用途：本技能面向华为昇腾 NPU 服务器，用于大语言模型的量化加速。msmodelslim 是昇腾生态的模型压缩工具，可在 NPU 上对大模型做 INT4/INT8/INT16 量化，降低显存占用并提升推理性能。
主要能力：覆盖从环境检查、动态方案查询、容器化部署到量化执行的完整工作流；支持量化类型 W4A8、W4A8C8、W8A16、W8A8、W8A8S、W8A8C8、W16A16S；量化后模型按 {original_name}-{quant_type}-{features} 命名，例如 qwen2-7b-w8a8、deepseek-v3-w4a8c8。
使用方式：当用户提出“量化某模型”“msmodelslim 支持某模型”等请求时触发。流程为：先与用户确认工作目录 work_path 与保存路径 save_path，检查或创建 msmodelslim 项目，再动态查询量化方案，确认是否需要容器化部署，检查模型在 example/{model_name}/README.md 中的特定环境要求，生成预量化报告并等待用户明确确认后方可执行量化。远程服务器建议使用非交互式方式，如 sshpass -p 'password' ssh user@server 或 ssh -i keyfile user@server，并可将文件用 scp 或 rsync 批量传输。若 pip 安装超时，可更换源，例如 pip config set global.index-url http://mirrors.aliyun.com/pypi/simple 与 pip config set install.trusted-host mirrors.aliyun.com。
适用场景：昇腾 NPU 服务器上的模型量化、量化后部署到设备推理、降低显存占用与优化性能。
限制：不要硬编码模型支持列表，须实际查询项目确认；不同 msmodelslim 版本支持的模型和量化类型可能不同；部分量化可能依赖特定 NPU 或 GPU 硬件；执行前必须生成报告并获得用户确认，不得跳过确认步骤。资料未提供具体量化参数取值、耗时预估方式及准确率影响数据。