用途：该技能面向显式涉及 CUTLASS、CuTe、CuTeDSL 的 GPU 内核编写、调试与优化任务，要求以本地 CUTLASS 检出作为主要实现参考，优先使用当前源码与示例而非记忆中的 API。
使用方式：先解析 SKILL.md 所在目录，使用其 repos/cutlass/ 子目录；安装器会把该路径链接到 agent-gpu-skills/third_party/cutlass/，或使用 CUTLASS_REPO 指定的检出。命令中把 CUTLASS_REPO 替换为绝对路径。若检出缺失，在 agent-gpu-skills 仓库中运行：bash update-repos.sh cutlass 和 bash install.sh --skill cutlass-skill。
主要能力：按任务选择源码入口，例如 CuTeDSL API 与实现对应 python/CuTeDSL/cutlass/，CuTeDSL 示例对应 examples/python/CuTeDSL/，CUTLASS C++ 示例对应 examples/，C++ 内核与构建器对应 include/cutlass/，CuTe C++ 布局、拷贝与 MMA 对应 include/cute/ 等。可结合 quick-reference.md 把操作或架构映射到具体文件，并使用 find、rg 检索文件与定义，例如检索 TiledMMA、tiled_mma、Pipeline、CollectiveBuilder、CollectiveMainloop、GemmUniversal、make_layout、TiledCopy、SM90_TMA、SM100_TMA 等。C++ 示例可用 CMake 只构建选定目标，如 -DCUTLASS_NVCC_ARCHS=100a；运行 CuTeDSL 示例前应检查 python/CuTeDSL/pyproject.toml 与 requirements 文件。
限制与纪律：诊断时区分问题形状与张量布局、所选 collective 与调度、目标架构上生成的 CUDA/PTX 行为；不要仅凭示例目录名推断调度。正确性工作需保留原始形状、步长、布局、dtype、缩放格式与 epilogue，独立参考实现对比，并测试边界形状与对齐；性能工作需建立稳定基线和测量方法，一次只改一个调度、tile、stage 数或 epilogue，记录编译器资源使用与架构目标。涉及架构或指令细节正确性时，可结合 cuda-skill 与 CUDA/PTX 参考验证。更新源码时运行 bash update-repos.sh cutlass 和 python3 scripts/validate_repo.py --require-sources，并注意 third_party/UPSTREAMS.toml 记录上次接受的提交。具体收费、价格等信息暂未提供。