DiT 计算侧选档与实施
定位
本技能是优化域的 DiT 计算模块：输入是已定位的 DiT 计算瓶颈（标签 DiT-计算受限），
输出是可复验的特性档位组合。范围含 DiT 主体（Transformer block 的 MatMul / Attention /
Norm / 激活级）的计算侧手段，以及 DiT 步内的 host / 下发维度（发起次数、host 阻塞型回读、
下引发的设备空转）；不含并行与通信（→ dit-parallel-opt）、不含 VAE 解码段（→ vae-opt）、
不含非 DiT 段的固定开销（→ host-opt）。
host / 下发维度的归属（勿与相邻技能互相推诿）：DiT 步内的 host/下发属本技能。
融合 kernel 是减少下发次数的手段之一，但那条路属 fusion-scope-analyze（定范围与收益）；
本技能负责其余全部非融合手段，见 references/host-dispatch-dimension.md。
不做的事：不重新定位瓶颈（占比分析、阶段账、标签判定归编排层 model-auto-optimization）、
不实现新算子/新 pattern（归 pattern-dev / operator-dev）、不定义验收标准
（性能口径归 perf-gate，精度判据归 accuracy-gate）。
优化闭环
建立基线 → 瓶颈分析 → 根因定位 → 保守修补 → 复验
↑ │
└──────────────────────────────────────────────┘
Step 1: 建立基线
使用 profiling-collect 采集 + profiling-analyze 分析建立基线，记录模型 / 分辨率 / 帧数 / 精度 /
NPU 数等配置。基线必须与待验档位同窗可比（跨窗口绝对值不可比，口径见
perf-gate）。
Step 2: 获取分析诊断
从 profiling-analyze 的 5 层分析报告中获取：
- Layer 1: 瓶颈阶段（DiT vs VAE）
- Layer 2: 算子分类占比（FA/MatMul/Vector/Comm）
- Layer 3: Host Bound / 通信暴露 / 融合机会
- Layer 5: 优化方向（P0-P2 优先级 + 引用
docs/zh/features/* 章节）
分析报告给出的是优化方向（如"量化方向"、"缓存方向"），具体档位在本 Step 选取。
若报告或标签指向的瓶颈不在 DiT 计算侧（通信 / VAE / host / 框架侧未使能），按下方
「与相邻模块的边界」转交，不在本技能内硬做。
Step 3: 选取具体方案（选档）
基于分析报告的优化方向，查 docs/zh/features/{quantization,sparse,compilation,cache,cpu_offload,parallelism}.md
对应节确定具体 API 和参数，支持状态查
framework-integration/references/framework-support-matrix.md：
正例: "分析报告显示 MatMul 占 DiT 58%，优化方向→量化。
查 docs/zh/features/quantization.md §Linear量化，选取 W8A8_MXFP8"
反例: "感觉矩阵乘法比较慢，试试量化"
选择时需考虑：
- 硬件约束（docs 对应节的硬件要求；档位 → 代际映射无单一真源，须现场取证）
- 模型兼容性（
framework-support-matrix.md 的支持状态）
- 精度 vs 速度权衡
- 有损 / 无损归属：无损档优先；有损档的判据与阈值引
accuracy-gate
- 多方案时按优先级：MindIE-SD Pattern > 量化 > 稀疏 > 缓存 > 通用
单一真源纪律：特性 API / 算法名 / 硬件约束只从 docs/zh/features/* 读；支持状态只从
framework-support-matrix.md 读；不得引用任何仓内 docs 镜像副本（镜像会过期，且已删除）。
Step 4: 实施 + 验证
优化方案从 docs/zh/features/* 中选取，按档位落地的决策树见
references/optimization-dimensions.md。
| ✅ 允许 | ❌ 禁止 |
|---|
| 启用已有的、经验证的 kernel | 削弱输出正确性（cosine similarity 下降） |
| 修复遗漏的 fast path | 改变测试负载后宣称优化有效 |
| 减少不必要的同步/warmup | 仅为单框架/单硬件优化而破坏兼容性 |
| 添加有证据支撑的启发式配置 | 从单一 trace 数据得出普适结论 |
使能成功由本技能负责（"开了 ≠ 生效"）：档位声明开启后须给出该特性确实参与的证据
（图命中 / kernel diff / 特性 active 计数 / 抽样步 kernel），不得只看墙钟；
与无损基线的产物逐字节相同 ⇒ 判未生效（登记为"能力未生效"，不得记作"收益近似为零"）。
多特性组合试验（叠加顺序 / seam 冲突 / 层回退 / 必测覆盖集）见 references/combination-search.md。
Step 5: 复验
- 重新运行 profiling-collect + profiling-analyze 复验相同配置
- 重新运行 profiling-analyze 确认 5 层分析指标变化
- 差距 < 3% 视为噪声（噪声阈值与停止条件为域级口径，单点维护于域入口
performance-optimization §5，本技能只引用）
- 有损档另过三级精度验收（逐位 → 跨配置数值门 + md5 → 质量门），判据归
accuracy-gate：../accuracy-gate/references/quality-gate.md + 仓库 evals/；
只过墙钟不过门禁不得宣称有损加速
- 数字入库前按
perf-gate 的同窗 A/B 口径复核（只有验收结果可写入总览表）
优化维度
→ references/optimization-dimensions.md（决策树：编译路径 / Attention / MatMul / 显存 / 缓存）
→ references/host-dispatch-dimension.md（决策树：DiT 步内 host / 下发——三笔账、动态形状回读、非融合的下发削减手段）
→ docs/zh/features/*（特性 API/算法真源，按需直读）
→ framework-integration/references/framework-support-matrix.md（框架侧支持状态）
停止条件
停止条件（目标达成 / 噪声范围 / 外部瓶颈 / 硬件瓶颈）与 3% 噪声阈值是域级口径，
单点维护在域入口 performance-optimization §5，本技能不另立一套。
与相邻模块的边界
| 情形 | 去向 |
|---|
| 瓶颈是多卡并行形态 / 通信掩盖 / TP·offload | dit-parallel-opt |
| 瓶颈在 VAE / TAE 解码段（计算或通信） | VAE 模块（vae-opt，计算 + 通信同技能） |
| 瓶颈是交付/搬运/装载/预热等固定开销（非 DiT 段） | host 模块（host-opt） |
| 瓶颈是 DiT 步内的 host / 下发（发起次数多、host 阻塞型回读、下引发的设备空转） | 本技能（非融合手段，references/host-dispatch-dimension.md）；若手段是融合 kernel，先经 fusion-scope-analyze 定范围与收益 |
| 需要新增 pattern / 融合 / 算子才能落地该档 | 先经 fusion-scope-analyze 定融合范围与收益（机会点 + go/no-go），再由本技能按收益选点并派给 pattern-dev / operator-dev；未在交付表登记的机会点不得选点 |
| 框架侧开关未使能 / 生效验证 | framework-integration |
| 量化器位级契约/精度对不上（编码公式、舍入、scale 粒度） | quantization-dev |
| 需要同一算子多实现实测对比（同 peak 口径） | benchmark-dev（结论回填本技能 Step 4 作实施证据） |
| 瓶颈尚未定位 | model-auto-optimization（唯一有分析权） |
Reference Files
references/optimization-dimensions.md — 加载时机: 确定优化方向、按档位落地的决策逻辑时
（编译路径 / Attention / MatMul / 显存 / 缓存；阈值只引用 profiling-analyze 与验收标准）references/host-dispatch-dimension.md — 加载时机: 瓶颈落在 DiT 步内的 host / 下发时
（发起次数多、host 阻塞型回读、下引发的设备空转；三笔账 → 动态形状回读的判别 → 非融合的下发削减手段 → 三元验收）。
融合 kernel 那条路不在此处（→ fusion-scope-analyze）references/combination-search.md — 加载时机: 需同时开启 ≥2 个有损维度时
（seam 静态判定 + 必测覆盖集 + 单变量叠加 + frontier 保留 + 层回退）references/quant-tier-device-mapping.md — 加载时机: 需要核对档位名 ≠ 实际算法（同一档名在不同设备代际映射到不同算法/精度档）、或用户问"这个档位在某设备代际上到底是什么实现"时（自 dummy-run 下沉的选档语义；代际与算法的对应没有单一真源文档（该文只给档位语义）⇒ 用 npu-smi 确认代际后现场取证确认）references/lora-adapter-cost.md — 加载时机: 运行时施加秩-r 适配器（LoRA）链成为最大单项成本、要判它的成本结构（wall/device/算子数三量归因 → host 还是算子级）、要给融合 epilogue 定收益上限、或换权重精度档后要重估该链成本时（成本结构判据 + 三档 profile 取数 + |Δwall| ≥ 2×|Δdev| ⇒ 归 host/减算子数 + 去冗余四类；开启姿势不在此处，见 framework-integration/references/vllm-omni-train-aware-enablement.md；载重性与产物级判定见 ../accuracy-gate/references/content-health-gate.md）references/resource-fallback-tiers.md — 加载时机: 显存不足（OOM）要选一组降档顺序时，
或某档使能后算子 crash / 劣化 / 静默无效、要判"退到哪一档"时
（显存档位表 + 回退顺序 + 回退判据；使能验证与回退姿势归 framework-integration，
部署可见性 / golden 校验归 operator-dev）docs/zh/features/*（仓内真源，非本 skill 文件）— 加载时机: 确定具体 API/算法/硬件约束时
（量化→quantization.md、稀疏→sparse.md、编译→compilation.md、缓存→cache.md、
显存→cpu_offload.md；支持状态查
framework-integration/references/framework-support-matrix.md）../accuracy-gate/references/quality-gate.md（跨技能，质量门本体归属精度验收标准）—
加载时机: 有损档的端到端质量判定时（定量 + 视觉伪影 + off-identity；判定标准与工具在仓库 evals/）../perf-gate/SKILL.md（跨技能）— 加载时机: 报数 / 入库 / 验收时
维护与更新
当新的 DiT 计算优化维度经验证有效、硬件平台升级或发现新的优化模式时，
按 dev-workflow 的复盘流程更新本 skill；档位与阈值变化时同步 docs/zh/features/* 与本 skill
Step 3/Step 5，不在此处另立一套阈值。