用途：为 Intel XPU GPU（Battlemage G21 / Arc Pro B50，Xe2 架构，128 XVEs）编写、优化和基准测试 Triton 内核，并通过 Xe-Forge 优化循环把 PyTorch 代码转换为快速 Triton 内核。适用于 GEMM、融合内核、归约、Flash Attention 等场景，以及对比 PyTorch 基线的性能测试。
主要能力：提供静态分析、语法与约束校验、正确性与性能基准测试、VTune 硬件计数器剖析，以及树状试验管理（初始化、保存、记录结果、查看状态、选取最佳、定稿）。知识库涵盖正确性约束、XPU 优化模式（张量描述符、GRF 256、swizzling）、融合模式、优化级别与内核模板。
使用方式：先读取 scripts/config.yaml 获取 max_trials 与 vtune 配置。典型流程为：python scripts/analyze_kernel.py <file> 分析基线；python scripts/trial_manager.py init <kernel_name> <baseline_file> 初始化；python scripts/validate_triton.py <file> 校验；python scripts/benchmark.py <baseline> <triton> 基准测试；python scripts/xpu_profiler.py <file> 剖析；python scripts/trial_manager.py finalize <kernel_name> <name>_triton.py 定稿。
限制：机器仅有一个 XPU，benchmark.py 与 xpu_profiler.py 必须串行执行，禁止并行 GPU 任务。只允许创建 Triton 内核文件，不得自建基准或测试脚本；工具失败应停止并报告。内核须自包含，须跑满 max_trials，仅加速比超过 5x 可提前停止。XPU 约束包括：autotune 元参数不得设默认值、使用 1D 网格配合 GROUP_SIZE_M、boundary_check 用维度索引、batch 索引转 int64、优先张量描述符、勿混用块指针与描述符、原子累加需预清零输出。具体性能数据与外部资源细节暂未提供。