本技能用于根据设计文档生成 AscendC 算子的完整代码，并完成框架适配。触发条件为：设计文档已完成，需要生成 op_host/op_kernel 代码、注册到 PyTorch 框架、编译测试。关键词包括代码生成、op_host、op_kernel、tiling、kernel、框架适配、算子注册。
用途 根据设计文档生成 op_host + op_kernel 代码，注册到 PyTorch 框架，并调用 ascendc-operator-compile-debug skill 完成编译安装和精度测试。前置条件是设计文档 ascend-kernel/csrc/ops/<op_name>/design.md 已就绪，目录结构已创建。
工作流程总览 读取设计文档 → 加载 reference → 选择模板 → 生成 op_host + op_kernel → 框架适配 (ops.h + register.cpp + csrc/CMakeLists.txt) → 调用 ascendc-operator-compile-debug skill（编译 + 安装 + 测试）。
阶段 1：加载参考文档 读取 references/GUIDE.md，并根据设计文档中的算子类型加载对应的 reference 文件，该步骤标记为必须执行。
阶段 2：读取设计文档 从 ascend-kernel/csrc/ops/<op_name>/design.md 提取信息，包括：原型设计中的函数签名与支持的数据类型，用于 op_host 函数原型与 kernel 模板参数；Tiling 切分中的算子类型，用于选择 elementwise 或 row 模板；UB 空间分配中的 UB 分配表，用于推导 bufferCoefficient 与 InitBuffer 大小；Kernel 实现中的计算伪代码，用于确定 Compute 函数逻辑。
阶段 3：选择模板并生成代码 根据算子类型选择模板。Elementwise 类型（如 ReLU、GELU、Add 等）使用 templates/elementwise_op_host.cpp 与 templates/elementwise_op_kernel.cpp；行处理类型（如 LayerNorm、Softmax 等）使用 templates/row_op_host.cpp 与 templates/row_op_kernel.cpp。需读取对应模板文件的完整内容，复制到目标路径后修改。
生成步骤：读取选中的 op_host 和 op_kernel 模板完整内容；将内容写入 ascend-kernel/csrc/ops/<op_name>/op_host/<op_name>.cpp 和 op_kernel/<op_name>.cpp（覆盖骨架占位文件）；替换所有占位符（<op_name>、<OpName> 等）；根据设计文档修改 op_host（函数签名、输入校验、bufferCoefficient、EXEC_KERNEL_CMD 参数）和 op_kernel（Init 的 GM 参数、InitBuffer 大小、Compute 计算逻辑）。
FP16/FP32 模板分支：Kernel 模板使用 template <typename T> 泛型加 if constexpr 分支处理不同数据类型。若 sizeof(T) == sizeof(float)，float32 直接计算；否则 fp16/bf16 先 Cast 升精度到 fp32 计算，再 Cast 降精度。AscendC 编译器支持 C++17 if constexpr，可安全用于模板分支；如需兼容旧编译器，也可用 sizeof(T) == 4 的普通 if。
硬件参数获取：模板使用平台 API 动态获取硬件参数，不硬编码，通过 platform_ascendc::PlatformAscendCManager::GetInstance() 获取 coreNum 与 ubSize，需要 workspace 时可获取 sysWorkspaceSize。
bufferCoefficient 推导：从设计文档 UB 分配表推导，将所有 Buffer 的“总大小”列加和，结果形如 tileLength * N，则 bufferCoefficient = N。不同 dtype 系数不同时用 if (dtypeSize == 2) {...} else {...} 分支。
FP16/BF16 升精度：FP16 和 BF16 都必须升精度到 FP32 计算再转回，模板中已标注升精度代码的插入位置。
GM ↔ UB 搬运：生产代码必须使用 DataCopyPad，不要使用 DataCopy 进行 GM↔UB 搬运。模板文件中可能使用 DataCopy 以简化示例，生产代码应替换为 DataCopyPad。
ReduceSum/ReduceMax 注意：归约操作可能修改源 tensor，必须先备份。
阶段 4：框架适配 4.1 更新 csrc/ops.h：在 namespace ascend_kernel 中添加函数声明。 4.2 更新 csrc/register.cpp：在 TORCH_LIBRARY_FRAGMENT(npu, m) 中添加 schema，在 TORCH_LIBRARY_IMPL(npu, PrivateUse1, m) 中添加实现。Schema 语法映射包括：const at::Tensor & 对应 Tensor；at::IntArrayRef 对应 int[]；int64_t 对应 int；double 对应 float；bool 对应 bool；c10::optionalat::Tensor 对应 Tensor?；c10::optional<int64_t> 对应 int?。 4.3 更新 csrc/CMakeLists.txt：在 FILE(GLOB OP_SRCS ...) 中添加 host 源文件，在 ascendc_library(no_workspace_kernel STATIC ...) 中添加 kernel 源文件。
阶段 5：编译安装与测试 按 ascendc-operator-compile-debug skill 流程执行：加载环境（source CANN 环境变量，激活 conda 环境）；确保 build.sh 有执行权限；编译工程 bash build.sh；验证编译成功 ls output/ascend_kernel*.whl；安装 whl 包 pip install output/ascend_kernel*.whl --force-reinstall --no-deps；生成测试文件 tests/test_<op_name>.py；运行功能测试 python tests/test_<op_name>.py；运行精度测试 pytest tests/test_<op_name>.py -v。编译/测试失败进入排错循环（最多 3 次）。精度测试失败时，若 allclose 不通过、输出偏差、全零或 NaN，须按 ascendc-operator-precision-debug skill 流程排查根因（误差分析 → 代码审查 → 实验隔离 → 插桩定位 → 修复验证）。实战经验：每次 shell 命令前都要 source 环境变量，否则会找不到编译工具或 Python 包。
生成后检查清单 op_host：namespace ascend_kernel，include torch_kernel_helper.h + tiling/platform/platform_ascendc.h + aclrtlaunch_<op_name>.h；使用平台 API 获取 coreNum 和 ubSize（不硬编码）；bufferCoefficient 与设计文档 UB 分配表一致；EXEC_KERNEL_CMD 所有参数均为左值；行处理时 padding/去 padding 正确。 op_kernel：include kernel_operator.h，BUFFER_NUM = 2；Init 整核/尾核偏移正确，InitBuffer 大小与 UB 分配表一致；Process 尾 tile 对齐（alignedTailLen）；AllocTensor/FreeTensor 配对，EnQue/DeQue 配对；FP16/BF16 必须升精度到 FP32 计算；ReduceSum 前备份源数据。 框架适配：ops.h 声明与 op_host 函数签名一致；register.cpp schema 参数类型/默认值正确；csrc/CMakeLists.txt 添加了 host 和 kernel 源文件。
反模式清单 不要让 FP16/BF16 直接参与复杂数学计算（Mul/Div/Exp/Tanh 等），必须先 Cast 到 FP32；不要在 EXEC_KERNEL_CMD 中传右值（临时对象、字面量、表达式结果）；不要在 kernel 中使用 bool 参数类型，用 int64_t 替代；不要对 GM↔UB 搬运使用 DataCopy，必须用 DataCopyPad；不要在 ReduceSum/ReduceMax 后直接复用源 tensor（归约可能修改源数据）；不要在 kernel 中使用 std::min/max/abs/sqrt/exp 等标准库函数；不要向高维切分 API 传入 repeatTime > 255（uint8_t 会静默截断为 0）；不要修改 cmake/ 或 csrc/utils/ 下的文件；不要在 register.cpp 的 schema 中遗漏默认值（如 int dim 应写为 int dim=-1）；不要硬编码核数或 UB 大小，必须通过平台 API 获取；不要让 ReduceMax/Sum 的 dst 与 tmpBuffer 指向同一块内存。