用途：指导并自动化在昇腾 NPU 上对 MindSpeed-MM 模型训练进行 Profiling 数据采集。
主要能力：读取用户提供的可运行训练脚本（.sh），自动识别训练引擎并定位配置文件。识别依据包括脚本中的 MM_TOOL 变量、pretrain_sora.py / pretrain_transformers.py 入口、torchrun 后的 YAML 路径、YAML 中 MM_TOOL_PATH 字段及 tools.profile 结构。支持静态采集（指定起止 step）和动态采集（运行时修改配置文件动态开关）；支持 Megatron 引擎（修改 tools.json）和独立 FSDP2 引擎（修改 YAML）。
必要用法：需先提供已配置模型、数据、权重的可运行训练脚本，否则无法采集。按顺序选择采集类型、级别、起止 step、卡号、采集内容、AI Core 指标、在线解析、训练步数后确认配置。执行前检查 CANN 环境（source /usr/local/Ascend/ascend-toolkit/set_env.sh 或 /usr/local/Ascend/cann/set_env.sh）与 torch_npu 可用性，NPU 不可用则停止。之后创建脚本与配置文件副本并修改，运行训练；禁止修改原始文件。动态采集需在 dynamic_param.config_path 指定空目录，训练中修改 profiler_config.json 的 start_step / end_step。离线解析命令按引擎选择。训练后检查 save_path 下 *_ascend_pt/ 目录。
限制：禁止修改用户原始脚本与配置、禁止安装框架或下载模型权重、禁止 start_step = 0（须 >= 1）、禁止默认采集全部 rank（ranks: [-1]）、大规模训练仅采集 2-3 步。若脚本不引用 mindspeed_mm，建议改用通用采集技能；缺失路径需先修复。故障排查涉及 NPU 显存、空目录、端口占用、rank 配置、tools.json 路径等。可视化建议使用 MindStudio Insight。