用途：在 Ascend NPU 平台上优化 Triton 算子延迟，按严格顺序逐项排查优化点，每次迭代只应用一个优化点，确保功能一致、精度一致。
输入：code_file_path（Triton Ascend 算子代码路径）、output_path（优化后代码输出路径）、npu（NPU 设备 ID）、arch（硬件架构）。输出必须包含 output_path 指定的代码文件、优化策略说明、功能一致性说明与精度一致性说明；若无更多优化点，仍需写出 output_path 并说明“无更多优化点”。
主要能力（按顺序检查）：1 入参静态化（tl.constexpr）；2 Tiling 连续轴向量化；3 分核优化（Grid 与物理核数匹配、multibuffer、unit_flag）；4 离散访存优化；5 Scalar 转 Vector；6 避免向量 API 标量降级；7 Pass 合并；8 维度合并；9 Libdevice 函数使用；10 循环不变量外提；11 Load 指令重排序；12 Autotune 自动调优。全部完成后执行 Block Size Scaling 作为最终步骤。
使用方式：先判断当前优化点是否命中（代码特征满足且适用条件成立），未命中则跳过，命中才加载对应 references 文档；应用优化后必须加载 references/checklist.md 检查代码规范，不满足则修改至满足，再执行精度与性能验证。性能不劣化（speedup ≥ 1.0）则作为下一轮基线，劣化则放弃本次结果。可多轮迭代，直到所有优化点均不命中。
限制：只能使用本技能规定的优化方式，禁止使用超出范围的优化方式；必须先命中命中条件才能加载参考文档；一次只能参考一个文档；输出代码需可被 triton-op-verifier 直接验证与基准测试。具体性能数据、支持架构范围与安装方式暂未提供。