓶颈、分析 hostbound / computing / communication**。
+- 选 `ascend-profiling`：你已经有模型/训练任务，重点是**采集 Profiling、定位性能瓶颈、分析 hostbound / computing / communication / roofline**。
 - 选 `ascend-ops`：你要做的是**算子开发、算子迁移、op-plugin 接入、Triton-Ascend 改写或算子级调优**。
 
 ### 领域技能包

skills/profiling/README.md

@@ -4,7 +4,7 @@
 
 当前 `skills/profiling/` 已承载真实 skill 目录；请按下面链接进入对应 skill 开发：
 
-- [`profiling-analysis/`](profiling-analysis/)：hostbound / computing / communication 分析
+- [`profiling-analysis/`](profiling-analysis/)：hostbound / computing / communication / roofline 分析
 - [`mindspeed-llm-train-profiler/`](mindspeed-llm-train-profiler/)：MindSpeed-LLM 训练 Profiling 采集
 - [`mindspeed-mm-train-profiler/`](mindspeed-mm-train-profiler/)：MindSpeed-MM 多模态训练 Profiling 采集
 - [`pytorch-profiling-collection/`](pytorch-profiling-collection/)：基于 torch_npu.profiler 的通用训练/推理脚本 Profiling 采集（非 MindSpeed 场景）

skills/profiling/profiling-analysis/SKILL.md

@@ -119,6 +119,9 @@ profiling-analysis 技能通过以下流程自动完成性能分析：
 
 # 分析下发瓶颈
 调用 skill "profiling-analysis-hostbound" 分析 "input_path" 中的Host侧问题
+
+# 算力瓶颈 Roofline 核对
+调用 skill "profiling-analysis-roofline" 分析 "kernel_details.csv"（需提供 NPU 峰值算力与带宽）
 ```
 
 ## 子技能介绍
@@ -131,6 +134,7 @@ profiling-analysis 包含以下子技能，用于不同类型的性能分析。
 | **profiling-analysis-computing(.\profiling-analysis-computing\SKILL.md)** | 计算瓶颈分析，包含：<br>- 高耗时算子筛选（Top-N算子）<br>- 算子性能数据透视表分析<br>- 关键算子（如MatMul系列）形状解析与优化建议 | 计算占比过高时，深入分析具体的高耗时算子及其性能特征 |
 | **profiling-analysis-communication(.\profiling-analysis-communication\SKILL.md)** | 通信瓶颈分析，分析集合通信性能 | 通信占比过高时，分析通信操作的性能 |
 | **profiling-analysis-hostbound(.\profiling-analysis-hostbound\SKILL.md)** | 下发瓶颈分析，分析Host侧性能问题 | 空闲占比过高时，分析Host侧的下发问题 |
+| **profiling-analysis-roofline(.\profiling-analysis-roofline\SKILL.md)** | 算力瓶颈 Roofline 核对：对 aic_mac_ratio≥80% 算子比较理论/实际耗时，并给出是否需优化建议 | 需要判断算力瓶颈算子是否打满峰值、是否值得做单 kernel 优化时 |
 
 ## 支持的数据格式
 

skills/profiling/profiling-analysis/profiling-analysis-roofline/SKILL.md

@@ -0,0 +1,78 @@
+---
+name: profiling-analysis-roofline
+description: 对 Ascend profiler 的 kernel_details.csv 做算力瓶颈 Roofline 核对：筛选 aic_mac_ratio≥80% 的算子，比较理论耗时与实际耗时，判断是否需要优化并给出排查方向。当用户提到 Roofline、aic_mac_ratio、理论耗时、算力瓶颈核对、kernel_details 峰值对比时使用。
+keywords:
+    - profiling
+    - Roofline
+    - aic_mac_ratio
+    - 算力瓶颈
+    - 理论耗时
+    - kernel_details
+---
+
+# Profiling 算力瓶颈 Roofline 核对 Skill
+
+对 `kernel_details.csv` 中 `aic_mac_ratio≥80%` 的算子，按 NPU 峰值算力与带宽计算理论耗时，并与实际耗时对比，给出是否需要优化及初步排查方向。
+
+本 Skill 与 `profiling-analysis-computing` 同级、相互独立：计算瓶颈透视/形状解析仍用 computing；本 Skill 专注 Roofline 理论/实际核对。
+
+## 需要的输入
+
+缺一不可；缺失时先向用户询问，不要默认猜测：
+
+1. `kernel_details.csv` 路径，或含该文件的 profiling 根目录（需含 `aic_mac_ratio` 列）
+2. NPU 算力（TFLOPS）：填 **FP16/BF16 Cube 峰值**
+3. 内存带宽：默认按 **GB/s** 解释 `--bandwidth`；`1.2 TB/s` 写作 `--bandwidth 1.2 --bw-unit TB/s`，或 `--bandwidth 1200`
+
+可选：`--mac-threshold`（默认 0.80）、`--top`、`--output-path` / `--out`、`--int8-scale`（默认 2）
+
+## 脚本
+
+- `scripts/kernel_roofline_compute_check.py`：分析入口
+- `reference/kernel_roofline_compute_check.md`：口径、判据与排查方向
+
+## 使用方式
+
+```bash
+python scripts/kernel_roofline_compute_check.py \
+  --input-path <profiling根目录> \
+  --flops <TFLOPS> --bandwidth 1.2 --bw-unit TB/s \
+  --output-path <输出目录>
+```
+
+或直接指定 CSV：
+
+```bash
+python scripts/kernel_roofline_compute_check.py \
+  --csv <path>/kernel_details.csv \
+  --flops <TFLOPS> --bandwidth 1200 \
+  --out <输出目录>/kernel_roofline_compute_check.csv
+```
+
+自检：
+
+```bash
+python scripts/kernel_roofline_compute_check.py --self-test
+```
+
+## 分析口径（摘要）
+
+- 理论耗时 = `max(FLOPs/算力, Bytes/带宽)`；效率 = 理论/实际
+- 默认只分析 `aic_mac_ratio≥80%`
+- 可建模：MatMul 系、QuantBatchMatmul、TransposeBatchMatMul、GroupedMatmul/SwigluQuant、Compressor、SparseAttn、HcPre/HcPost 等
+
+## 是否需要优化（摘要）
+
+| 效率 | 判断 |
+|------|------|
+| 80%～120% | 暂不优先优化 kernel（Cube 已接近峰值） |
+| 40%～70% | 建议优化 |
+| <40% | 需要优化 |
+| >150% | 模型高估，不据此排序 |
+
+详细判据与排查方向见 [算力瓶颈 Roofline 核对](./reference/kernel_roofline_compute_check.md)。
+
+## 输出
+
+- 终端报告：总体概况、按类型汇总、Top 明细、是否需优化摘要、初步排查方向
+- CSV（可选）：`kernel_roofline_compute_check.csv`

skills/profiling/profiling-analysis/profiling-analysis-roofline/reference/kernel_roofline_compute_check.md

@@ -0,0 +1,32 @@
+# 算力瓶颈算子 Roofline 核对
+
+对 `kernel_details.csv` 中 `aic_mac_ratio≥80%` 的算子比较理论耗时与实际耗时，判断是否需优化。
+
+## 输入与命令
+
+必填：`--flops`（FP16/BF16 Cube TFLOPS）、`--bandwidth`（配合 `--bw-unit`）。缺失时先询问用户，不要猜测。
+
+```bash
+python scripts/kernel_roofline_compute_check.py --input-path <profiling根目录> \
+  --flops <TFLOPS> --bandwidth 1.2 --bw-unit TB/s --output-path <输出目录>
+# 或 --csv <kernel_details.csv> --bandwidth 1200 --out <明细.csv>
+```
+
+## 口径
+
+- 理论耗时 = `max(FLOPs/算力, Bytes/带宽)`；效率 = 理论/实际
+- 默认过滤 `aic_mac_ratio≥0.80`（`--mac-threshold` 可调）
+- INT8/FP8 Cube 默认 `--int8-scale 2`
+- 可建模：MatMul 系、QuantBatchMatmul、TransposeBatchMatMul、GroupedMatmul/SwigluQuant（含 ceiling）、Compressor、SparseAttn、HcPre/HcPost、Scatter 等；Metadata/Indexer 等标未建模
+
+## 是否需要优化
+
+| 效率 | 判断 | 方向 |
+|------|------|------|
+| 80%～120% | 暂不优先优化 kernel | 图级融合/合批/减调用/算法降算量 |
+| 70%～80% | 可选优化 | 核对合批与精度路径 |
+| 40%～70% | 建议优化 | M/N/K、合批、库路径、tiling |
+| <40% | 需要优化 | 同上，优先浪费最大的 Type |
+| >150% | 不据此优化 | 模型高估 |
+
+单次 Duration&lt;10us 的低效率常为 launch 开销。输出含终端报告与可选 `kernel_roofline_compute_check.csv`。