# tilegym-cutile-python

Помогает агенту писать, отлаживать и ускорять GPU-ядра на cuTile — Python-DSL от NVIDIA. Пригодится, если переносите тензорные операции на CUDA-ядра вручную.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 1600 установок · ★ 3735
- Автор: TileGym Team
- Лицензия: не указана · policy=link-only · показываем только описание, файл — у автора
- Исходник: https://github.com/NVIDIA/skills/tree/HEAD/skills/tilegym-cutile-python/SKILL.md
- Обновлён: 2026-10-23
- HTML: https://affpapa.org/nevibecode/skills/tilegym-cutile-python

## Что делает

Скилл превращает ассистента в специалиста по cuTile — предметно-ориентированному языку для параллельных вычислений на GPU NVIDIA. Он подсказывает, как устроены модель исполнения и работа с памятью, какие операции доступны (загрузка и сохранение, свёртки, редукции, `matmul`, атомики, автоподбор параметров), и помогает писать корректный код на этом DSL.

Внутри — справочные материалы по языку и правила генерации кода, а ещё набор готовых примеров. Перед новой задачей скилл советует сначала поискать похожую реализацию: основная база — репозиторий TileGym, а каталог `examples/` закрывает то, чего там пока нет (свёртки, пулинг, scan, GEMV, 4D matmul, split-k GEMM, group_norm). Если скилл стоит вне репозитория TileGym, его клон кладётся в `~/.cache/tilegym/TileGym` — путь можно переопределить через `TILEGYM_SKILL_CACHE_DIR`.

Для простой задачи хватает одного прохода: поставить цель, сгенерировать ядро, проверить. Сложные случаи вроде блока трансформера с вниманием и FFN скилл разбивает на конвейер из нескольких агентов — оркестратор, анализатор, параллельные агенты на отдельные ядра, сборщик. Целевые формы тензоров и тип данных лучше указать при вызове: без этого агенту придётся догадываться, а неверная форма ломает расчёт.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tilegym-cutile-python -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/tilegym-cutile-python/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/tilegym-cutile-python/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tilegym-cutile-python -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/tilegym-cutile-python/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tilegym-cutile-python -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/tilegym-cutile-python/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install NVIDIA/skills tilegym-cutile-python
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/tilegym-cutile-python/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tilegym-cutile-python -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/NVIDIA/skills --path skills/tilegym-cutile-python
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/tilegym-cutile-python/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tilegym-cutile-python -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/NVIDIA/skills/tree/HEAD/skills/tilegym-cutile-python/SKILL.md

## Когда брать
- написать GPU-ядро на cuTile с нуля
- перевести тензорную операцию с PyTorch на cuTile
- разобраться, почему ядро на cuTile падает
- ускорить готовое ядро без переписывания с нуля
- разложить многослойный `nn.Module` на отдельные ядра

## Примеры запросов агенту
- Напиши ядро cuTile для softmax, форма тензора (1024, 1024), тип float16
- Переведи эту операцию на cuTile и проверь результат
- Разбей forward этого `nn.Module` на отдельные ядра cuTile и собери их вместе

## Похожие
- [skill-creator](https://affpapa.org/nevibecode/skills/skill-creator.md) — скилл · 414180 установок
- [writing-for-agents](https://affpapa.org/nevibecode/skills/writing-for-agents.md) — скилл · 466719 установок
- [media-use](https://affpapa.org/nevibecode/skills/media-use.md) — скилл · 1100000 установок
- [mcp-builder](https://affpapa.org/nevibecode/skills/mcp-builder.md) — скилл · 130949 установок
- [subagent-driven-development](https://affpapa.org/nevibecode/skills/subagent-driven-development.md) — скилл · 237746 установок
- [orchestration](https://affpapa.org/nevibecode/skills/orchestration.md) — скилл · 349800 установок

Из того же набора: [nvidia/skills](https://affpapa.org/nevibecode/by/nvidia/skills.md) — 195 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md