用途：把 cuTile 编写的 GPU 内核（@ct.kernel）转换为 Triton 的 @triton.jit 内核，适用于 TileGym 仓库内已有算子的移植、TMA、双布局标志、autotune、MLA 等场景，并提供调试与性能分析支持。
主要能力：按“分析→转换→验证→测试→基准”的阶段门控流程执行；提供 cuTile 到 Triton 的 API 映射（如 ct.astype(x,dtype)→x.to(dtype)、ct.mma(a,b,acc=acc)→tl.dot(a,b,acc)、ct.launch 改为括号式启动）；对 2D 及以上块状 load/store 强制使用 tl.make_tensor_descriptor（TMA），避免原始指针加掩码带来的 5–20 倍回退；针对 GEMM/BMM/attention、Gemma FMHA/GQA、transpose 布局标志、Blackwell 等给出专门优化路径与规避 10–50 倍性能回退的清单。
使用方式：先对 cuTile 源码运行 pre-flight 的 grep 命令统计 @ct.kernel、检查 ct.transpose、ct.load/store、ct.Constant 等模式；随后按转换检查表逐步改写，主机端用 grid 元组或 lambda META 方式启动，使用 triton.set_allocator 支持 TMA；用 pytest tests/ops/test_<op>.py -k "triton" -vs 验证，再跑 perf 测试与 cuTile 对比。
完成标准：四个门——正确性（pytest 0 失败）、TMA 优化（2D+ 均为 tensor descriptor）、性能（Triton TFLOPS ≥0.8×cuTile）、性能对比记录。
限制：资料仅描述流程与规则，未提供具体算子支持范围、收费或平台信息，均暂未提供；该技能不编造未给出的功能、价格或效果。