新闻详情

新闻详情

首页 / 资讯中心 / 详情

cannbot-knowledge使用完全指南:直接读卡、通用检索、API查询3种用法实战

发布时间:2026/11/13 21:28:36来源:尧图网络
cannbot-knowledge使用完全指南:直接读卡、通用检索、API查询3种用法实战
cannbot-knowledge使用完全指南直接读卡、通用检索、API查询3种用法实战【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-knowledgecannbot-knowledge 是 CANN 社区智能体 CANNBot 背后的知识库本体仓它为 AI 提供统一、可追溯的知识底座。本指南带你快速上手它的 3 种核心用法直接读卡、通用检索、API 查询从安装到实战一步到位帮助新手把 Ascend C 算子开发、模型推理与训练的工程知识真正用起来。 认识 cannbot-knowledge算子开发知识底座cannbot-knowledge 把经过整理、可追溯到官方文档或固定版本源码的工程知识保存成 Markdown知识卡覆盖四类内容某个 CANN API 的语义和使用限制某种算子 DSLAscend C、Triton-Ascend、PyPTO、TileLang的编程模型一个算子的设计、实现或优化方法编译、运行、精度、性能问题的排查步骤Runbook。所有知识正文集中在 knowledge/ 目录按“领域 / 技术 / 路径类型”组织例如 knowledge/ops/ascendc/index.md 收录了 Ascend C 的 API、开发指南、算子与优化知识。仓库同时提供 7 项 Skill其中 6 项可安装到你的业务项目里使用。 一键安装步骤3 条命令接入你的项目前置条件Bash、Python 3.10、Git以及一个已存在的目标项目目录。如果网络受限无法直接在线安装可以用本地方式推荐新手git clone --branch master https://gitcode.com/cann/cannbot-knowledge cd cannbot-knowledge bash install.sh claude /path/to/project consumer其中claude是客户端标识可换成codex、cursor、copilot等consumer表示“只查询”模式。安装器会自动补齐 Python 依赖、恢复文档资源、构建检索索引并在你的项目里生成项目内路径作用.cannbot/knowledge.env记录知识仓路径和安装模式.agents/skills/skill指向知识仓 Skill 的符号链接完整参数、离线安装和高级选项见 docs/installation_and_usage.md。 用法一直接读卡——已知路径秒读单张知识卡当你已经知道答案在哪张卡直接读卡是最快的方式在目标项目的终端中展开知识卡绝对路径cd /path/to/project source .cannbot/knowledge.env printf %s\n $CANNBOT_KNOWLEDGE_ROOT/knowledge/common/platforms/concepts/ascend_910_95.md把输出路径交给 Agent例如“请阅读全文 …/ascend_910_95.md基于这张卡说明 Ascend 910_95 的基础硬件信息并注明平台、版本和来源边界。”这张卡就是 ascend_910_95.md包含 950 系列的核数、UB/L1/L0C 容量、对齐约束等硬件速查表——单卡即可给出完整答案。 如果一张卡不足以回答请转入下面的通用检索补充证据。 用法二通用检索——knowledge-query 多卡综合不知道卡片路径、或结论需要多张知识卡综合时实现方案、调试、优化、测试问题使用knowledge-query“使用knowledge-query查询 950 平台上实现 Softmax 时可复用的算子设计、API 约束和已知性能问题。请选择相关知识卡核对来源后综合回答。”查询时请提供具体问题 目标技术 目标硬件平台涉及版本差异时再补充 CANN 版本。理解查询结果的小贴士看到的信息含义候选卡Agent 阅读全文的入口不能直接当最终答案status草稿 / 稳定 / 废弃的生命周期标记verified真实复核记录不代表适用于所有平台版本零结果当前条件下没找到卡片不代表技术或 API 不存在 用法三API 查询——ascendc-api-knowledge-query 核对接口契约开发 Ascend C 算子时确认 API 签名、参数约束和平台支持使用专用 Skillascendc-api-knowledge-query。它会复用通用检索的索引和平台过滤能力“使用ascendc-api-knowledge-query查询 950 平台上的DataCopyPad。请选择相关知识卡并阅读全文说明签名、约束和适用范围并给出实际读过的卡片链接。”需要本机头文件证据时再补充工程实际使用的 CANN 版本和组件包路径Agent 会按需核验头文件。完整流程与预期产物格式见 recipes/api_search.md。⚖️ 3 种用法怎么选一张表看懂你的问题形态推荐入口已知准确路径答案只依赖一张知识卡直接读卡把路径交给 Agent 阅读全文不知道路径或多张卡才能综合出结论knowledge-query通用检索Ascend C API 的签名、约束、平台支持ascendc-api-knowledge-query新增、更新或检查知识用contributor模式重装并参考贡献流程 没有结果时怎么办区分两种情况索引不可用先重跑安装器准备索引此时不能把查询失败解释为“没有知识”有效零命中核对平台、技术、版本条件与 API 名由 Skill 按其流程补搜仍无结果时应说明已检查的范围和知识缺口不要用其他平台的卡片替代。 延伸阅读从查询到算子开发docs/installation_and_usage.md安装、离线配置、更新与常见问题全解recipes/answer_with_evidence.md如何形成可追溯回答recipes/operator_development.md用知识库完成一个 Ascend C 算子开发的完整流程knowledge/ops/ascendc/index.mdAscend C 算子知识总入口【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 2026/11/13 0:43:49

【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 2026/11/12 23:59:09

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 2026/11/13 10:09:00

【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 ... 2026/11/13 13:31:48

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 2026/11/13 16:11:45

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 2026/11/13 0:02:27

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
📞 ✉