企业官网建设流程全解析

CANN graph-autofusion SuperKernel 融合性能分析报告撰写指南：SK-off/SK-on 对比口径、分类规则与固定交付物

【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

本篇指南围绕 CANN graph-autofusion 仓库中 SuperKernel 融合性能分析技能所定义的「中文性能分析报告模板」展开，系统讲解同一 workload 下SK-off（S0 基线）与SK-on（Sx 候选）profile 对比的标准统计口径、逐 SK 分类规则、层级融合覆盖、Fusion Family 跨层诊断以及固定交付物规范。读者读完后，可以按模板产出结构合规、结论边界清晰、机器可校验的性能分析报告，并理解其背后的kernel_projection_trace_v2映射、source_scope_map_v2源码归属与动态噪声阈值等实现机制。

1. 模板定位：它只回答两个问题

该模板（chinese-performance-analysis-report-template.md）并非通用的 SuperKernel 报告格式，它只用于同一 workload 下SK-off（S0）与SK-on（Sx）的 profile 对比，回答两个不同的问题：

1. 一个融合 SK 相比其在 S0 中对应的原始子算子集合，端到端设备区间是否变快；
2. 若融合 SK 的表现异常，哪个 S0 child 或融合内 child 是主要审阅对象。

1.1 主比较口径

主比较口径始终是S0 child interval P50 对 Sx parent SK duration P50。其中：

• S0 duration_sum与union_duration只用于解释串并行和累计工作量，不能替代 interval 作为 keep/prune 或收益结论的依据；
• Sx 融合内 child 时间仅在完整、可归属的sk_prof下作为补充诊断，不能与 S0 的 host 时钟做绝对时间偏移比较。

模板本身不包含任何特定模型、算子序列、raw SK ID、step ID 或性能数值——真实采集数据只能出现在独立的性能分析报告中；模板只定义报告字段、统计口径和结论边界。

1.2 适用范围（硬边界）

模板仅用于普通S0 SK-off对Sx SK-on的融合性能对比，且两侧必须满足 skill 的 profile、结构映射和统计门禁。不得用于以下场景：

• 两个 SK-on 候选之间的源码调序、多流或 source-reorder 对比；
• Stage O 的 O0/O1 DCCI option 对比（该场景有独立协议 dcci-option-tuning.md）；
• correctness、clean 性能、编译性能或其他非 profile-vs-baseline 对比。

这些场景必须使用各自的实验/诊断报告格式和原生统计口径，不得复用本模板的 S0 interval、Sx parent、逐 SK classification、层级 family 或 scope-action 展示结构。完整的使用边界与可读性约束同时定义在 SKILL.md 的Chinese Human-Facing Report一节。

2. 分析前的证据链：采集门禁、结构映射与源码归属

报告模板是分析流程的「出口」；在填写模板之前，skill 强制要求先通过三层证据门禁，模板中大量字段（映射覆盖、blocker、source-layer mapping）直接来源于此。

2.1 采集门禁（Entry Gate）

需要两份新鲜、不可变、相互独立的采集根目录及其 manifest：

• baseline_profile：归档kernel_details、task_time、trace_view；
• candidate_profile：归档kernel_details、task_time、trace_view，以及 profile 进程自身的sk_graph_origin、sk_graph_updated、sk_fused_nodes、sk_scope_split、super_kernel；sk_proftrace 为可选项，仅用于映射后的调度诊断。

使用 artifact_contract.py 的validate-set校验；缺失或无效的 manifest 是采集 blocker，必须重新采集，不得用事后拼装的 manifest 补洞。collection manifest 的字段结构（capture_role、config/controlfingerprint、workload_fingerprint、files、manifest_fingerprint等）可参见 collection-manifest-schema.json。

2.2 结构映射：kernel_projection_trace_v2

每个融合 SK 在做性能分析前都必须应用 projected_trace_mapping.py 完成kernel_projection_trace_v2：把 profile 进程的sk_graph_origin投影到可观测 kernel 节点，将每个完整 per-stream kernel 序列对齐到 baseline 的Step Id，按(stream role, kernel ordinal)物化融合 child。完整协议见 structural-association.md。

只有 stream-role 注入唯一、所有 step 全量一致、每个 child 唯一落点、候选父 SK 在至少三个 step 中均存在时，才输出kernel_projection_structural + exact_projected_trace；任一门禁失败都返回diagnostic_only + insufficient_evidence。

2.3 源码归属：source_scope_map_v2

exact_projected_trace只证明measured graph occurrence，不证明任何源码区间。模板中「逐层融合清单 / exact source-layer mapping」字段只有source_scope_map_v2 + exact才可填写，其证据链为「original business graph → 唯一 labeled 多图同构 → calibration occurrence → archived source bytes + [start_offset, end_offset)」，详见 source-calibration-mapping.md。raw task/node/stream/SK ID、生成名称、层号、重复 op signature、局部 op window 和跨进程时间戳都不能产生源码 exact。

3. 一页结论（必填）

报告第一节必须是决策者可直接阅读的一页结论表，字段固定：

注意「主要劣化 family」要求列出所有实际 regressed 实例，禁止用 family 平均值稀释劣化信号；「行动边界」需明确结论属于可测量结论、待 reprofile 项，还是已具备源码动作证据。

4. 指标定义与符号（必填）

对 S0 中同一 SK 的一个 child occurrence 集合，模板定义如下指标：

child_end = child_start + child_duration S0 interval = max(child_end) - min(child_start) S0 duration_sum = sum(child_duration) S0 union = child 区间并集长度 Sx parent duration = Sx kernel_details 中该 SuperKernel 的 Duration(us) improvement_us = P50(S0 interval) - P50(Sx parent duration) improvement_pct = improvement_us / P50(S0 interval) * 100 noise_pct = max(3.0, 2*S0_interval_MAD/S0_interval_P50*100, 2*Sx_parent_MAD/Sx_parent_P50*100)

三个统计量的含义与用途如下表：

所有时间统计量以us记录。P50 表示典型耗时，P90 用于发现尾部变慢，MAD 用于判断观测到的差异是否大于重复采样波动；三者必须同时随逐 SK 比较输出。

需要特别强调：S0 interval = max(child_end) - min(child_start)保留了不同 stream 的并行关系，是性能分类的主判据；duration_sum（累计设备工作时间）与union（去除重叠后的设备忙碌区间）仅用于诊断并行串行化、额外同步、资源开销和调度行为。这正是 performance-classification.md 中「baseline_interval保留不同 stream 的并行关系，是性能分类的主判据」的落地形式。

4.1 网络层数与层级融合覆盖（条件必填）

从当前模型配置读取num_hidden_layers，并以配置中的一基 layer index 报告网络层数与层类型。逐层融合表必须区分「配置层信息」和「已证明的 SK-to-source-layer 映射」：只有source_scope_map_v2 + exact可以把一个 profile SK 写入具体源码层；graph occurrence ordinal、raw SK ID 或 family occurrence 数都不能替代层映射。下表中的<family_label>必须与第 7 节的 family 标签完全一致，以便从某层的融合清单直接跳转到该 family 的性能结论。

有 exact source-layer mapping 时，正文按下表展示。逐层表可以按连续、且融合 family 列表完全相同的层范围折叠，但必须保留所有层号；family 汇总中的covered_layer_ranges必须由逐层表可逆展开。appears_in_all_layers=是仅当该 family 覆盖1..num_hidden_layers的每一层时成立。

没有 exact source-layer mapping 时，报告必须写明「当前 profile 不能证明每一个 SK 属于哪一层」，不得输出或推测逐层融合清单、覆盖层号、覆盖比例或"全部层出现"；此时仅可列出 profile family 及其 occurrence 数，并将层覆盖标记为unproven。

4.2 分类规则

分类对应的 scope action 固定映射为beneficial -> keep、regressed -> prune、neutral -> prune、insufficient_evidence -> reprofile（详见 regression-diagnosis.md）；action 仅描述只读分析结果，skill 本身不得直接修改 scope。

实现佐证：分类器核心实现在 analyze_fusion_performance.py 的classify_performance()（约 L1920 起）。从源码可见：required_occurrences = max(HARD_MIN_OCCURRENCES, min_occurrences)，即min_occurrences=3是自动 keep/prune 的硬下限，不能被 CLI 降低；当两侧 count 不足或统计量非有限值（non_finite_performance_statistics）时直接返回insufficient_evidence；当 baseline 或 candidate 恰好只有最低 3 个 occurrence 时，还会校验 P50 两侧最大距离是否超过max(3*MAD, P50*min_relative_change_pct, min_absolute_change_us)，若单侧长尾未被 MAD 噪声带覆盖则追加minimum_sample_unrepresented_tail错误并强制insufficient_evidence/reprofile——这对应模板中「数据充分但未达到上两类」之外的证据不足边界。

5. 逐 SK 性能结论（摘要 + 全量明细）

本章面向阅读设计：先展示四类结论的数量，再定位需要审阅的实例。每一个精确 graph occurrence 的完整行记录保存在机器可读 JSON/CSV 中；Markdown 不直接铺开全量 SK 表，避免 100+ 行表格掩盖实际 regression 和证据不足项。

5.1 分类概览（必填）

5.2 阅读路径与全量明细（必填）

每个全量逐 SK 记录必须包含：稳定报告身份、ordered child sequence、stream/core topology、对齐 occurrence、S0 interval/duration_sum/union、Sx parent P50/P90/MAD、收益、noise threshold、classification、blocker 和 scope action。它是自动判定的权威数据，不以 op 名称或 raw SK ID 聚合。

5.3 代表性多 child SK（条件展示）

正文针对多 child、明确劣化或需解释的 SK，使用下面的紧凑卡片；不把该实例外推为同 family 的所有实例。

模板明确要求：不能用 child duration 的加和替代 S0 interval，也不能用单个实例替代同 family 的其他实例。child_count仅是描述性字段，不参与 profiling 门禁、动态阈值或分类——单子算子可以是 beneficial，多子算子也可以是 neutral 或 regressed，不得以child_count >= 5作为 profiling 条件，也不得以child_count == 1自动生成排除决定。

6. 融合内 child 与调度诊断（条件必填）

仅当 Sxsk_prof完整、无 buffer-full、且 parent occurrence 与 child/lane 可按device_id + model_id + sk_id + step_id绑定时，才追加下表。否则固定输出一句：「sk_prof不完整或不可归属，融合内 child/lane 诊断未执行；不得推断 Cube/Vector 串行、DCCI 状态或根因。」

允许写"调度假设"，禁止把没有 A/B 验证的结论写成根因。若有 DCCI disable-all 数据，另用 Stage O 专用表比较 O0/O1 和逐 child，不与普通 S0/Sx 表混用。

两点实现侧的硬约束值得报告作者注意：

• 时钟域隔离：kernel_details使用 host 域时间戳，而sk_prof可能使用设备计数器，二者之间不要求绝对时钟偏移；重复 parent occurrence 必须用显式(device_id, model_id, sk_id, step_id)域绑定（见 structural-association.md）。
• buffer-full 即 blocker：若super_kernel.log报告buffer is full, stop dump the time of nodes，lane 集合不完整，无法证明 Cube/Vector 或 DCCI 行为，必须拒绝该诊断（但不会使已证明的 projected baseline mapping 或其 interval 分类失效）。运行时侧sk_prof相关实现可参考 sk_event_recorder.cpp 及其测试 test_profiling_st.cpp。

7. Fusion Family 与跨层/重复实例比较（至少三个重复实例时必填）

对重复 block 模型（如多层 Transformer），逐 SK 分类完成后必须追加跨层 family 诊断（companion 规范见 cross-layer-family-analysis.md）。family identity 固定为：

ordered canonical child op sequence + ordered child source-stream-role pattern + ordered child core-family pattern + fusion boundary + stable dtype/shape/port signature（若可得）

不能用 layer index、raw SK ID、task ID 或生成名称定义 family；若 dtype、shape、port、core family 或流拓扑不同，即使 op 名称序列相同也必须拆为不同 family。若没有 exact source mapping，仅称"graph occurrence"，不可称"源码层"。

family 表是阅读性诊断，不能改变逐 SK classification，也不能用 beneficial 实例覆盖同 family 的 regressed/insufficient 实例。family 同时出现 beneficial 与 regressed 时标记family_classification_split，所有实际 regressed 实例另列优先审阅表。对 child 较多而正收益很小的融合，按family_gain_median - max(3 * family_gain_MAD, 3 percentage points)标记weak_relative_benefit复核队列——它是审阅优先级信号而非 regressed，不改变既有 classification/action，也不能直接触发 scope prune、option trial 或源码重排。

8. 结论、优先级与后续动作（必填）

结论必须分为三层，避免越权：

固定排序：先列所有regressed，再列insufficient_evidence，再列多 child 的weak_relative_benefit，最后列neutral。每个条目必须有：报告 identity、数据事实、门禁状态、可执行的下一步及其前置采集条件。

报告结论必须同时写明：逐 SK 分类是否可用、收益或劣化的 family 分布、不能由 family 覆盖的异常实例、是否具备源码 action 证据，以及未执行的融合内诊断及其原因。诊断假设只能写入diagnostic_hypotheses（含kind、confidence、单个range_id、evidence、explanation_zh、requires_ab_test=true），永远不写root_cause；只有后续单变量 A/B 稳定复现后才能形成根因证据（见 regression-diagnosis.md 的证据等级定义：high 仅限直接 config 或可可靠归属的 trace 证据，medium 仅限 counter/统计相关证据，low 仅为待验证假设且必须附带 blocker）。

9. 固定交付物与机器可读约束

每次普通 S0/Sx 性能对比拟固定生成：

1. PROFILING_ANALYSIS.md：一页结论、全量逐 SK 主比较和结论边界；
2. profiling-analysis-result.json：逐 SK 机器结果、fingerprint、统计、分类和 blocker；
3. PROJECTED_TRACE_MAPPING.md/projected-trace-mapping.json：S0 child 与 Sx SK 的精确映射；
4. FUSION_FAMILY_LAYER_ANALYSIS.md、fusion-family-summary.csv、fusion-family-layer-comparison.csv：重复实例/跨层诊断；
5. 仅在 lane 采集完整时增加SK_CHILD_SCHEDULING_ANALYSIS.md与对应 JSON；
6. 仅在 Stage O DCCI 模式时增加DCCI_REGRESSION_ANALYSIS.md与dcci-regression-analysis.json，不混入 schema 1.2 结果。

9.1 推荐命令行执行流

先在 superkernel-fusion-performance-analysis skill 目录下运行完整的 analyzer，先产生权威的融合 child 映射：

python3 scripts/projected_trace_mapping.py \ --baseline-kernel-details artifacts/S0/profile/profiler/kernel_details.csv \ --profile-collection-manifest artifacts/S1/profile/association-artifact-manifest.json \ --device-id 0 --model-id 48 \ --json-out output/projected-trace-mapping.json \ --markdown-out output/PROJECTED_TRACE_MAPPING.md

要求满足source_kernel_nodes == baseline_rows_per_step[step]、零替代 stream-role 解、至少三个 step 且exact_projected_trace后，才可使用该 SK 的 baseline interval。随后运行性能分类器：

python3 scripts/analyze_fusion_performance.py \ --baseline-profile artifacts/S0/profile/profiler/kernel_details.csv \ --candidate-profile artifacts/S1/profile/profiler/kernel_details.csv \ --sk-meta artifacts/S1/sk_meta \ --baseline-config artifacts/S0/config.json \ --candidate-config artifacts/S1/config.json \ --baseline-workload artifacts/S0/workload.json \ --candidate-workload artifacts/S1/workload.json \ --declared-change-set artifacts/S1/declared-change.json \ --candidate-name S1 --experiment-id exp-1 --round-id S1-BASE \ --analysis-agent-id analysis-agent-1 --source-revision REVISION \ --sk-prof artifacts/S1/profile/profiler/sk_prof_device_0.json \ --environment-evidence artifacts/environment.json \ --source-scope-map artifacts/source-mapping/source-scope-map-v2.json \ --source-root worktrees/stable-marker \ --baseline-collection-manifest artifacts/S0/profile/association-artifact-manifest.json \ --profile-collection-manifest artifacts/S1/profile/association-artifact-manifest.json \ --json-out output/profiling-analysis-result.json \ --markdown-out output/PROFILING_ANALYSIS.md

可选参数--sk-prof只是诊断用 child-scheduling trace，不是 baseline child mapping 的输入，也不要求与kernel_details有绝对时钟偏移。若需要从既有结果确定性重生成 Markdown：

python3 scripts/render_fusion_performance_report.py \ --json-in output/profiling-analysis-result.json \ --markdown-out output/PROFILING_ANALYSIS.md

9.2 机器可读约束

• 所有 analyzer 输入输出必须使用相对于结果文件目录的路径；两条 manifest 不放松任何已有 config、workload、declared-change、profile、environment 或 source-map 门禁；
• schema 1.2 的 renderer 只接受完整 producer report：identity、所有两侧 fingerprint、inputs、thresholds、四个列表、blockers、next_agent_guidance_zh、analysis_content_fingerprint均必需；renderer 会从 identity 字段重算analysis_id、核验round_id属于 candidate 的BASE/Pn/FINAL家族，并重算 content fingerprint，缺失或冲突即拒绝；
• 逐 SK decision 的 classification/action 只能是beneficial/keep、neutral/prune、regressed/prune、insufficient_evidence/reprofile|block，且scope_actions必须按唯一(sk_id, range_id)与 decisions 一一对应、字段完全一致；
• interval_unproven=true时，下游 strategy 必须逐 range 生成 P，不得根据 op 名称顺序猜测 source 区间不重叠；
• 本分析为只读流程：analyzer 与 renderer 只读输入 artifact 并写出结果文件，不运行推理、不编辑 scope、不应用 option、不声明 promotion（详见 SKILL.md 的Read-Only Boundary与Diagnostic Contract）。

10. 常见误用与红线总结

按此模板产出的报告，配合profiling-analysis-result.json等机器可读交付物，可以在「逐 SK 结论不被 family 平均稀释、源码动作不被 raw ID 僭越、调度诊断不越权宣告根因」的边界内，为 SuperKernel 融合的 keep/prune、跨层一致性审阅与后续单变量实验提供可追溯、可复现的证据闭环。

【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