用途：为 AI for Science 模型提供从 CUDA 到昇腾 NPU 的通用迁移流程，适用于 PyTorch、TensorFlow、vLLM 等框架项目，迁移后需生成模型专属迁移 Skill 以复用。
前置条件：Ascend910 系列（至少 1 卡）；openEuler/Ubuntu/KylinOS；CANN≥8.0；Python 3.8–3.10；PyTorch 与 CANN 版本匹配；torch_npu 与 PyTorch 版本一致。
主要能力与流程：0）常用技巧与环境初始化，如 export ASCEND_RT_VISIBLE_DEVICES=0,1,2,3、source /usr/local/Ascend/ascend-toolkit/set_env.sh、npu-smi info、torch_npu 校验、华为镜像源与 numpy 1.26.4、日志变量；1）环境检查与代码分析，识别框架并搜索 CUDA 特有 API、依赖与分布式模式；2）自动迁移注入，在入口 import torch_npu 与 from torch_npu.contrib import transfer_to_npu；3）手动处理 get_device_properties().major、get_device_capability、AMP、mem_get_info 等；4）DP 改 DDP、backend 由 nccl 改 hccl 及 torchrun 启动；5）TensorFlow/vLLM 等兼容；6）.cu 文件改写、CPU fallback 或跳过编译；7）Flash Attention 用 torch_npu.npu_fusion_attention，PyG 扩展库须源码编译；8）按 README 或最小推理验证，注意 fp64 自动降级与随机种子；9）生成专属 Skill 至 ~/.kernelcat/skills/<model-name>/SKILL.md。
限制：JAX 当前不直接支持；triton、bitsandbytes 等需改写或禁用；昇腾不支持 DP，必须改 DDP；CPU fallback 仅适合非热点路径；具体收费与平台信息暂未提供。