SKILLEMALL.ai
EN Войти

AB huawei-cloud-ascend-op-mfu-calculator

Рассчитывает MFU (Machine FLOP Utilization) для операторов, таких как matmul/GEMM/FlashAttention, на Ascend NPU, предоставляя четкие формулы и процесс вывода. Используйте этот навык, когда пользователь хочет: (1) рассчитать MFU для матричных операций, (2) проанализировать эффективность операторов, (3) понять утилизацию оборудования, (4) оптимизировать реализацию операторов. Триггер: пользователь упоминает «MFU», «machine flop utilization», «operator FLOPs», «matmul performance», «GEMM efficiency», «Ascend MFU», «算子MFU», «算力利用率», «矩阵乘效率», «GEMM性能», «FlashAttention性能»

машинный переводПоказать оригиналСкрыть оригинал«Calculate MFU (Machine FLOP Utilization) for operators like matmul/GEM…»

Calculate MFU (Machine FLOP Utilization) for operators like matmul/GEMM/FlashAttention on Ascend NPU, providing clear formulas and derivation process Use this skill when the user wants to: (1) calculate MFU for matrix operations, (2) analyze operator performance efficiency, (3) understand hardware utilization, (4) optimize operator implementation Trigger: user mentions "MFU", "machine flop utilization", "operator FLOPs", "matmul performance", "GEMM efficiency", "Ascend MFU", "算子MFU", "算力利用率", "矩阵乘效率", "GEMM性能", "FlashAttention性能"

ClawHub Agent Skills автор: huaweicloud-skills-team v1.0.0 MIT-0 4 файла тело ≈ 727 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Рассчитывает MFU (Machine FLOP Utilization) для операторов, таких как matmul/GEMM/FlashAttention, на Ascend NPU, предоставляя четкие формулы и процесс вывода.

Как процесс B 70/100 · Почти готов — слабые места: результат и критерий готовности, отчётность по ходу

ПроцедураИсследованиятип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
B
70/100
Почти готов
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Ошибки и развилки вес 10
50
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 70/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 85Шаги. Шагов: 20, расплывчатых формулировок: 2
    • 100Инструменты и файлы. Инструменты объявлены во frontmatter
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 727 токенов
    • 100Повторный запуск. Изменяющих операций нет

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 7 примера фраз-триггеров в кавычках
    • +3Длина description 535 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 20 пунктов
    • +4Справочные файлы упоминаются в инструкциях (1 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

    Внешние проверки

    ClawHub: clean
    This skill is a focused calculator guide for Ascend NPU MFU analysis and does not show hidden or disproportionate behavior.
    LLM: benign (high) · VirusTotal: · 21 июл. 2026 г.