用途：帮助用户根据算子维度、单次执行耗时与硬件峰值算力，计算算子的 MFU（Machine FLOP Utilization），并给出公式、推导过程和结果含义解读。
主要能力：
- FLOPs 估算。标准 GEMM 形状 (M,K) 与 (K,N) 时 FLOPs≈2×M×N×K；带 batch 为 2×B×M×N×K。线性层可折算为 M=B×L、K=D_in、N=D_out；Attention 的 QK^T 可折算为 B'=B×H、M=L_q、N=L_k、K=D_h。
- FlashAttention FLOPs。支持 BNSD/BSND/BSH/SBH/TND 布局，统一转换为 (B,N,S,D)；TND 需 actual_seq_qlen、actual_seq_kvlen，按累积长度差得到各样本实际长度，计算 acl_seq_workload=Σ q_lens[i]×kv_lens[i]，FLOPs=2×N×(D_q+D_k)×acl_seq_workload。Common layout 需 sparse_mode（0 完整、2 常为 causal、3 其他稀疏），causal 等情形按资料给定系数折算。
- MFU 计算步骤：确认算子类型、张量维度、执行耗时（ms）、单卡峰值算力；算出单次 FLOPs；t_s=time_ms/1000，Achieved TFLOPs/s=FLOPs/t_s÷1e12；MFU=Achieved TFLOPs/s÷Peak TFLOPs/s，输出百分比。
- 硬件峰值参考：Ascend 910B1 FP16/BF16≈378.88 TFLOPs/s，910B2≈353.89，910B3≈294.91，910B4≈270。缺确切峰值时可先询问型号、精度模式及是否用 Tensor/Matrix Core，用近似值需说明为粗略估算，建议以官方文档为准。
使用方式：向用户索取必要输入；按步骤给出复述输入、关键公式与代入过程、最终 MFU（2–3 位有效数字百分比）、原因或优化方向分析（如 batch 过小、K 维过小、带宽瓶颈等）。资料建议回答开头声明基于该 Skill 的 MFU 计算规范。
适用场景：算子性能评估与优化分析，覆盖 matmul/GEMM、线性层与 attention 相关算子。
限制：缺少 sparse_mode、actual_seq_qlen 等关键参数时不应猜测，需明确列出缺失项并说明从 profiler/日志获取的方法；峰值算力缺失时结果为粗略估算。