用途：分析昇腾 NPU profiling 数据，回答时间花在哪里、哪些现象不自然、模型架构如何执行三个问题。
主要能力：结构分解按 step→结构(层)→block/side→op→PMU 逐层聚合；异常发现基于设备忙区间合并做气泡检测、异常标签与软归因；模型架构分析借助 FIA 时间线、pass 边界、层分类、逐层子结构与通信流水线，输出独立 Markdown 报告。核心原则是区分“异常存在”的硬事实与“为何存在”的软归因，弱 profiling 配置下仍能给出设备空闲气泡与风险标签。
使用方式：先读 references/kernel_data_guide.md、references/rulebook.md、references/architecture_report_template.md；需要结构化 JSON 时读 references/schema.json；写分析脚本可参考 scripts/reference_host_gap_branch.py。流水线为 INGEST→INVENTORY→FACT_EXTRACTION→CANDIDATE_STEP_DETECTION→STEP_GROUPING→MACRO_STEP_RESOLUTION→SEGMENTATION→CLOCK_ACCOUNTING→ANOMALY_DISCOVERY→PERF_JUDGEMENT→RECOMMENDATION→RENDER→DONE，架构分析并行执行并保存 model_architecture_report_<profiling_dir_name>.md。
适用场景：昇腾 NPU 训练/推理性能剖析、气泡与等待锚点排查、MoE/稠密层架构逆向。
限制：依赖 kernel_details.csv、op_summary、trace_view.json 等输入；软归因标签非唯一根因，证据不足时明确标注 insufficient_evidence；具体阈值与规则以 rulebook 为准，资料未提供收费、平台与效果信息。