arm-sve — скилл для Claude Code: SIMD на AArch64
Скилл arm-sve для работы со Scalable Vector Extension — расширением SIMD на процессорах ARM. Помогает писать код, который адаптируется к разной длине векторов на Graviton, Apple M4 и других AArch64 серверах.
MIT 361 установок ★ 298 обновлён 2026-06-27
npx skills add mohitmishra786/low-level-dev-skills --skill arm-sve -a claude-codeЧто делает arm-sve
ARM SVE позволяет использовать векторные операции без привязки к фиксированной ширине регистров. Вместо 128-битных NEON скилл охватывает длину-агностичный код с регистрами предикатов P0–P15 и масштабируемыми Z0–Z31. Это особенно полезно на AWS Graviton3/4, где работают длинные векторы.
Скилл содержит практику с svcntw() для динамического шага цикла, маскированными загрузками через svld1_f32() и предикатами вроде svwhilelt_b32() для обработки хвостов без отдельного скалярного эпилога. Также охватывает компиляцию с -march=armv9-a+sve2, автовекторизацию в GCC и Clang, отладку в GDB и переход с NEON на SVE2.
SVE2 добавляет целочисленные dot-product и крипто-операции, полезные для ML-ядер. Важное ограничение: Apple M1–M3 не поддерживают SVE (только M4+), а Graviton3 имеет SVE без SVE2. Скилл помогает ориентироваться в этих различиях и выбирать флаги компилятора.
Какие задачи решает
- написать SIMD-цикл, адаптирующийся к длине векторов на целевом процессоре
- обработать остаток массива предикатами вместо отдельного скалярного хвоста
- перенести код с фиксированного NEON на length-agnostic SVE
- настроить компилятор для автовекторизации с SVE2 флагами
- отладить состояние SVE-регистров в GDB на железе с поддержкой
Примеры запросов агенту
- Напиши saxpy-ядро на SVE с маскированными загрузками и
svcntw()для шага по вектору - Переведи цикл NEON с фиксированными шагами на length-agnostic SVE с
svwhilelt_b32() - Помоги настроить
-march=armv9-a+sve2и прочитать замечания автовекторизации в GCC
Как установить arm-sve
1Через Skills CLI (Vercel)
npx skills add mohitmishra786/low-level-dev-skills --skill arm-sve -a claude-code2Вручную: положить файлы
~/.claude/skills/arm-sve/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/arm-sve/
1Через Skills CLI (Vercel)
npx skills add mohitmishra786/low-level-dev-skills --skill arm-sve -a codex2Вручную: положить файлы
.agents/skills/arm-sve/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add mohitmishra786/low-level-dev-skills --skill arm-sve -a cursor2Вручную: положить файлы
.cursor/skills/arm-sve/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install mohitmishra786/low-level-dev-skills skills/platform/arm-sve2Вручную: положить файлы
.github/skills/arm-sve/SKILL.md1Через Skills CLI (Vercel)
npx skills add mohitmishra786/low-level-dev-skills --skill arm-sve -a gemini-cli2Командой платформы
gemini skills install https://github.com/mohitmishra786/low-level-dev-skills --path skills/platform/arm-sveВручную: положить файлы
.devin/skills/arm-sve/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add mohitmishra786/low-level-dev-skills --skill arm-sve -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 arm-sve
Как установить arm-sve в Claude Code?
Выполни npx skills add mohitmishra786/low-level-dev-skills --skill arm-sve -a claude-code, затем найди скилл в ~/.claude/skills/arm-sve/SKILL.md.
Что делает arm-sve?
Скилл учит писать вектор-агностичный SIMD-код для ARM SVE/SVE2 на серверах Graviton и Apple M4, с предикатами, регистрами, флагами компилятора и отладкой.
Работает ли SVE на Apple M1–M3?
Нет. M1–M3 поддерживают только NEON (128-битные векторы). SVE появилась в M4. На Graviton3 есть SVE без SVE2, на Graviton4 — полная SVE2.
Исходный текст
SKILL.md · MIT
---
name: arm-sve
description: ARM SVE skill for scalable vector extension programming. Use when writing SVE intrinsics, predicate registers, VLA loops with svcnt, auto-vectorization with -march=armv9-a+sve2, or debugging SVE in GDB. Activates on queries about SVE, SVE2, predicate registers, svld1, svcnt, arm_sve.h, or Graviton SVE.
---
# ARM SVE
## Purpose
Guide agents through ARM Scalable Vector Extension (SVE/SVE2) programming: vector-length agnostic (VLA) code, predicate registers, SVE intrinsics via `<arm_sve.h>`, runtime vector length with `svcnt`, compiler flags, platform differences (Graviton3, Apple M4), and GDB debugging of SVE registers.
## When to Use
- Writing high-performance SIMD on AArch64 servers (AWS Graviton3/4)
- Porting fixed-width NEON code to length-agnostic SVE
- Using predicate masks for loop tails instead of separate cleanup loops
- Auto-vectorizing with GCC/Clang `-march=armv9-a+sve2`
- Debugging SVE register state in GDB on hardware with SVE support
- Exploiting SVE2 dot product and crypto extensions
## Workflow
### 1. SVE vs NEON
| | NEON | SVE/SVE2 |
|---|------|----------|
| Vector width | Fixed (128-bit) | Scalable (128–2048 bits, hardware dependent) |
| Predication | Limited | Full predicate registers P0–P15 |
| Portability across ARM CPUs | Same width everywhere | VLA — adapts to hardware VL |
| Apple Silicon | Always available | M4+ has SVE2 |
### 2. Predicate and VLA concepts
```
SVE registers
├── Z0–Z31 — scalable vector data registers
└── P0–P15 — predicate (mask) registers
Vector Length (VL) — determined at runtime per CPU
svcntb() → bytes per vector
svcntw() → 32-bit elements per vector
```
Code written once runs at full width on any SVE-capable CPU.
### 3. SVE intrinsics example
```c
#include <arm_sve.h>
#include <stddef.h>
void saxpy_sve(float *y, const float *x, float alpha, size_t n) {
svbool_t pg = svwhilelt_b32(0, n);
size_t i = 0;
do {
svfloat32_t vx = svld1_f32(pg, &x[i]);
svfloat32_t vy = svld1_f32(pg, &y[i]);
vy = svmla_n_f32_x(pg, vy, vx, alpha); // y += alpha * x
svst1_f32(pg, &y[i], vy);
i += svcntw(); // advance by vector length in 32-bit elements
pg = svwhilelt_b32(i, n);
} while (svptest_any(svptrue_b32(), pg));
}
```
```bash
gcc -march=armv9-a+sve2 -O3 -o saxpy saxpy.c
```
### 4. Key intrinsics
| Intrinsic | Purpose |
|-----------|---------|
| `svld1_f32(pg, ptr)` | Masked load |
| `svst1_f32(pg, ptr, val)` | Masked store |
| `svmul_f32_x(pg, a, b)` | Multiply under predicate |
| `svmla_f32_x(pg, acc, a, b)` | Fused multiply-add |
| `svwhilelt_b32(i, n)` | Predicate for active lanes where i < n |
| `svcntw()` | 32-bit lanes per vector |
| `svptrue_b32()` | All-true predicate |
### 5. Loop tail handling
```c
// SVE handles tails via predicates — no separate scalar epilogue
for (size_t i = 0; i < n; ) {
svbool_t pg = svwhilelt_b32(i, n);
// ... vector ops with pg ...
i += svcntw();
}
```
Contrast with NEON: often needs scalar cleanup for `n % 4 != 0`.
### 6. Compiler auto-vectorization
```bash
# GCC vectorization remarks
gcc -march=armv9-a+sve2 -O3 -fopt-info-vec -o app app.c
# Clang
clang -march=armv9-a+sve2 -O3 -Rpass=vectorize -o app app.c
```
```c
#pragma omp simd // may use SVE when available
for (int i = 0; i < n; i++)
c[i] = a[i] + b[i];
```
### 7. Platform differences
| Platform | SVE support |
|----------|-------------|
| AWS Graviton3 (Neoverse V1) | SVE (no SVE2) |
| AWS Graviton4 (Neoverse V2) | SVE + SVE2 |
| Apple M4 | SVE2 |
| Apple M1/M2/M3 | NEON only (no SVE) |
```bash
# Check SVE on Linux
grep -i sve /proc/cpuinfo # "sve" or "sve2" in Features
# Or: cat /sys/devices/system/cpu/cpu0/regs/identification/id_aa64pfr0_el1
```
### 8. SVE2 extras
SVE2 adds integer dot product, crypto, and bitwise operations:
```c
#include <arm_sve.h>
svint32_t dot = svdot_s32(svptrue_b32(),
svld1_s8(pg, a), svld1_s8(pg, b));
```
Use for ML inference kernels on Graviton.
### 9. GDB debugging
```bash
gcc -g -march=armv9-a+sve2 -o saxpy saxpy.c
gdb ./saxpy
```
```gdb
(gdb) break saxpy_sve
(gdb) run
(gdb) p $z0 # print SVE vector register
(gdb) p $p0 # print predicate register
(gdb) info registers z0 z1 p0
```
Requires GDB 10+ with SVE support and SVE-capable hardware.
### 10. NEON → SVE2 migration
```
Migration checklist
├── Replace fixed loops (i += 4) with svcntw() strides
├── Add svwhilelt predicates for tails
├── Use _x (merging) vs _z (zeroing) predicated ops intentionally
└── Test on multiple VL hardware or use QEMU sve-max-vq
```
```bash
# QEMU SVE emulation
qemu-aarch64 -cpu max ./saxpy
```
## Common Problems
| Symptom | Cause | Fix |
|---------|-------|-----|
| Illegal instruction | No SVE hardware | Check cpuinfo; use NEON fallback |
| Wrong results in tail | Inactive lanes modified | Use `_x` predicated ops, not unpredicated |
| Slower than NEON | Short arrays | SVE setup cost; scalar for n < VL |
| Auto-vec failed | Unknown trip count | `-fno-trapping-math`; pragma simd |
| Apple M3 build fails | No SVE on M3 | Guard with `__ARM_FEATURE_SVE` |
| GDB can't print Z regs | Old GDB | Upgrade GDB; run on SVE hardware |
## Related Skills
- `skills/low-level-programming/assembly-arm` — AArch64 assembly and NEON
- `skills/low-level-programming/simd-intrinsics` — general SIMD concepts
- `skills/platform/apple-silicon` — Apple M-series specifics
- `skills/compilers/gcc` — `-march` flags
- `skills/compilers/clang` — vectorization remarks
- `skills/low-level-programming/cpu-cache-opt` — memory layout for SIMD
© mohitmishra786 · MIT · mohitmishra786/low-level-dev-skills