用途：面向 PyTorch ExecuTorch 的 QNN（Qualcomm AI Engine Direct）后端开发，用于构建、测试或开发 backends/qualcomm/。以斜杠命令 /qualcomm 调用，带参数时先分类路由：涉及 buck-fix、buck-cmake、buck-parity、qnn buck、修复 QNN buck CI 等请求时，读取 buck_parity.md 并端到端执行，默认进入完整迭代修复循环；若参数含 check 或 diagnose，则只运行一次并报告，不应用修复。无参数或其他参数时按普通发现请求处理，参考高级主题表。
主要能力：按主题读取对应文件，包括导出/降级/量化选项与 pass 流水线（lowering_export.md）、新算子开发（new_op_development.md）、通过 QNN op 包启用自定义算子（custom_op_enablement.md，覆盖 HTP 与 LPAI/eNPU）、模型端到端启用（model_enablement.md）、Buck 与 CMake 一致性（buck_parity.md）、性能分析与调试（profiling.md）、QNN 中间输出/逐层精度调试（qnn_intermediate_debugger.md）。
使用方式：构建使用 backends/qualcomm/scripts/build.sh，仅支持 Linux。环境变量 QNN_SDK_ROOT 与 ANDROID_NDK_ROOT 未设置时自动下载。默认构建 x86_64（Python 接口与主机工具，build-x86/）和 Android arm64-v8a（设备运行器，build-android/）；可用 --skip_x86_64、--skip_linux_android 关闭。直接模式默认关闭，用 --build_direct_mode <0|3> --soc_model <model> 开启，0 为 ADSP/LPAI、3 为 CDSP/HTP，DSP 类型为 0 时还会调用 sign_library.sh --direct_mode 签名运行时库。其他选项包括 --enable_linux_embedded、--release、--no_clean、--job_number。x86_64 构建后 Python 接口 .so 自动复制到 backends/qualcomm/python/。
测试：运行 backends/qualcomm/tests/test_qnn_delegate.py，需设置 QNN_SDK_ROOT、ANDROID_NDK_ROOT、LD_LIBRARY_PATH、PYTHONPATH（指向 executorch 仓库根目录的父目录）。必填 --soc_model、--build_folder；可选 --device、--host、--artifact_dir/-a、--compile_only、--enable_x86_64、--backend <htp|gpu|lpai>、--direct_build_folder。多数参数仅长格式，来自 export_utils.py 的 setup_common_args_and_variables()。测试类覆盖浮点/量化算子、模型、工具、LLM、多模态、OSS 与通用示例脚本。
限制：仅支持 Linux，macOS 不支持；直接模式需 HEXAGON_SDK_ROOT、HEXAGON_TOOLS_ROOT，OE Linux 需 TOOLCHAIN_ROOT_HOST、TOOLCHAIN_ROOT_TARGET；profiling.md 中 QAIRT Visualizer 文件标注待定。