msKPP 工具用于算子开发前的性能建模设计，开发者基于其 DSL（Domain-Specific Language，领域特定语言），以算子的数学逻辑为输入，编写算子表达式，即可在秒级内获得性能预测结果。该建模仅依赖输入/输出规模，无需执行真实计算，可高效验证算子实现方案。
本文档基于入门教程中开发的简易加法算子，演示 msKPP 工具的核心功能，帮助初学者直观感受 msKPP 在算子开发过程中的高效与便捷。
本章节以您已完成《》的全流程操作为前提；若尚未体验，建议先完成该指南以获得更佳的学习效果。
请严格按照《》完成环境安装与工作区配置。 即使您已具备类似环境，也需按该指南重新执行一遍，以确保所有依赖组件、环境变量等完整一致。
执行以下命令，若输出"All is OK"，则表明所需 Python 包及其版本均符合要求：
在算子算法设计阶段，借助 msKPP 工具可在秒级时间内获得性能建模结果，无需硬件即可预估性能，快速验证实现方案的可行性。建议先跟随操作步骤体验效果，原理部分可稍后阅读：
[object Object]
[object Object]
请创建文件 mskpp_demo.py，内容如下：
参考《》获取芯片类型，将 [object Object] 中的 xxx 替换为查询到的芯片类型。
执行 Python 脚本开始性能建模，若执行成功，将自动在当前目录下生成 [object Object] 结果目录：
生成如下结果目录：
以 Instruction_statistic.csv 为例，其内容如下：
由上述内容可见，MOV-UB_TO_GM（从 UB 搬移到 GM）的耗时（Duration）最长，指令周期数（Cycle）也最多，是性能优化中需重点关注的关键路径。在实际开发中，如果发现此类内存搬运耗时占比过高，应优先考虑优化数据复用（Tiling）策略，或使用更高效的搬运指令。