用途：该技能面向昇腾 NPU 上的 LLM 文本推理，指导 KVCache 的管理与优化实现。资料显示其按渐进式披露组织，分为快速选型、实现模式、深入原理与参考附录四层。
主要能力：
- 连续缓存（模式一）：KV 以连续 tensor 存储，用 scatter_update_ 写入，FA 直接读取整个缓存，无需 block_table，适用于标准 LLM（MHA/GQA，如 gpt-oss、qwen3-moe）。
- 分页注意力 + FA（模式二）：KV 按固定大小 Block 存储，FA 通过 block_table 索引分块缓存，需构造 block_table 与 slot_mapping，适用于高性能 LLM（如 deepseek-r1、kimi-k2）。
- MLA 压缩缓存（模式三）：将 KV 压缩为低维 latent，只缓存 cache_nope 与 cache_rope，可叠加在模式一或模式二之上，适用于 DeepSeek 系列。 此外还涉及扩散/视频模型的 FA 直接计算（无 KVCache 分页，BNSD layout）。
使用方式：按决策路径先确认架构类型，再选择模式。缓存写入使用 torch_npu.scatter_update_ 或融合算子 torch_npu.npu_kv_rmsnorm_rope_cache；注意力计算使用 torch.ops.npu.npu_fused_infer_attention_score（FA v1）或 npu_fused_infer_attention_score_v2（FA v2）。block_table 静态预分配且推理全程不变，slot_mapping 每步重算，kv_len 为驱动核心变量。
适用场景：昇腾 NPU 上 LLM 推理中 KVCache 管理实现、paged attention、KV cache 写入与读取优化等。
限制与注意事项：PA 必须配合 FA，无法使用标准 softmax；block_table dtype 必须为 int32；MLA 中 query_rope 和 key_rope 必须同时传或同时不传，rope D 必须为 64，MLA query D 仅支持 512 或 128，D=512 时仅支持 sparse_mode 0、3、4；FA v1 与 v2 参数名不同，混用不报错但会静默使用默认值导致精度异常；Prefill 与 Decode 需分别配置参数；atten_mask dtype 只允许 bool/int8/uint8，shape 固定 [2048, 2048]。资料中未提供收费、价格、安装命令等其它信息。