apple-silicon — скилл для Claude Code: оптимизация на M-серии
Скилл помогает разработчикам работать с Apple Silicon: настраивать код под единую память, использовать Metal Performance Shaders и Instruments, понимать поведение Rosetta 2 и особенности 16KB страниц.
MIT 383 установок ★ 298 обновлён 2026-06-27
npx skills add mohitmishra786/low-level-dev-skills --skill apple-silicon -a claude-codeЧто делает apple-silicon
Скилл предназначен для разработки нативных приложений на ARM64 для macOS с M1, M2, M3, M4. Он охватывает архитектуру с единой памятью — где CPU, GPU и Neural Engine используют один адрес-пространство без необходимости копировать данные между устройствами. Это отличается от традиционного подхода с PCIe-передачами.
Внутри скилла — информация о запросах параметров через sysctl, работе с AMX (матричный сопроцессор Apple) через фреймворк Accelerate, профилировании через Instruments и xctrace. Отдельно разобраны особенности 16KB страниц (на обычных ПК 4KB), которые влияют на выравнивание буферов и работу mmap. Также приводятся примеры команд vmmap, heap, leaks для анализа памяти и arch для работы с Rosetta 2 — трансляционным слоем для x86-бинарников.
Скилл содержит таблицы диагностики: когда mmap падает с EINVAL, когда Metal-буфер остаётся nil, почему Rosetta 2 медленнее native-кода.
Какие задачи решает
- запросить информацию о CPU, GPU и памяти через sysctl и ядро
- выравнять буферы и mmap под 16KB страницу Apple Silicon
- оптимизировать матричные операции через Accelerate и AMX
- профилировать приложение инструментами Instruments и xctrace
- понять поведение Rosetta 2 и выбрать правильную архитектуру для x86-бинарников
Примеры запросов агенту
- Помоги оптимизировать умножение матриц под ARM64 с Accelerate фреймворком
- Как профилировать утечку памяти на M1 с помощью
leaksи Instruments? - Объясни, почему мой
mmapпадает с EINVAL и как выровнять под 16KB
Как установить apple-silicon
1Через Skills CLI (Vercel)
npx skills add mohitmishra786/low-level-dev-skills --skill apple-silicon -a claude-code2Вручную: положить файлы
~/.claude/skills/apple-silicon/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/apple-silicon/
1Через Skills CLI (Vercel)
npx skills add mohitmishra786/low-level-dev-skills --skill apple-silicon -a codex2Вручную: положить файлы
.agents/skills/apple-silicon/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add mohitmishra786/low-level-dev-skills --skill apple-silicon -a cursor2Вручную: положить файлы
.cursor/skills/apple-silicon/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install mohitmishra786/low-level-dev-skills skills/platform/apple-silicon2Вручную: положить файлы
.github/skills/apple-silicon/SKILL.md1Через Skills CLI (Vercel)
npx skills add mohitmishra786/low-level-dev-skills --skill apple-silicon -a gemini-cli2Командой платформы
gemini skills install https://github.com/mohitmishra786/low-level-dev-skills --path skills/platform/apple-siliconВручную: положить файлы
.devin/skills/apple-silicon/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add mohitmishra786/low-level-dev-skills --skill apple-silicon -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы об apple-silicon
Как установить apple-silicon в Claude Code?
Выполни npx skills add mohitmishra786/low-level-dev-skills --skill apple-silicon -a claude-code, затем проверь установку в ~/.claude/skills/apple-silicon/SKILL.md.
Что делает скилл apple-silicon?
Направляет работу с M-серией macOS: архитектурой единой памяти, Metal Performance Shaders, профилированием через Instruments, утилитами sysctl и Rosetta 2. Помогает понять особенности 16KB страниц и оптимизировать под AMX.
Как профилировать приложение на M1 из командной строки?
Используй xctrace record --template 'Time Profiler' --launch -- /path/to/app для анализа CPU, --template 'Allocations' для памяти, --template 'Leaks' для утечек. Для быстрого анализа памяти: heap <pid> или leaks <pid>.
Исходный текст
SKILL.md · MIT
---
name: apple-silicon
description: Apple Silicon skill for M-series development and profiling. Use when leveraging unified memory, Metal Performance Shaders, Instruments profiling, sysctl hardware queries, Rosetta 2 behavior, or 16KB page size considerations. Activates on queries about Apple Silicon, unified memory, AMX, MPS, Instruments, Rosetta, or M-series page size.
---
# Apple Silicon
## Purpose
Guide agents through Apple Silicon (M-series) development: unified memory architecture, AMX matrix coprocessor access via Accelerate, Metal Performance Shaders for GPU compute, `sysctl` hardware queries, Instruments profiling, command-line leak tools, Rosetta 2 translation behavior, and 16KB page size implications.
## When to Use
- Optimizing native ARM64 apps on macOS for M1/M2/M3/M4
- Using GPU/NPU compute without discrete GPU PCIe transfers
- Profiling memory and CPU with Instruments or command-line tools
- Understanding Rosetta 2 compatibility for x86 binaries
- Adapting code for 16KB page size on Apple Silicon
- Accessing matrix acceleration via Accelerate/vDSP/BLAS
## Workflow
### 1. Unified memory architecture
```
Apple Silicon SoC
├── CPU cores (P + E cores)
├── GPU cores
├── Neural Engine (NPU)
└── Unified DRAM — single address space, no PCIe copy
```
Implications:
- `cudaMemcpy` equivalent is unnecessary for CPU↔GPU on Metal
- Memory bandwidth shared across agents — profile holistically
- Process memory includes all unified allocations
### 2. Hardware information
```bash
# CPU and chip info
sysctl -n machdep.cpu.brand_string
sysctl hw.physicalcpu hw.logicalcpu
sysctl hw.memsize
# ARM64 features (keys vary by chip — grep if specific FEAT_* is missing)
sysctl -a hw.optional.arm 2>/dev/null | grep -iE 'sve|bf16|mte'
# Cache line size
sysctl hw.cachelinesize
# Page size (16KB on macOS Apple Silicon)
sysctl hw.pagesize # 16384
getconf PAGESIZE
```
### 3. 16KB page size considerations
macOS on Apple Silicon uses **16KB pages** (not 4KB):
```c
// Align hot buffers to page size
size_t page = sysconf(_SC_PAGESIZE); // 16384
void *buf = aligned_alloc(page, size);
// mmap alignment must be page-aligned
mmap(NULL, size, PROT_READ|PROT_WRITE, MAP_PRIVATE|MAP_ANONYMOUS, -1, 0);
```
Impact:
- `posix_memalign` minimum alignment often 16KB for large allocs
- JVM/Go runtimes auto-tune; custom allocators must adapt
- Test on device — x86 CI may use 4KB pages
### 4. AMX (Apple Matrix Coprocessor)
AMX is undocumented at ISA level; access through frameworks:
```c
// Accelerate framework — uses AMX internally for matrix ops
#include <Accelerate/Accelerate.h>
void matrix_multiply(const float *A, const float *B, float *C,
int M, int N, int K) {
cblas_sgemm(CblasRowMajor, CblasNoTrans, CblasNoTrans,
M, N, K, 1.0f, A, K, B, N, 0.0f, C, N);
}
```
```bash
# Link Accelerate (default on macOS)
clang -framework Accelerate -o gemm gemm.c -lcblas
```
For custom AMX kernels: study community reverse engineering or use Metal Performance Shaders as supported path.
### 5. Metal Performance Shaders (MPS)
```objc
// Objective-C / Swift — GPU compute via MPS
#import <Metal/Metal.h>
#import <MetalPerformanceShaders/MetalPerformanceShaders.h>
id<MTLDevice> device = MTLCreateSystemDefaultDevice();
id<MTLCommandQueue> queue = [device newCommandQueue];
MPSMatrixMultiplication *gemm = [[MPSMatrixMultiplication alloc]
initWithDevice:device transposeLeft:NO transposeRight:NO
resultRows:M columns:N interiorColumns:K alpha:1.0 beta:0.0];
```
Metal provides unified memory path to GPU — no explicit copy for buffers allocated with `MTLResourceStorageModeShared`.
### 6. Instruments profiling
```bash
# Command-line Instruments (xctrace)
xctrace record --template 'Time Profiler' --launch -- /path/to/app
xctrace record --template 'Allocations' --launch -- /path/to/app
xctrace record --template 'Leaks' --launch -- /path/to/app
xctrace export --input trace.trace --toc
```
| Template | Use |
|----------|-----|
| Time Profiler | CPU hotspots, P/E core usage |
| Allocations | Heap growth, allocation call trees |
| Leaks | Retained memory |
| System Trace | Thread scheduling, syscalls |
GUI: Xcode → Product → Profile (⌘I)
### 7. Command-line debugging tools
```bash
# Process memory map
vmmap <pid>
# Heap analysis
heap <pid>
heap <pid> -addresses all # all allocations
# Leak detection
leaks <pid>
leaks --list <pid>
# Sample call stacks
sample <pid> 5 -file sample.txt
```
### 8. Rosetta 2 translation
```bash
# Check if process runs under Rosetta
sysctl sysctl.proc_translated # 1 = translated x86
# Force arch
arch -arm64 ./native_binary
arch -x86_64 ./x86_binary
# Universal binary info
lipo -info myapp
file myapp
```
| Runs native ARM64 | Runs under Rosetta |
|-------------------|-------------------|
| ARM64 build | x86_64-only binary |
| `-arch arm64` compile | Downloaded Intel-only app |
Rosetta 2: translates x86_64 to ARM64 with JIT cache. AVX/AVX2 translated but may be slower. Not for kernel extensions or VM guests.
### 9. Memory tagging (ARM MTE)
Future Apple hardware may expose MTE — monitor via:
```bash
sysctl hw.optional.arm.FEAT_MTE # when available
```
Prepare with pointer authentication already on ARM64e Apple platforms.
### 10. Build and perf tips
```bash
# Native optimized build
clang -arch arm64 -O3 -mcpu=apple-m1 -o app app.c
# Use -mcpu matching target: apple-m1, apple-m2, apple-m3, apple-m4
# P/E core awareness — dispatch heavy work to performance cores
# pthread_set_qos_class_self_np(QOS_CLASS_USER_INITIATED, 0);
```
## Common Problems
| Symptom | Cause | Fix |
|---------|-------|-----|
| mmap fails with EINVAL | 4KB alignment on 16KB system | Align to `sysconf(_SC_PAGESIZE)` |
| Slow x86 binary | Rosetta overhead | Ship universal or arm64-only build |
| Metal buffer nil | Simulator vs device | Test GPU on real hardware |
| Accelerate wrong results | Row/column major mismatch | Check BLAS leading dimensions |
| Instruments empty trace | Sandbox/permissions | Run from Xcode or sign app |
| sysctl not found | Wrong key name | `sysctl -a | grep -i feat` |
## Related Skills
- `skills/low-level-programming/assembly-arm` — Darwin ABI, AArch64
- `skills/platform/arm-sve` — SVE2 on M4+
- `skills/gpu/cuda` — NVIDIA not on Apple Silicon; use Metal instead
- `skills/profilers/heaptrack` — cross-platform heap profiling concepts
- `skills/compilers/clang` — Apple Clang flags
- `skills/low-level-programming/cpu-cache-opt` — cache optimization on unified memory
© mohitmishra786 · MIT · mohitmishra786/low-level-dev-skills