用途：根据算子任务格式的任务描述，生成面向 Ascend NPU 的 Triton 内核代码；支持首次生成、代码修改和基于验证错误的迭代修复，输出可直接运行的完整 Python 文件。
主要能力：按算子类型（Element-wise、MatMul、Reduce、Attention、Sort/Select、Interpolate 等）加载对应参考知识；可基于 kernel-designer 给出的算法草图实现，无草图时自行设计；迭代模式下依据 verifier_error 与 conductor_suggestion 定向修复并保留原有正确部分。
使用方式：输入任务描述与规格（含 Model 类）、算法草图、相关知识与执行历史；输出需包含 @triton.jit kernel 与 ModelNew 类。init 与 forward 签名、输出形状与数据类型须与原 Model 一致；类名必须为 ModelNew；kernel 与辅助函数同一文件、自包含、无测试代码。含随机权重的算子需在 ModelNew.init 首先调用 torch.manual_seed(0)，并按原 Model 完全相同的顺序创建参数模块以提取权重。
限制：禁止 PyTorch 退化，forward() 中的核心计算必须在 @triton.jit kernel 内完成，不得使用 torch 计算函数、torch.nn.functional、tensor 方法、tensor 运算符或 nn.Module 调用；仅允许 buffer 分配、形状操作、元信息查询与 kernel 启动。数值正确性优先于性能。具体硬件规格、参数与完整 API 细节需按外部参考文档加载，本文未提供。