用途：在 ascend-kernel 仓库中为 csrc/ops/<算子名>/ 建立可复用的 profiler 性能用例，并产出「自定义算子 vs 标杆」的 Markdown 性能对比报告。
主要能力：以 torch_npu.profiler 采集性能数据，固定 warmup=5、active=5，每步调用 prof.step()；从导出目录 *_ascend_pt/ASCEND_PROFILER_OUTPUT/op_statistic.csv 汇总各算子 Total Time(us)，按 active×repeat 或 active 折算单步耗时；生成统一对比表（Case | Shape | DType | 自定义算子(us) | 标杆(us) | 加速比）、全量汇总、按数据类型汇总与简短分析。
使用方式：用例仅以 JSONL 形式维护（如 <op>_perf_cases.jsonl），每行一个含 inputs 数组的 JSON 对象；生成用例前必须先读 csrc/ops/<op>/test/<op>-test-cases.md（若存在）与 csrc/ops/<op>/design.md，提取 dtype、参数约束、典型 shape 与执行模式，用例总数不少于 8，覆盖小/中/大规模及全部支持 dtype。产物统一放在 csrc/ops/<op>/test/：JSONL 用例、<op>_torch_npu_profiler_report.md、profiler_trace/ 导出目录及性能脚本。可参考 examples/layer_norm_profiler_reference/ 整体拷贝后替换算子名与前向调用。
适用场景：AscendC 自定义算子的性能回归与标杆对比评估。
限制：warmup 与 active 不允许改为其它值；报告必须为双路径对比，无标杆等价接口时须用小算子拼接实现标杆路径（以张量操作为主，避免 Python 标量循环），不得输出单路径报告；不生成 .json 用例文件或 *_profiler_results.json；结果须在对话中展示核心表格与结论，不能只给路径。具体算子支持范围与性能数据以实际运行为准，资料未提供固定数值。