用途：把 GPU/CUDA Triton 算子迁移到 Triton-Ascend，或把 Python/PyTorch 算子改写为可在 Ascend NPU 上运行的 Triton-Ascend 实现，并在存在明确优化空间时直接输出优化后的代码、最小验证脚本和排障说明。
主要能力：输入可为文件路径、指定代码段或直接粘贴的代码，来源包括 GPU/CUDA Triton kernel 与 Python/PyTorch 算子；先识别算子类型（elementwise、broadcast/mask、reduce、含 tl.dot）。默认先做最小可运行迁移（cuda 改 npu、补 torch_npu、去掉 GPU 专属设备逻辑、grid 优先 1D），跑通后再做 Ascend 侧优化，如物理核绑定、BLOCK_SIZE/XBLOCK 调整、连续/对齐访存，以及 coreDim、UB、dtype、mask 排查。
使用方式：用户提供代码、参考实现、文件路径或报错/性能日志，并说明运行环境（本机命令行、容器、CI 或仅生成代码）。按固定结构输出迁移结论、Triton-Ascend 实现、验证脚本（含 PyTorch 参考对比与 allclose 或误差输出）、优化说明和风险与限制。需细化命令行与容器用法时读取 references/usage.md。
适用场景：Triton 算子向 Ascend 迁移、PyTorch 算子改写、迁移后性能优化与排障。
限制：需用户补充 shape、dtype、stride、精度要求等信息；是否实际执行、具体命令与结果以及工具本身收费情况资料暂未提供。