--- title: MsAgent: 算子性能一站式调优agent，开箱即用-官方技术文章-昇腾社区 description: MindStudio-Agent（MsAgent）是面向 Ascend NPU 场景的一站式调试调优 Agent 平台，通过专业化 Agent 体系与技能驱动架构，将复杂的性能分析、精度调试、模型量化、文档审查和算子调优任务转化为结构化结论、根因分析和可执行优化建议。本文档从需求分析、架构设计、核心流程、技能体系、关键决策和实际使用案例六个维 keywords: MsAgent,算子性能一站,式调优,开箱即用,官方技术文章,昇腾社区,摘要,背景 url: https://www.hiascend.com/developer/techArticles/20260717-1 section: (其他) --- # MsAgent: 算子性能一站式调优agent，开箱即用-官方技术文章-昇腾社区 URL: https://www.hiascend.com/developer/techArticles/20260717-1 描述: MindStudio-Agent（MsAgent）是面向 Ascend NPU 场景的一站式调试调优 Agent 平台，通过专业化 Agent 体系与技能驱动架构，将复杂的性能分析、精度调试、模型量化、文档审查和算子调优任务转化为结构化结论、根因分析和可执行优化建议。本文档从需求分析、架构设计、核心流程、技能体系、关键决策和实际使用案例六个维 关键词: MsAgent,算子性能一站,式调优,开箱即用,官方技术文章,昇腾社区,摘要,背景 官方技术文章 [了解详情](https://www.hiascend.com/zh/developer/techArticles) MsAgent: 算子性能一站式调优agent，开箱即用 MsAgent: 算子性能一站式调优agent，开箱即用 性能调优MindStudioagent 发表于: 2026/07/17 121 1 ## 摘要 MindStudio-Agent（MsAgent）是面向 Ascend NPU 场景的一站式调试调优 Agent 平台，通过专业化 Agent 体系与技能驱动架构，将复杂的性能分析、精度调试、模型量化、文档审查和算子调优任务转化为结构化结论、根因分析和可执行优化建议。本文档从需求分析、架构设计、核心流程、技能体系、关键决策和实际使用案例六个维度，系统阐述 MsAgent 的设计理念与落地实践。 ## 一、背景 ### 1.1 业务背景 MindStudio-Agent 是面向 Ascend NPU 场景的一站式调试调优 Agent 平台，内置了 Hermes（性能调优）、Accuracy（精度调优）、Zephyr（模型量化）、Minos（文档审查）和 Icarus（算子调优）五个专业化 Agent。 Icarus 定位于Ascend NPU 单算子性能优化场景，负责： ● 基于 msprof op 工具深度分析算子性能瓶颈 ● 从 Tiling / 搬运 / API / 内存 / 流水 / Scalar 六个维度排查优化点 ● 在备份工程中修改代码并验证优化效果 ● 输出优化前后的性能对比报告，形成完整闭环 ### 1.2 功能点 | 类别 | 具体功能 | 优先级 | | --- | --- | ---| | 性能分析 | 解析 msprof op 上板/仿真 Profiling 数据，定位算子性能瓶颈 | P0 | | 六维度排查 | 从 Tiling / 搬运 / API / 内存 / 流水 / Scalar 六个维度系统性审查代码 | P0 | | 端到端闭环 | 从性能采集 → 瓶颈分析 → 代码优化 → 精度验证 → 性能对比的完整闭环 | P0 | | 报告输出 | 输出结构化性能分析报告（算子基本信息 / 关键数据 TOP5 / 核心瓶颈 TOP5 / 优化建议 TOP5） | P1 | | 多模式支持 | 支持上板（device）和仿真（simulator）两种采集模式 | P1 | | 安全操作 | 自动备份原工程目录，禁止直接修改用户源码 | P1 | ### 1.3 术语表 | 术语 | 说明 | | --- | ---| | msprof op | Ascend 提供的单算子 Profiling 工具，支持上板和仿真两种模式 | | device / simulator | 上板调优（真实硬件）和仿真调优（指令级流水）两种模式 | | GM / L1 / L2 / L0A / L0B / L0C / UB | Ascend NPU 存储层级 | | MTE / Vector / Cube / Scalar | NPU 计算单元类型 | | Tiling | 数据在多核与各级缓存间的切分策略 | | Double Buffer | 通过双缓冲实现 CopyIn / Compute / CopyOut 三级流水重叠 | | aivvecratio / aivscalarratio | Vector / Scalar 计算单元利用率 | ## 二、架构设计 ### 2.1 整体架构位置 Icarus Agent 位于 MindStudio-Agent 框架的 Agent 层，依赖框架提供的 LLM、Tools、Skills、MCP 等基础能力： ┌─────────────────────────────────────────────────────────────┐ │ 交互层 (CLI / Web UI) │ └──────────────────────┬──────────────────────────────────────┘ ↓ ┌─────────────────────────────────────────────────────────────┐ │ Agent 调度层 (Agent Factory) │ │ ┌────────┐ ┌────────┐ ┌────────┐ ┌────────┐ ┌───────┐ │ │ │ Hermes│ │Accuracy│ │ Zephyr │ │ Minos │ │Icarus │ │ │ └────────┘ └────────┘ └────────┘ └────────┘ └───────┘ │ └──────────────────────┬──────────────────────────────────────┘ ↓ ┌─────────────────────────────────────────────────────────────┐ │ 核心层 (LLM / Tools / Skills / Middlewares) │ └──────────────────────┬──────────────────────────────────────┘ ↓ ┌─────────────────────────────────────────────────────────────┐ │ 基础设施层 (MCP / Sandbox / Checkpointer) │ └─────────────────────────────────────────────────────────────┘ ### 2.2 模块依赖关系 ┌───────────────────────────────────────────────────────┐ │ Icarus Agent │ ├───────────────────────────────────────────────────────┤ │ System Prompt → 身份定义 + 规则 + 数据格式 + 输出规范 │ ├───────────────────────────────────────────────────────┤ │ Skills: │ │ ├─ ascendc-operator-performance-optim (端到端优化) │ │ │ ├─ references/ → 6个维度排查参考文件 │ │ │ ├─ references/ascendc-api/ → API最佳实践参考 │ │ │ └─ scripts/ → 编译、采集、对比辅助脚本 │ │ └─ msot-msopprof-operator-profiler (性能分析) │ │ ├─ references/ → 上板/仿真调优深度指南 │ │ └─ experiences/ → 经验案例沉淀 │ ├───────────────────────────────────────────────────────┤ │ Tools: MCP + deepagents 内置工具 │ ├───────────────────────────────────────────────────────┤ │ Subagents: explorer / general-purpose │ └───────────────────────────────────────────────────────┘ ## 三、核心流程 ### 3.1 端到端性能优化流程（Phase 1-5） Icarus 的端到端优化遵循五阶段流程，由`ascendc-operator-performance-optim`Skill 定义： Phase 1: 排查 → 审查代码与设计文档，从6个维度发现优化点 │ (Tiling / 搬运 / API使用 / 内存 / 流水 / Scalar) │ Phase 2: 基线 → 备份工程 + 调用 msprof op 采集基线性能数据 │ + 调用 msot-msopprof-operator-profiler 识别TOP5瓶颈 │ Phase 3: 优化 → 学习 ascendc-api reference → 制定方案 → 修改备份代码 │ (遵守反模式清单) │ Phase 4: 精度 → 编译运行验证精度 (检查 "pass") │ Phase 5: 性能 → 重新采集 + 优化前后对比 → 输出优化报告 │ (使用 e2e_compare.sh 辅助脚本) ### 3.2 性能分析报告样式 由`msot-msopprof-operator-profiler`Skill 定义的四段固定报告模板： ## 1. 算子基本信息 | 字段 | 内容 | |------|------| | 模式 | device | | 输入形态 | application | | 算子名 | CrossEntropy | | 芯片型号 | 910B3 | | 主要产物 | OpBasicInfo.csv, PipeUtilization.csv | ## 2. 关键数据 TOP5 | 排名 | 指标 | 数值 | 意义 | 数据来源 | |------|------|------|------|---------| | 1 | Task Duration | xxx us | 总耗时 | OpBasicInfo.csv | | 2 | aiv_vec_ratio | xx% | Vector利用率 | ArithmeticUtilization.csv | | 3 | aiv_scalar_ratio | xx% | Scalar利用率 | ArithmeticUtilization.csv | | 4 | L2 Cache 命中率 | xx% | Cache效率 | L2Cache.csv | | 5 | UB 读写带宽 | x GB/s | 内存带宽 | Memory.csv | ## 3. 核心瓶颈 TOP5 | 排名 | 瓶颈结论 | 判断依据 | 影响 | 数据来源 | |------|---------|---------|------|---------| | 1 | Vector利用率偏低 | aiv_vec_ratio=xx% | 计算资源浪费 | ArithmeticUtilization.csv | | 2 | Scalar开销偏高 | aiv_scalar_ratio=xx% | 阻碍流水重叠 | ArithmeticUtilization.csv | | 3 | L2 Cache命中率低 | L2 Hit=xx% | 频繁访问HBM | L2Cache.csv | ... ## 4. 优化建议 TOP5 | 排名 | 建议 | 对应瓶颈 | 预期收益 | 前提 | |------|------|---------|---------|------| | 1 | 提升单次搬运量至16KB | Vector利用率偏低 | 提升xx% | 修改DataCopy参数 | | 2 | 启用Double Buffer | Scalar开销偏高 | 提升xx% | InitBuffer buffer个数=2 | ... ### 3.3 端到端优化报告示例 优化完成后输出的完整报告格式： ================================================================= 基于 msprof op 的算子性能优化前后对比报告 ================================================================= 优化前目录：/path/to/OPPROF_baseline 优化后目录：/path/to/OPPROF_optim --- 1. 总耗时对比 --- 优化前总耗时：xxx us 优化后总耗时：xxx us 加速比：xxx% --- 2. 计算单元利用率对比 --- 指标 | 优化前 | 优化后 | 改善 -------------------------|-----------|-----------|------ aiv_vec_ratio | xx% | xx% | +xx% aiv_scalar_ratio | xx% | xx% | -xx% --- 3. 流水线利用率对比 --- 指标 | 优化前 | 优化后 | 改善 -------------------------|-----------|-----------|------ MTE1 ratio | xx% | xx% | -x% MTE2 ratio | xx% | xx% | -x% --- 4. L2 Cache 命中率对比 --- 指标 | 优化前 | 优化后 | 改善 -------------------------|-----------|-----------|------ L2 Hit Ratio | xx% | xx% | +xx% ================================================================= 对比报告结束 ================================================================= ## 四、安装与案例使用 ### 6.1 安装与配置 #### 安装 MsAgent # PyPI 安装 pip install -U mindstudio-agent # 或源码运行 git clone https://gitcode.com/Ascend/msagent.git cd msagent uv sync uv run msagent --agent Icarus #### 配置 LLM # OpenAI 兼容接口（如 DeepSeek） export OPENAI_API_KEY="your-key" msagent config --llm-provider openai --llm-base-url "https://api.deepseek.com/v1" --llm-model "deepseek-chat" ### 6.2 启动 Icarus # CLI 交互式会话 msagent --agent Icarus ### 6.3 实战案例 ### 案例1：算子性能分析与输出 ### 案例2：算子性能端到端优化 如果你对MsAgent感兴趣，欢迎到项目学习使用，点点star，fork共建，让NPU更高效 ● MsAgent 代码仓 [了解详情](https://gitcode.com/Ascend/msagent) 边框设置 无框线 边距 宽度 1磅 颜色 自由布局设置 整体布局 子模块 评论 修订记录 对正文进行的文本增删、样式修改都将标记为修订 自定义多级列表 列表设置 - 1 - 2 - 3 - 4 - 5 - 6 - 7 - 8 - 9 - 1. - a. - i. - 1. - a. - i. - 1. - a. - i. 前缀 无 序号 1 2 3 ... 后缀 . 编号格式 列表显示 继承层级 不继承 位置 对齐方式 默认 单元格边距 边距 默认 左边距 cm 右边距 cm 上边距 cm 下边距 cm 点赞 1 本页内容 摘要 [了解详情](https://www.hiascend.com/#1ktutVKFpvXng1IyNIHcFY) 一、背景 [了解详情](https://www.hiascend.com/#6CZ5uowjD3YXOXypoVTNx7) 二、架构设计 [了解详情](https://www.hiascend.com/#1T2NaGcPESffP6H2qrSmF7) 三、核心流程 [了解详情](https://www.hiascend.com/#6zpApObWYrPpMg44hu1N27) 四、安装与案例使用 [了解详情](https://www.hiascend.com/#6SMw0O04ZvigbXG6Ys6EST)