CANN graph-autofusion 的 SK 算子流水线路由规则详解从主入口到子 skill 的智能分发【免费下载链接】graph-autofusionGraph-autofusion 是一个面向昇腾Ascend芯片的轻量级、解耦式组件集合旨在通过自动融合技术加速模型执行。 目前已开源 SuperKernel 组件和 Autofuse 组件未来将持续开放更多自动融合相关模块。项目地址: https://gitcode.com/cann/graph-autofusion导读本文围绕 CANN graph-autofusion 开源仓库中 SuperKernel 组件配套的sk-operator-pipeline内置 skill 的 路由规则文档系统拆解 SKSuperKernel算子适配主流水线的入口职责、路由表设计、关键词匹配实现以及当前能力缺口。读完本文你将掌握何时该走完整流水线run-sk-pipeline、何时该用route/index辅助命令、每个子 skill 的职责边界与调用入口以及路由规则在源码中的落地方式。一、路由规则文档的定位.claude/skills/sk-operator-pipeline/目录是仓库内置 skill 的完整实现包含SKILL.mdskill 声明、流水线 CLI 全量参数与状态机摘要references/routing.md本文核心定义主入口职责与路由规则references/workflow.md统一运行合同与第一版范围references/dependencies.mdskill 间依赖边界与算子构建依赖references/pipeline-state-machine.md流水线阶段图、布局与状态结构scripts/operator_pipeline.pyCLI 主程序路由规则的源码实现。routing.md是流水线的导航中枢文档它不实现流水线本身而是回答一个任务进来后该交给谁处理这一关键问题。二、主入口职责承接、调度、路由、索引根据 routing.md 的主入口职责章节sk-operator-pipeline承担四项职责承接 SK 算子适配主流水线作为算子从源码到 SKSuperKernel交付的总入口任何 SK 算子适配工作都从这里发起调度子 skill把资产接入、源码适配、校验、样例生成、构建打包等子 skill 组织成可迭代的闭环流水线按需路由当用户只需要定位能力而非完整流水线时把自由文本问题路由到其它 built-in skill生成能力索引在需要本地资料导航时输出本地能力索引帮助用户快速找到可用的 skill 与入口。在源码中这一入口统一收敛为固定调用合同python3 skills_root/sk-operator-pipeline/scripts/operator_pipeline.py subcommand ...对应 SKILL.md 中的入口一节。skills_root默认取 skill 所在目录的父目录即.claude/skills由_resolve_skills_root()解析见 operator_pipeline.py。主流程与辅助命令的分工是完整闭环走run-sk-pipeline轻量定位走route/index。后两者默认运行base mode——不依赖联网、不依赖大模型纯本地规则与文件扫描见 workflow.md 的统一运行合同。三、完整路由规则六类任务与六个目标 skill3.1 路由表routing.md 的路由规则章节给出了完整的任务分类到目标 skill 的映射任务类型目标 skill单算子源码到 SK 源码生成、scaffold 适配sk-operator-codegenSK 算子编码规范、风险代码扫描sk-operator-validateSK 算子版本 / 芯片 / SDK / 驱动 / ACL 兼容性sk-operator-validateSK 算子运行样例、运行时输出比对、scoped correctness verdictsk-operator-sample-genSK 算子编译验证、pybind 打包、wheel 构建sk-operator-build-package融合分析、scope、task queue、性能定位sk-model-analysis仓内能力导航、依赖判断、流水线入口定位当前 skill 自身处理sk-operator-pipeline3.2 路由表在源码中的落地这张表并非仅存在于文档operator_pipeline.py 中的ROUTING_RULES列表就是它的程序化实现。每条规则由目标 skill 名 关键词列表组成sk-model-analysis融合、性能、hang、coredump、卡死、scope、task、queue、updatesk-operator-asset-adapter资产、asset、layout、adapter、接入、仓库、reposk-operator-validate校验、validate、规范、lint、风险、spec、compat、兼容、cann、sdk、driver、acl、版本sk-operator-build-package编译、build、打包、wheel、pybindsk-operator-sample-gen样例、sample、runtime、correctness、verdict、oraclesk-operator-codegen算子、operator、codegen、使能、scaffold、intake。路由匹配由_route_query()实现operator_pipeline.py将查询文本转为小写后按规则顺序对关键词做子串匹配命中即返回对应 skill若全部未命中则回退到sk-operator-pipeline自身。因此关键词是大小写不敏感的且支持中英文混写如兼容与compat。cmd_route命令operator_pipeline.py在路由命中后还会为每个目标 skill 生成一条可直接执行的下一步入口命令entry并输出confidence: rule-based基于规则的置信度标记以及路由报告operator-pipeline-route-report.md与结构化结果operator-pipeline-route.json。3.3 一个完整的 route 示例假设用户提问帮我检查这个算子有没有违反 SK 编码规范的风险代码命令如下python3 .claude/skills/sk-operator-pipeline/scripts/operator_pipeline.py route \ 检查算子 SK 编码规范风险 \ --output-dir operator-pipeline-output_route_query()会命中sk-operator-validate规则中的规范风险关键词输出路由报告建议下一步调用python3 skills_root/sk-operator-validate/scripts/operator_validate.py \ validate-operator --asset asset --output-dir dir该命令由cmd_route内的entry()辅助函数按目标 skill 拼装完整映射见 operator_pipeline.py。四、路由与索引的运行模式base mode 与 ai modeworkflow.md 明确了route/index的两种执行模式base mode默认不依赖联网、不依赖大模型纯本地完成能力索引与规则路由是路由可靠性的基石ai mode通过--with-ai显式触发只做增强提示AI hints不替代基础索引与路由结果。在源码中ai mode 的落地体现在三处CLI 参数--with-ai同时注册在index与route子命令上operator_pipeline.pypayload 中记录ai_requested与ai_status未配置真实模型后端时标记为not-configuredoperator_pipeline.py开启--with-ai时额外落盘operator-pipeline-*-ai-hints.md内容固定说明AI 增强层位置已固定但未接入真实模型后端并建议先基于本地索引/路由结果确定目标 skill再交给后续 AI 层做精细提示_render_ai_hints()operator_pipeline.py。这一设计体现了文档中的原则AI 只做锦上添花路由与索引的确定性由本地规则保证避免把 skill 设计成只能依赖大模型的统一入口见 workflow.md 的当前不做。五、index本地能力索引的构建边界index子命令用于构建本地能力索引。其核心边界规则是默认只扫描skills_root即.claude/skills只有显式传入--index-root时才扫描用户工作区路径。源码实现上cmd_indexoperator_pipeline.py在没有--index-root时把索引根收敛为[skills_root]每个索引根生成一节sections记录根路径与文件数最终输出operator-pipeline-index.json结构化索引operator-pipeline-index-report.mdMarkdown 报告含 base mode / ai requested 标记与各根目录文件统计开启--with-ai时operator-pipeline-index-ai-hints.mdAI 增强提示。这一边界同样在 dependencies.md 的Skill 包边界中被强调index默认只扫描skills_root索引用户工作区必须显式传--index-root从依赖层面防止索引逻辑越权扫描无关路径。六、路由与流水线的分工边界路由规则文档明确指出route / index 仍是辅助能力不替代run-sk-pipeline。二者的分工是需要完整闭环时单算子源码 → 资产接入 → 源码适配 → 校验 → 样例生成 → 构建打包使用run-sk-pipeline它按 stage 落盘输入、输出、状态和交付物索引并通过自动修复收敛不能收敛时明确升级给人工needs-human只需要定位能力时这个问题该找哪个 skill使用route需要本地资料导航时当前仓有哪些能力可用使用index。路由是流水线的前端导航流水线是路由的后端闭环。用户在拿到route输出的目标 skill 与入口命令后既可以直接执行该入口也可以回到run-sk-pipeline走完整链路。从源码结构看ROUTING_RULES中甚至为sk-operator-pipeline自身预留了回退目标当查询无法命中任何关键词时_route_query()返回流水线自身由它引导用户走完整流程或index形成自洽闭环operator_pipeline.py。七、当前缺口与演进方向routing.md 的当前缺口章节坦陈了第一版的四项限制还没有 issue 索引还没有方案回顾索引还没有统一的问题模板route / index 仍是辅助能力不替代run-sk-pipeline。对应 workflow.md 的当前第一版范围与当前不做第一版只交付run-sk-pipeline、index、route三个子命令不做复杂 issue 平台集成。这些缺口为后续演进如接入 issue 平台、引入统一问题模板预留了明确方向也与 ai mode 中后续如果接入 AI只能在这份基础索引之上补更细的提示和关联的设计意图一致见_render_index_report的Current Noteoperator_pipeline.py。八、延伸阅读SKILL.md流水线全量 CLI 参数、阶段输出布局、状态与返回码、完整路由表references/workflow.md统一运行合同与第一版范围references/dependencies.mdskill 间依赖边界、算子构建依赖声明规则references/pipeline-state-machine.md阶段图、强依赖约束、Artifact Layout v2 与pipeline-state.json状态结构scripts/operator_pipeline.py路由规则、索引与路由命令的源码实现SuperKernel 组件开发指南 super_kernel/docs/developer_guide.md从算子源码到 SK 的工程化配套文档。【免费下载链接】graph-autofusionGraph-autofusion 是一个面向昇腾Ascend芯片的轻量级、解耦式组件集合旨在通过自动融合技术加速模型执行。 目前已开源 SuperKernel 组件和 Autofuse 组件未来将持续开放更多自动融合相关模块。项目地址: https://gitcode.com/cann/graph-autofusion创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
CANN graph-autofusion 的 SK 算子流水线路由规则详解从主入口到子 skill 的智能分发【免费下载链接】graph-autofusionGraph-autofusion 是一个面向昇腾Ascend芯片的轻量级、解耦式组件集合旨在通过自动融合技术加速模型执行。 目前已开源 SuperKernel 组件和 Autofuse 组件未来将持续开放更多自动融合相关模块。项目地址: https://gitcode.com/cann/graph-autofusion导读本文围绕 CANN graph-autofusion 开源仓库中 SuperKernel 组件配套的sk-operator-pipeline内置 skill 的 路由规则文档系统拆解 SKSuperKernel算子适配主流水线的入口职责、路由表设计、关键词匹配实现以及当前能力缺口。读完本文你将掌握何时该走完整流水线run-sk-pipeline、何时该用route/index辅助命令、每个子 skill 的职责边界与调用入口以及路由规则在源码中的落地方式。一、路由规则文档的定位.claude/skills/sk-operator-pipeline/目录是仓库内置 skill 的完整实现包含SKILL.mdskill 声明、流水线 CLI 全量参数与状态机摘要references/routing.md本文核心定义主入口职责与路由规则references/workflow.md统一运行合同与第一版范围references/dependencies.mdskill 间依赖边界与算子构建依赖references/pipeline-state-machine.md流水线阶段图、布局与状态结构scripts/operator_pipeline.pyCLI 主程序路由规则的源码实现。routing.md是流水线的导航中枢文档它不实现流水线本身而是回答一个任务进来后该交给谁处理这一关键问题。二、主入口职责承接、调度、路由、索引根据 routing.md 的主入口职责章节sk-operator-pipeline承担四项职责承接 SK 算子适配主流水线作为算子从源码到 SKSuperKernel交付的总入口任何 SK 算子适配工作都从这里发起调度子 skill把资产接入、源码适配、校验、样例生成、构建打包等子 skill 组织成可迭代的闭环流水线按需路由当用户只需要定位能力而非完整流水线时把自由文本问题路由到其它 built-in skill生成能力索引在需要本地资料导航时输出本地能力索引帮助用户快速找到可用的 skill 与入口。在源码中这一入口统一收敛为固定调用合同python3 skills_root/sk-operator-pipeline/scripts/operator_pipeline.py subcommand ...对应 SKILL.md 中的入口一节。skills_root默认取 skill 所在目录的父目录即.claude/skills由_resolve_skills_root()解析见 operator_pipeline.py。主流程与辅助命令的分工是完整闭环走run-sk-pipeline轻量定位走route/index。后两者默认运行base mode——不依赖联网、不依赖大模型纯本地规则与文件扫描见 workflow.md 的统一运行合同。三、完整路由规则六类任务与六个目标 skill3.1 路由表routing.md 的路由规则章节给出了完整的任务分类到目标 skill 的映射任务类型目标 skill单算子源码到 SK 源码生成、scaffold 适配sk-operator-codegenSK 算子编码规范、风险代码扫描sk-operator-validateSK 算子版本 / 芯片 / SDK / 驱动 / ACL 兼容性sk-operator-validateSK 算子运行样例、运行时输出比对、scoped correctness verdictsk-operator-sample-genSK 算子编译验证、pybind 打包、wheel 构建sk-operator-build-package融合分析、scope、task queue、性能定位sk-model-analysis仓内能力导航、依赖判断、流水线入口定位当前 skill 自身处理sk-operator-pipeline3.2 路由表在源码中的落地这张表并非仅存在于文档operator_pipeline.py 中的ROUTING_RULES列表就是它的程序化实现。每条规则由目标 skill 名 关键词列表组成sk-model-analysis融合、性能、hang、coredump、卡死、scope、task、queue、updatesk-operator-asset-adapter资产、asset、layout、adapter、接入、仓库、reposk-operator-validate校验、validate、规范、lint、风险、spec、compat、兼容、cann、sdk、driver、acl、版本sk-operator-build-package编译、build、打包、wheel、pybindsk-operator-sample-gen样例、sample、runtime、correctness、verdict、oraclesk-operator-codegen算子、operator、codegen、使能、scaffold、intake。路由匹配由_route_query()实现operator_pipeline.py将查询文本转为小写后按规则顺序对关键词做子串匹配命中即返回对应 skill若全部未命中则回退到sk-operator-pipeline自身。因此关键词是大小写不敏感的且支持中英文混写如兼容与compat。cmd_route命令operator_pipeline.py在路由命中后还会为每个目标 skill 生成一条可直接执行的下一步入口命令entry并输出confidence: rule-based基于规则的置信度标记以及路由报告operator-pipeline-route-report.md与结构化结果operator-pipeline-route.json。3.3 一个完整的 route 示例假设用户提问帮我检查这个算子有没有违反 SK 编码规范的风险代码命令如下python3 .claude/skills/sk-operator-pipeline/scripts/operator_pipeline.py route \ 检查算子 SK 编码规范风险 \ --output-dir operator-pipeline-output_route_query()会命中sk-operator-validate规则中的规范风险关键词输出路由报告建议下一步调用python3 skills_root/sk-operator-validate/scripts/operator_validate.py \ validate-operator --asset asset --output-dir dir该命令由cmd_route内的entry()辅助函数按目标 skill 拼装完整映射见 operator_pipeline.py。四、路由与索引的运行模式base mode 与 ai modeworkflow.md 明确了route/index的两种执行模式base mode默认不依赖联网、不依赖大模型纯本地完成能力索引与规则路由是路由可靠性的基石ai mode通过--with-ai显式触发只做增强提示AI hints不替代基础索引与路由结果。在源码中ai mode 的落地体现在三处CLI 参数--with-ai同时注册在index与route子命令上operator_pipeline.pypayload 中记录ai_requested与ai_status未配置真实模型后端时标记为not-configuredoperator_pipeline.py开启--with-ai时额外落盘operator-pipeline-*-ai-hints.md内容固定说明AI 增强层位置已固定但未接入真实模型后端并建议先基于本地索引/路由结果确定目标 skill再交给后续 AI 层做精细提示_render_ai_hints()operator_pipeline.py。这一设计体现了文档中的原则AI 只做锦上添花路由与索引的确定性由本地规则保证避免把 skill 设计成只能依赖大模型的统一入口见 workflow.md 的当前不做。五、index本地能力索引的构建边界index子命令用于构建本地能力索引。其核心边界规则是默认只扫描skills_root即.claude/skills只有显式传入--index-root时才扫描用户工作区路径。源码实现上cmd_indexoperator_pipeline.py在没有--index-root时把索引根收敛为[skills_root]每个索引根生成一节sections记录根路径与文件数最终输出operator-pipeline-index.json结构化索引operator-pipeline-index-report.mdMarkdown 报告含 base mode / ai requested 标记与各根目录文件统计开启--with-ai时operator-pipeline-index-ai-hints.mdAI 增强提示。这一边界同样在 dependencies.md 的Skill 包边界中被强调index默认只扫描skills_root索引用户工作区必须显式传--index-root从依赖层面防止索引逻辑越权扫描无关路径。六、路由与流水线的分工边界路由规则文档明确指出route / index 仍是辅助能力不替代run-sk-pipeline。二者的分工是需要完整闭环时单算子源码 → 资产接入 → 源码适配 → 校验 → 样例生成 → 构建打包使用run-sk-pipeline它按 stage 落盘输入、输出、状态和交付物索引并通过自动修复收敛不能收敛时明确升级给人工needs-human只需要定位能力时这个问题该找哪个 skill使用route需要本地资料导航时当前仓有哪些能力可用使用index。路由是流水线的前端导航流水线是路由的后端闭环。用户在拿到route输出的目标 skill 与入口命令后既可以直接执行该入口也可以回到run-sk-pipeline走完整链路。从源码结构看ROUTING_RULES中甚至为sk-operator-pipeline自身预留了回退目标当查询无法命中任何关键词时_route_query()返回流水线自身由它引导用户走完整流程或index形成自洽闭环operator_pipeline.py。七、当前缺口与演进方向routing.md 的当前缺口章节坦陈了第一版的四项限制还没有 issue 索引还没有方案回顾索引还没有统一的问题模板route / index 仍是辅助能力不替代run-sk-pipeline。对应 workflow.md 的当前第一版范围与当前不做第一版只交付run-sk-pipeline、index、route三个子命令不做复杂 issue 平台集成。这些缺口为后续演进如接入 issue 平台、引入统一问题模板预留了明确方向也与 ai mode 中后续如果接入 AI只能在这份基础索引之上补更细的提示和关联的设计意图一致见_render_index_report的Current Noteoperator_pipeline.py。八、延伸阅读SKILL.md流水线全量 CLI 参数、阶段输出布局、状态与返回码、完整路由表references/workflow.md统一运行合同与第一版范围references/dependencies.mdskill 间依赖边界、算子构建依赖声明规则references/pipeline-state-machine.md阶段图、强依赖约束、Artifact Layout v2 与pipeline-state.json状态结构scripts/operator_pipeline.py路由规则、索引与路由命令的源码实现SuperKernel 组件开发指南 super_kernel/docs/developer_guide.md从算子源码到 SK 的工程化配套文档。【免费下载链接】graph-autofusionGraph-autofusion 是一个面向昇腾Ascend芯片的轻量级、解耦式组件集合旨在通过自动融合技术加速模型执行。 目前已开源 SuperKernel 组件和 Autofuse 组件未来将持续开放更多自动融合相关模块。项目地址: https://gitcode.com/cann/graph-autofusion创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
