用途：在深入性能分析前对 MindStudio profiler 数据做前置体检，确认数据类型、采集状态、解析状态与关键交付件，避免后续分析工具无法运行。
主要能力：识别数据类型（框架 profiler 的 []_ascend_pt / []ascend_ms，或 msprof 的 PROF{} 目录）；校验采集是否正常 Stop；解析 profiler 配置；校验是否已解析；检查关键交付件。
使用方式：多卡数据默认只抽查一张卡（如 Rank0），仅当用户明确要求逐卡校验时才逐卡检查。类型判定依据用户给定的顶层路径，判定后全程只用对应类型规则，不得混用。框架 profiler 通过 MCP 工具 msprof-mcp__get_profiler_config(profiler_path) 读取 profiler_info.json，关注 profiler_level、with_stack、with_modules、record_shapes、profile_memory；未解析时可执行 scripts/offline_parse_pytorch.py <profiler_path> 或 scripts/offline_parse_mindspore.py <profiler_path>。msprof 检查 PROF_{}/device_{}/ 下 end_info.{}，未导出时可执行 msprof --export=on --output=<output_path>。
适用场景：用户提供 profiler 数据并要求检查数据或查看校验结果时输出结构化报告；在 Timeline、算子分析等前置调用中，invalid 必须告知并终止，unparsed 需先引导解析，校验通过则静默进入后续分析。
限制：invalid（未正常 Stop）必须终止流程；unparsed（未解析）必须优先引导解析，否则后续工具无法运行。msprof 无需检查配置，跳过配置步骤。其他细节暂未提供。