用途：profile-kernel 是面向 GPU 内核实现的性能分析（profiling）工作流，用于测量内核耗时、吞吐、占用率与瓶颈，并给出优化线索。
主要能力：支持四种分析模式——annotation（默认首轮，输出 roofline、NCU 指标与对比表）、event（快速 A/B 计时，含 Python 开销）、ncu（深入 NCU 分段、源码注解与优化建议）、nsys（流水线重叠、流并发与启动顺序分析）。文档提供指标健康阈值（TC Util>60%、DRAM 吞吐>70%、占用率>25%、L2 命中率>80%、Local Spilling=0、Waves/SM>1.0）与瓶颈分类表，并规定向编排器回传结果的固定格式和开发日志性能模板。
使用方式：分析前先锁定时钟并逐个运行：bash scripts/lock-gpu-clock.sh，完成后 bash scripts/reset-gpu-clock.sh。命令行入口为 python -m mla_var3.kernel <kernel_package> [<version>] --b=32 --s=16 --t=4096 --prof_type=<mode>；也可用 Python API（annotation_profile_plan、ncu_profile_plan、nsys_profile_plan）调用。结果默认写入 out/profiles/<mode>/<kernel>/<params>/<timestamp>/，含 params.json、tiling、compiled 等产物。
适用场景：kernel 性能首轮评测、快速 A/B 对比、源码级优化分析、并发与重叠排查。
限制：event 模式不适用于 KernelPipeline/ConcurrentKernels；设备峰值不可硬编码，需从 params.json、运行时产物与 src/mla_var3/conf/devices.json 读取；自动调优后偶发错误可重跑（配置已缓存）；文档未提供支持平台、收费等信息。