用途：本 Skill 面向通用场景（明确排除 MindSpeed-LLM 与 MindSpeed-MM），通过 torch_npu.profiler 采集 Ascend NPU 的 Profiling 性能数据，供 profiling-analysis 系列 Skill 做后续分析。
主要能力：支持 level0/level1（推荐）/level2 采集级别；支持训练循环、单次推理、指定代码段三种采集方式；可配置 active 步数（默认 3）、CPU 采集（默认开启）、内存采集（默认关闭）、Tensor Shape 记录（默认开启）、with_stack 堆栈采集（默认关闭）、输出目录（默认 ./profiling_result）等；兼容 .py 脚本与 deepspeed/torchrun 的 .sh 启动脚本。
使用方式：先收集并确认配置表；再检查环境，执行 source /usr/local/Ascend/ascend-toolkit/set_env.sh 2>/dev/null || source /usr/local/Ascend/cann/set_env.sh 2>/dev/null、npu-smi info、python -c "import torch; import torch_npu; print(f'torch_npu: {torch_npu.version}'); print(f'NPU available: {torch.npu.is_available()}')"，NPU 或 torch_npu 不可用则停止。随后基于用户脚本创建带时间戳的新脚本并注入 profiling 代码，不修改原始脚本；.py 走分支 A 直接注入后 python 运行，.sh 走分支 B 先提取被引用的主入口 Python 脚本再注入，并修改新 shell 脚本中的引用路径后 bash 运行。最后用 ls {OUTPUT_DIR}/.pt.json 与 ls {OUTPUT_DIR}/worker_0_/trace_*.json 验证产物并报告。
限制：必须提供可运行的 .py 或 .sh 脚本，否则停止；仅支持 .py 与 .sh 两种类型；采集级别、步数等未提供时使用默认值；需要可用的 Ascend NPU 与 torch_npu 环境；产物格式与具体字段以实际输出为准；其他环境要求、版本与性能收益资料暂未提供。