用途：当用户提供 PyTorch 逻辑或内核 demo，并希望为目标平台编写 GPU 内核、从零构建基线，或为后续 profile 驱动的优化准备 kernel.py、reference.py、test_kernel.py、baseline_report.md 时使用本技能。
主要流程与能力：第一阶段理解 PyTorch 语义，记录计算模式（如 GEMM、Decode Attention、Reduction、Elementwise）、输入输出形状/步长/数据类型/布局/设备、数据依赖与边界处理、精度容差与累加类型等，并据此确定目标平台框架：H100/H20/H200 对应 Hopper 与 CuteDSL，MI300X/MI308X 对应 CDNA3 与 FlyDSL，MI355X 对应 CDNA4 与 FlyDSL。第二阶段读取 .atrex_plugins/instructions.md 并通过 python3 tools/plugin.py list 查看启用的知识工具，按精确的产品、架构、框架、算子、形状与数据类型查询，记录引用与约束，不替换硬件身份或把回退样本当作匹配。第三阶段用正确框架实现 kernel.py 并编写 test_kernel.py，以 PyTorch 逻辑为正确性参考，覆盖常规、边界形状及数据类型/步长情况；默认 BF16 阈值 rel_err < 0.01，测试用例需加超时保护。第四阶段执行一次完整基线的 V0 测量：python tools/sandbox.py --kind run --no-sync -- python test_kernel.py --version v0 --no-memory，解析 [test_kernel] RESULT_JSON，记录延迟、TFLOPS、带宽及峰值利用率；单个用例默认 30 秒超时（可用 TEST_TIMEOUT_SEC 调整），超时记 TIMEOUT_FAIL。最后通过 tools/memory_manager.py 写入 memory/v0.json 并提交 git。
适用场景：GPU 内核从零基线与后续优化前的准备阶段。
限制与要求：必须使用 CuteDSL 或 FlyDSL 等指定框架，不得使用未指定框架或引入外部项目；利用率计算需引用可审计的规格来源；ISA 目标阈值须来自文档化最佳实践与硬件规格，不得凭经验编造；V0 不传 --multi-seed，也不单独运行鲁棒性测试。其余平台或价格信息暂未提供。