用途
perf-analysis 是一个性能分析协调工作流技能，属于 NVIDIA TensorRT-LLM 项目。它的核心定位是：协调性能分析流程，但不直接运行剖析工具。使用者通过它来规划分析步骤、委派剖析任务、解读剖析结果、分类性能瓶颈，并生成结构化的性能分析报告。
主要能力
- 剖析委派：将实际的剖析与测量任务委派给 perf-profiling-specialist 或其他领域专家，而不是自己运行工具。
- 指标提取：从剖析工具输出中提取所需指标，包括吞吐量（samples/sec、tokens/sec、iterations/sec）、延迟（端到端时间、内核时间、通信时间）、MFU（模型 FLOPs 利用率）、% of SOL（当前性能与硬件峰值性能之比）、GPU 利用率（SM 占用率、张量核心使用率）、内存带宽（DRAM 带宽利用率与峰值对比）。
- 瓶颈分类：在给出优化建议前，先判定主要瓶颈类型，包括计算受限（高 GPU 利用率、低内存带宽使用）、内存受限（高内存带宽、低计算利用率）、启动开销（大量小内核、高 CPU 时间）、通信受限（集合操作耗时显著）、同步受限（过多的 CPU-GPU 同步点）。
- 结构化报告：每次分析都生成包含 Summary、Metrics、Findings、Recommendations 四个部分的报告。
- 优化建议参考：分类完成后，可查阅 perf-optimization-casebook 技能，寻找与瓶颈类别、模型和硬件匹配的候选优化方案（决策先例），用于填充建议部分；但只报告实测数字，不得把案例的预期效果当作已达成结果。
使用方式
分析工作流分为六步：
- Understand（理解）：明确用户需要哪些指标（MFU、SOL、延迟等）。
- Plan（规划）：在开始前规划剖析与分析步骤。
- Profile（剖析）：委派给 perf-profiling-specialist 进行实际测量。
- Measure（测量）：从剖析结果中提取所需指标。
- Classify（分类）：若在诊断问题，确定主要瓶颈类型。
- Report（报告）：生成包含发现结果的性能分析报告。
委派时，应描述期望的结果，而不是工具方法论。应包含：工作负载（文件路径、代码片段或要剖析的命令）、问题背景（维度、数据类型、FLOPs 计算、批大小）、期望指标（SOL%、MFU、吞吐量、占用率、瓶颈分类）、约束条件（要针对的特定内核、剖析区域标记）。不应包含：具体工具标志或命令模式、逐步工具使用说明、工具失败的回退策略、示例命令、输出文件路径或产物位置。专家拥有自己的技能来编码工具使用最佳实践，并拥有自己的工作区产物用于输出；在委派中指定命令会覆盖其技能，可能导致次优的剖析策略。
远程剖析时，若在远程 SLURM 集群上剖析，需在委派提示中包含 Remote Execution Context 块，附带目标集群的 SSH+srun 包装器。perf-profiling-specialist 会用该包装器为其命令（nsys、ncu、nvidia-smi）添加前缀。该专家不需要 exec-remote-slurm 技能，因为上下文块已提供远程执行所需的一切。
可用的专家包括：perf-profiling-specialist（运行 nvidia-smi、nsys、ncu、torch.profiler，用于所有剖析任务）、perf-torch-cuda-graph-specialist（分析 CUDA Graph 兼容性并应用捕获工作流）。
适用场景
适用于需要对 GPU 工作负载进行性能剖析与瓶颈诊断的场景，例如分析批量 GEMM 内核、训练或推理性能评估、MFU 与 SOL 计算、内存带宽与计算利用率分析，以及在远程 SLURM 集群上执行剖析。
限制
- 该技能不直接运行剖析工具，所有测量必须委派给专家。
- 所有性能数字必须来自剖析工具输出，不得编造。
- 必须先分类瓶颈再给出优化建议，错误分类会导致无效工作。
- 优化建议只能引用实测数字，不得把案例的预期效果当作已达成结果。
- 委派时不得指定具体工具标志、命令模式或输出路径。
报告格式
每份分析报告包含四个部分：Summary（高层性能状态或瓶颈分类）、Metrics（来自剖析的关键性能数字）、Findings（带证据的详细观察）、Recommendations（按优先级排列的优化建议，如适用）。