用途：为 Ascend C Kernel 直调工程提供可复制的模板与改造指南。先按算子类型路由到模板，再按 [MODIFY] 注释改造。
主要能力与场景路由：Vector（A 分支）入口为 references/add_custom/，适合 add、mul、relu、softmax、layernorm 等逐元素/归约算子；mxfp8 matmul + eltwise 融合入口为 references/matmul_fusion_kernel/ 与 references/matmul_fusion_guide.md，属 Cube+Vector 融合专用变种，该指南独立自洽。不支持纯 Matmul/Cube（非融合）及其他 Cube+Vector 混合（如 matmul+softmax）。
使用方式（Vector 分支）：复制样例目录，未创建算子目录时用 cp -r references/add_custom <your_op>，已存在时用 cp -r references/add_custom/* <your_op>，随后 cd <your_op>；全局替换算子名 add_custom → <your_op>（_kernel/_torch/_tiling 为固定后缀）；按 [MODIFY] 改造类名与 kernel 函数名、Tiling 结构体（add_custom_tiling.h）、计算逻辑（add_custom_kernel.asc）、输入/输出数量以及 CMakeLists.txt 目标名；编译运行用 bash run.sh，仅运行测试可加 --skip-build，run.sh 运行前会自动删除旧 output/output.bin 以保证精度验证读取新输出。
文件结构：op_kernel 含 tiling 与纯 kernel；op_host 含 Host 与 main 入口、数据读写工具；op_extension 含 PyTorch 接入与注册；scripts 含数据生成、Golden、精度验证与 PyTorch 测试；另有 CMakeLists.txt、run.sh、README.md。可学习 TPipe+TQue 管理 UB Buffer、CopyIn→Compute→CopyOut、EnQue/DeQue 同步、Host 流程。内置 PyTorch 对接，编译后用 torch.ops.load_library 与 torch.ops.npu.add_custom 调用。
限制：具体平台、版本与性能未在资料中提供。