用途：作为 CUDA、PTX、NVIDIA GPU 架构及 NVIDIA 性能分析/调试工具的权威参考来源。优先使用本地官方文档快照，涉及版本敏感或本地缺失的事实时再核对 NVIDIA 在线文档。若任务属 Triton/Gluon 或 CUTLASS/CuTe 等库实现，应先使用对应技能，再在需要 CUDA API、PTX ISA、架构或 NVIDIA 工具事实时叠加本技能。
主要能力：按主题路由到不同文档目录，如 PTX 语法与 ISA 用 ptx-docs/，Runtime 用 cuda-runtime-docs/，Driver 用 cuda-driver-docs/，编程模型用 cuda-guide/，优化用 best-practices-guide/，Nsight Compute 用 ncu-docs/ 与 ncu-guide.md，Nsight Systems 用 nsys-docs/ 与 nsys-guide.md，另有 debugging-tools.md、nvtx-patterns.md、performance-traps.md 等短指南。声称版本前需读 MANIFEST.md，其中记录快照版本、来源 URL 与文档清单。
使用方式：先解析本 SKILL.md 所在目录，再使用其 references/ 子目录，例如设置 CUDA_REFS=/absolute/path/to/cuda-skill/references。用 rg 做聚焦检索，如 rg -l -i 'wgmma\.mma_async' "$CUDA_REFS/ptx-docs"、rg -n -C 20 'cudaErrorInvalidValue' "$CUDA_REFS/cuda-runtime-docs"。PTX 问题需同时检查指令语法、语义与内存序、PTX ISA 引入版本、目标 ISA 或 sm_* 要求及架构限制；API 问题按符号检索并核对参数生命周期、同步行为、错误传播、版本与弃用状态，不能由同名 Driver 函数推断 Runtime 行为。调试可用 compute-sanitizer --tool memcheck/racecheck/initcheck/synccheck ./program；分析先用 nsys profile -o report ./program 与 nsys stats report.nsys-rep --report cuda_gpu_kern_sum 定位，再用 ncu --list-sets、--query-metrics、--kernel-name regex:myKernel --launch-count 1 -o report ./program 解释单个内核。
适用场景：需要准确回答 CUDA API、PTX ISA、架构能力、性能分析与调试工具问题时。
限制：短指南只是检索地图，不能替代完整官方快照；PTX ISA 版本、汇编器接受目标、工具链支持与物理 GPU 能力需分层区分；未发布或预览架构（如 Rubin）应核对当前在线官方文档；不要仅凭运行时查询失败或产品名判断架构；更新时间需先抓取到全新暂存目录，对比后合并，并运行 python3 scripts/validate_cuda_skill.py 验证。