该技能用于把 cuTile 编写的 GPU 内核（@ct.kernel）转换为 Triton 内核（@triton.jit），主要面向 TileGym 仓库内的算子转换任务。
用途与流程：遵循 translations/workflow.md 的阶段门控工作流，按 analyze → convert → validate → test → benchmark 推进，每阶段需通过显式门禁。转换前先做 Pre-flight 分析，用 grep 统计 @ct.kernel 数量，并检查 ct.transpose/ct.permute、ct.astype、ct.load/ct.store、ct.launch、ct.Constant、ct.cdiv、ct.bid 等模式。API 映射见 references/api-mapping.md。
主要能力：提供转换清单、文件结构规范、常见错误表（gotchas.md）、性能回归风险表（performance-gotchas.md）与调试文档（debugging.md），覆盖运行时错误如 cudaErrorIllegalAddress、shape 不匹配、数值不匹配等。对 2D 及以上块状加载/存储要求使用 tl.make_tensor_descriptor（TMA），并指出裸 tl.load(ptr+offs, mask=...) 是常见大幅性能回退来源。注意力/FMHA/GQA/soft cap/滑动窗口需读 references/optimization-strategy.md 并按 §4 Gemma FMHA 清单处理；GEMM/BMM/注意力可参考 references/optimizing-reference.md。
使用方式：按清单逐步执行，需运行 pytest（如 pytest tests/ops/test_<op>.py -k "triton" -vs）验证正确性，再对比 Triton 与 cuTile 性能；满足正确性、TMA、性能、记录四项完成门禁后视为完成。
限制：仅适用于 cuTile 到 Triton 的转换；转置/双布局等高级场景需按 advanced-patterns.md 拆成多内核与 META grid，而非单内核加 tl.trans。资料未提供具体平台支持范围、收费与价格信息。