用途：当需要编写 PyPTO 算子实现时使用。基于需求规格（SPEC.md）、设计方案（DESIGN.md）和参考实现（{op}_golden.py）完成代码实现、精度验证与 README 交付；信息不足时向用户逐步提问补充。
主要能力：生成 custom/{op}/ 下的三件交付物——{op}_impl.py（PyPTO kernel，导出 {op}wrapper(x: torch.Tensor) -> torch.Tensor，使用 @pypto.frontend.jit）、test{op}.py（基于 torch golden 的精度对比测试，用 assert_allclose，输出 [PRECISION_PASS]/[PRECISION_FAIL] 标记）、README.md（算子概述、目录结构、运行方式、验证入口、已知限制等）。
必要用法：阶段一环境准备，检查 CANN 安装（echo ${PATH} | grep cann-8.5.0）与 pto-isa 源码（echo ${PTO_TILE_LIB_CODE_PATH}），必要时执行 scripts/environment_prepare.sh；用 bash scripts/list_idle_chip_ids.sh 找空闲 chip 并 export TILE_FWK_DEVICE_ID；未设置会报 NPU 环境不可用。阶段二读取 references/impl-template.py、references/test-template.py 生成代码，遵循 references/execution-constraints.md。阶段三验证：如未安装 pypto 先执行 python3 build_ci.py -f python3 --disable_auto_execute，再运行 python3 custom/{op}/test_{op}.py；有 NPU 卡时不要用 run_mode=sim。失败时先检查日志中是否有 ErrCode: F，有则按 references/error-code-troubleshooting.md 排查。
限制与注意：PyPTO tensor 创建后是未初始化随机值，须先初始化或保证先写后读；只能使用 PyPTO 已支持的 API，不得无中生有；golden/impl/test 必须职责分离；输出写回须显式（output[:] = ... 或 pypto.assemble(..., output)）；动态轴须标注 pypto.DYNAMIC，动态范围用 valid_shape，动态循环边界用 unroll_list，matmul/cube 场景须配置 set_cube_tile_shapes；避免同图内回环读写。简洁说明：未提供收费、版本兼容范围等更多信息。