新闻详情

新闻详情

首页 / 资讯中心 / 详情

CANN开发者为什么需要cannbot-knowledge:AI Agent时代CANNBot知识底座的完整解读

发布时间:2026/11/12 13:46:09来源:尧图网络
CANN开发者为什么需要cannbot-knowledge:AI Agent时代CANNBot知识底座的完整解读
CANN开发者为什么需要cannbot-knowledgeAI Agent时代CANNBot知识底座的完整解读【免费下载链接】cannbot-knowledgecannbot算子开发知识库插件依赖的知识库本体仓给cannbot提供统一的知识底座。项目地址: https://gitcode.com/cann/cannbot-knowledge如果你正在做昇腾算子开发或者想让 AI Agent 帮你写 Ascend C、Triton、TileLang 算子那你一定遇到过这样的问题Agent 给出的答案没有出处、跨平台经验被混用、结论随版本漂移而失效。cannbot-knowledge 就是为了解决这些问题而生的——它是 CANN 社区 CANNBot 智能体的知识库本体仓提供经过治理、可追溯来源的 Markdown 知识卡给 AI Agent 统一的知识底座覆盖算子开发、模型迁移与推理优化等 CANN 开发场景。cannbot-knowledge 是什么Agent 的知识货架不是文档堆一句话概括cannbot-knowledge 把 CANN 工程知识变成可查询、可追溯、可长期维护的知识卡而不是把文档简单堆放。它不保存算子工程代码或模型代码作为正文而是保存四类经过整理的工程知识某个 CANN API 的语义和使用限制比如某个接口在特定平台上不可用某种算子 DSL 的编程模型Ascend C、Triton-Ascend、TileLang、PyPTO一个算子的设计、实现或优化方法某类编译、运行、精度、性能问题的排查步骤Runbook。当前知识正文目录knowledge/下已积累7700 余张 Markdown 知识卡主要领域包括领域位置内容示例算子知识knowledge/ops/Ascend C API 参考SIMD/SIMT/Utils、算子实现、优化经验、排查 Runbook模型知识knowledge/model/推理框架、Kernel 优化、并行策略、量化、部署经验社区贡献knowledge/contrib/Ascend C 受控代码扰动等优化模式公共知识knowledge/common/Ascend 910/910B/950 等平台概念、NPU 内存模型 关键设计knowledge/是唯一的知识正文目录查询工具拥有唯一正文来源同一条知识不会散落在多个位置。详见设计原则。为什么 AI Agent 时代需要这样的知识底座普通用户用 Agent 写 CANN 代码时的痛点本质上是Agent 不知道你的经验1. 结论无法追溯。Agent 凭记忆回答 API 行为错了没人发现。cannbot-knowledge 中每张知识卡都带 Frontmatter 结构化元数据类型、平台、版本、生命周期、来源回答必须能指向具体卡片和原始来源。2. 跨平台经验被混用。同一个 API 在不同 DSL、平台、CANN 版本上表现不同。知识卡按knowledge/领域/技术/路径 Profile/知识卡.md组织查询时先按平台和 DSL 过滤再用结论。路径规则见知识路径规范。3. 排查经验留不住。一次编译失败或精度问题的排查步骤通常只存在于聊天记录里。仓库通过ops-knowledge-trace-ingestSkill 从开发 trace 中蒸馏成 Runbook 沉淀下来例如 runbooks/precision/ 下的量化、CP、MLA 精度排查卡。4. 规则能自动检查不靠人自觉。仓库把治理规则拆成 Schema、Registry、Contract、Spec 四层同一条规则只在一个机器文件中定义由 knowledge-lint 自动检查目录、Frontmatter、来源、正文和导航。5 分钟上手一键安装步骤前置条件Bash、Python 3.10、Git。以 Claude Code 为例本地安装只需三步git clone --branch master https://gitcode.com/cann/cannbot-knowledge.git cd cannbot-knowledge bash install.sh claude /path/to/project consumer安装器会自动补齐 Python 依赖、恢复文档归档与固定版本源码、构建检索索引并把 Skill 以符号链接方式装进你的业务项目——多个项目可以共享同一个知识仓。完整说明见安装与使用指南。安装完成后你可以让 Agent 这样提问使用ascendc-api-knowledge-query查询 950 平台上的DataCopyPad说明签名、约束和适用范围并给出实际读过的卡片链接。两种安装模式按需选择模式适用人群安装的 Skillconsumer默认只查询知识、回答技术问题knowledge-query、ascendc-api-knowledge-querycontributor需要新增或修改知识上述两项 knowledge-ingest、knowledge-lint等7 个 Skill 如何工作知识如何进来、怎么用出去仓库维护七项 Skill形成摄入 → 成卡 → 检查 → 检索的闭环官方文档 / 固定版本源码 / 可复现实验 │ ▼ Ingest 与专用 producer │ ▼ Markdown 知识卡 │ │ │ └── knowledge-lint 检查结构和治理规则 ▼ knowledge-query │ ▼ CANNBot 读取正文并核对来源Skill作用knowledge-query查看知识覆盖、检索知识卡可保存审计 receipt除 receipt 外只读ascendc-api-knowledge-query按硬件平台检索 Ascend C API阅读全文并追踪相关卡片knowledge-ingest统一路由新来源、增量、版本升级和通用建卡knowledge-lint检查目录、Frontmatter、来源、正文、导航和日志ops-knowledge-trace-ingest从算子开发 trace 蒸馏 Runbook仅本仓使用ops-knowledge-vv/cv-ingest从固定版本源码提取完整 Operator 卡职责边界很清晰Query 和 Lint 不修改知识正文Ingest 类能力不会自动提交知识更新始终经过 Git 审查。完整规范见 Knowledge Skills。怎样让 Agent 给出带证据的回答检索命中只是第一步。仓库内置了形成可追溯回答 的最佳实践核心流程是明确问题一次只回答一个问题查看目标范围内是否真的有知识卡有目录不等于有内容保留平台和 DSL 条件查询不要为凑结果扩大范围打开卡片正文阅读结论、适用条件和限制不直接用搜索摘要作答核对来源多卡冲突时比较平台、版本和来源再下结论。回答的标准格式结论 → 适用范围 → 依据卡片与来源→ 限制或冲突 → 仍需验证。这样 Agent 的输出才敢直接用在工程里。常见问题速查Q查询没有结果是不是这个技术不存在不是。零命中只说明当前条件下没找到卡片先核对平台、技术、版本条件与索引状态详见安装指南·没有结果时怎么办。Q卡片是stable状态结论就一定对吗不一定。status、verified、sources是三个独立维度——稳定有来源经过复核不是一回事高风险结论仍需检查源码或运行实验。字段定义见Frontmatter 与证据。Q多个项目共享知识仓会互相影响吗Skill 通过符号链接复用同一知识仓更新知识仓会影响所有引用项目移动或删除知识仓会使链接失效迁移时需同步处理项目配置。延伸阅读设计原则知识库为什么这样设计安装与使用指南完整安装、离线安装与排错查询 API、使用知识库进行算子开发场景化最佳实践贡献知识 与 CONTRIBUTING.md把你的排查经验变成知识卡governance/specs/OKF Bundle、路径、Frontmatter、Schema 全部治理规范 如果你受够了Agent 编造 API 行为不妨把 cannbot-knowledge 接入你的项目——让 AI Agent 时代的第一性原理跑起来知识可查、来源可溯、结论有界。【免费下载链接】cannbot-knowledgecannbot算子开发知识库插件依赖的知识库本体仓给cannbot提供统一的知识底座。项目地址: https://gitcode.com/cann/cannbot-knowledge创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/11 15:37:39

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉