К основному содержанию
скилл CX Codex

profile-whole-update — скилл для Claude Code: замер времени обновления

Скилл profile-whole-update для Claude Code оценивает время полного обновления и проверяет, действительно ли изменение ускорило задачу. Запускается при разборе результатов профилирования, сравнении кандидатов и поиске задержек между шагами.

Apache-2.0 ★ 99 обновлён 2026-11-12

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add TokenRhythm/InfraRSI --skill profile-whole-update -a claude-code
Открыть на GitHub

Что делает profile-whole-update

Скилл задаёт способ измерять время полного обновления: берётся среднее время самого медленного ранга за окно оценки. Время запуска, компиляции, сохранения контрольной точки и экспорта учитывается отдельно. Скилл также сверяет время между обновлениями с StepTime и сопоставляет фазы на одном ранге и шаге.

Одного улучшения отдельной фазы недостаточно: выигрыш принимается, только если он превышает порог, рассчитанный по запасу и шуму замеров, а обе половины окна показывают улучшение. Один запуск считается одним наблюдением; повторно проверять одинаковую конфигурацию ради усреднения скилл не предлагает. Для проверки нужны данные receipt, а для фазового разбора — приложенный harness профиль.

Какие задачи решает

  • сравнить время полного обновления до и после изменения
  • выяснить, почему улучшение компонента не ускорило шаг
  • найти медленный ранг, который задерживает обновление
  • отличить реальный выигрыш от шума измерений

Примеры запросов агенту

  • Сравни результаты профилирования до и после изменения и скажи, ускорилось ли полное обновление.
  • Разбери receipt: почему одна фаза стала быстрее, а StepTime не изменился?
  • Найди медленный ранг и объясни, где теряется время между обновлениями.

Как установить profile-whole-update

1Через Skills CLI (Vercel)

npx skills add TokenRhythm/InfraRSI --skill profile-whole-update -a claude-code

2Вручную: положить файлы

~/.claude/skills/profile-whole-update/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/profile-whole-update/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о profile-whole-update

Как установить profile-whole-update в Claude Code?

Выполни npx skills add TokenRhythm/InfraRSI --skill profile-whole-update -a claude-code. Файл скилла находится по пути ~/.claude/skills/profile-whole-update/SKILL.md.

Что делает profile-whole-update?

Он задаёт правила замера времени полного обновления, оценки шума и сравнения фаз на одном ранге и шаге. Так можно проверить, повлияло ли изменение компонента на общее время.

Какие данные нужны profile-whole-update для анализа?

Для оценки нужны поля receipt с временем обновления, медленным рангом и межшаговыми замерами. Фазовый разбор использует профиль, если harness прикладывает его к результату.

Исходный текст

SKILL.md · Apache-2.0
---
name: profile-whole-update
description: Measure and attribute time with the whole-update contract - window mean of max-rank update time, inter-step consistency, same-rank phase comparisons, and noise-aware acceptance.
license: Apache-2.0
when_to_use: Reading any receipt; deciding whether a candidate is faster; a component got faster but the update did not; stragglers; noisy windows; 'is this real', 'where does the time go', 'phase breakdown', 'why no speedup'.
metadata:
  author: InfraRSI A0 (human-authored)
  source: human-authored (A0)
  version: 1
  tags: [profile, measurement, timing, stragglers, noise, dense, moe, single-node, multi-node]
---

# Profile the whole update

## Trigger conditions
- Every screen result. Every claim that a change helped.
- `profile` shows one phase improving while StepTime does not.
- `step_time.rsd_window` above ~2%, or the tail (last 3 steps) above the window mean.

## Required observations (receipt fields)
- `step_time.mean_window_max_rank_s` (the metric), `median_window_max_rank_s`, `rsd_window`, `inter_step_mean_s`.
- `per_step[].max_rank_whole_s`, `per_step[].slowest_rank`; `profile` (per-phase window means of max-rank and min-rank: whole_update_s, fwd_bwd_s, optim_s, data_s) when the harness attaches it.

## Rules: the contract
- StepTime = mean over the scoring window (steps 17-30 of 30, or 21-40 of 40) of the maximum over ranks of the native whole-update time: all micro-batch forward/backward, gradient sync, optimizer step, and any park/restore. Startup, compile, checkpoint and export are reported separately (JobTime) and never enter StepTime.
- InterStep (observed wall time between updates) must move with StepTime: if |delta log InterStep - delta log StepTime| > 2% the candidate is invalid (work was moved outside the timed region).
- Updates and ranks inside one run are not independent samples; one screen is one observation. The locked scoring pair decides; a win needs log(t_FR/t) > log(1 + margin), margin = max(3%, 3 x RSD of the FR window).

## Rules: attribution
- Phase maxima over ranks are taken independently and are not additive: forward/backward 6.3967 -> 5.2221 s and optimizer 1.8655 -> 1.5273 s did not decompose the 64-GPU total.
- Compare phases on the same rank and step (parent vs child). Communication time includes waiting for the slowest peer: a 1.42 s "notify" cost was 196 calls x 7.3 ms of mostly waiting; one DP rank spending 2.31 s vs 0.68 s on attention made every other rank wait in the dispatcher.
- Kernel launches are not time: removing 2,400 launches and 384 syncs gave only +1.16%; a change that kept its launch count gained in host scope (549.05 -> 361.16 ms).
- Report speedup as t_parent/t_child - 1 on the same window: 10.373877 -> 8.504627 s is -18.02% time and +21.98% throughput.

## Rules: noise
- Two equivalent baseline runs differed by 0.363% at 64 GPUs. With two baselines, J = max(|delta full|, |delta half1|, |delta half2|); accept a gain only if it exceeds max(threshold, 2J) and both half-windows improve. In this benchmark the margin rule above is the acceptance rule.

## Allowed actions
- read_receipt / profile_ranges on parent and child before deciding the next change.
- retrieve_skill for the phase that dominates (memory, recompute, moe-ep-communication, optimize-data-path).
- finish with the best valid candidate; do not re-screen identical configs to "average out" noise (one screen per candidate).

## Failure signals
- Component metric improves, StepTime flat or worse (count it as a failure, record why).
- InterStep improves much less than StepTime (deferred work) or more (timer artifact).
- `slowest_rank` fixed on one rank: a straggler or load skew bounds the update; balance or overlap it instead of speeding up average ranks.

## Verification
- Same window, same task, fresh process: StepTime delta beyond the margin, InterStep consistent within 2%, tail ratio <= 1.25, no change in invariants.

## Success case (real)
- 64-GPU MCore flagship, four runtime changes against a repeated original: 8.2926 -> 6.7707 s (+22.48%); against the repeat original 8.2625 s, +22.03%. train_step wall 8.2790 -> 6.7591 s. The gain held across windows (1.2248x / 1.2326x / 1.2378x for windows 4-32 / 9-32 / 17-32). (MANUSCRIPT.md 6.3, Table 5)

## Failure case (real)
- FP8 batch-quantization fusion cut component launches from 64 to 3, yet the whole update stayed -4.62% / -3.89% versus BF16 on two node groups. A same-rank, same-step diff placed the excess in forward/backward (+445.3 / +454.4 ms) and park (+50.5 / +71.6 ms): weights were re-quantized under GA and recompute. Component speed did not survive into the update. (reports/low_precision_winh_20261014/quant_fusion_20261015; MANUSCRIPT.md 6.6)

© InfraRSI A0 (human-authored) · Apache-2.0 · TokenRhythm/InfraRSI

Похожие скиллы

Каталог скиллов SKILL.md →
github-profile-optimization Samuel Berthe Скилл github-profile-optimization проводит аудит страницы разработчика или организации на GitHub и перестраивает её под понятную цель вроде найма или запуска проекта. CX Codex +1 13 400установок ideal-customer-profile phuryn Скилл ideal-customer-profile синтезирует результаты опросов и клиентских интервью в детальный профиль идеального клиента (ICP). Пригодится при оценке Product-Market Fit и сегментации покупателей. CX Codex +1 3 200установок sender-profile-architect sentdm Скилл sender-profile-architect помогает спроектировать архитектуру профилей отправителя в Sent v3 для мультиарендных систем. Пригодится при настройке биллинга, номеров WABA и 10DLC. CX Codex +1 2 900установок sent-profile-provisioning sentdm Скилл sent-profile-provisioning для Claude Code управляет Sender Profiles в Sent через MCP-инструменты — создаёт, правит и удаляет профили, доводя тенанта до готовности к отправке. CX Codex +1 2 700установок creator-profile-teardown ScrapeCreators Скилл creator-profile-teardown для Claude Code разбирает публичный профиль автора или бренда: позиционирование, рубрики, выбросы и повторяемые приёмы. Анализирует чужие публикации и проверяет идеи. CX Codex +1 1 900установок fsi-strip-profile официальный anthropics Скилл fsi-strip-profile для Claude Code создаёт слайды с профилем компании для презентаций и материалов по сделкам. Перед исследованием он уточняет объём и акценты, а каждый следующий слайд делает после одобрения предыдущего. CX Codex +1 1 800установок

Из того же набора19

Весь набор →
proposer Промпт proposer для Claude Code и ChatGPT оптимизирует пропускную способность обучения в InfraRSI. Он предлагает изменения конфигурации и файлов оверлеев, сохраняя заданные параметры задачи. GP ChatGPT ★ 99звёзд репо weak-model-protocol Скилл weak-model-protocol для Claude Code задаёт протокол работы оптимизатора со слабой или дешёвой языковой моделью. Он включается при ошибочных действиях, переполнении контекста и сбоях провайдера. CX Codex +1 ★ 99звёзд репо optimize-data-path Скилл optimize-data-path для Claude Code оптимизирует передачу данных и состояния между хостом и GPU, не меняя контракт данных. Включается при заметных затратах на загрузку пакетов, синхронизацию хоста или перенос состояния оптимизатора. CX Codex +1 ★ 99звёзд репо learn-optimization-skills Скилл learn-optimization-skills для Claude Code описывает обучение оптимизатора на завершённых задачах и сохранение повторно используемых выводов. Запускается для рефлексии после задачи или записи находки при поиске. CX Codex +1 ★ 99звёзд репо validate-training-lifecycle Скилл validate-training-lifecycle для Claude Code проверяет полный цикл обучения модели: сохранение чекпойнта, возобновление в новом процессе, экспорт весов и сравнение результатов. CX Codex +1 ★ 99звёзд репо optimize-training-kernels Скилл optimize-training-kernels для Claude Code настраивает fusion и выбор attention backend, чтобы ускорить обучение без выхода за допуски численной точности. Запускается при разборе медленных ядер или проверке предложенной замены. CX Codex +1 ★ 99звёзд репо recompute-policy Скилл recompute-policy для Claude Code помогает выбрать полный, выборочный или отключённый recompute по запасу памяти и устройству модели. Включается при настройке activation checkpointing, OOM или выборе recompute_modules. CX Codex +1 ★ 99звёзд репо moe-ep-communication Скилл moe-ep-communication для Claude Code настраивает параллелизм экспертов и обмен токенами в MoE на Megatron-Core 0.18.2. Включается при выборе EP, настройке диспетчера или разборе узких мест в профиле. CX Codex +1 ★ 99звёзд репо

Спонсоры проекта

Компании, которые помогают держать аналитику открытой