tracelens-analysis-orchestrator — скилл для Claude Code: разбор
Скилл ведёт агентный разбор трейсов PyTorch Profiler через TraceLens: готовит отчёты, запускает субагентов и собирает analysis.md.
npx skills add amd/skills --skill tracelens-analysis-orchestrator -a claude-codeЧто делает tracelens-analysis-orchestrator
Скилл описывает полный конвейер анализа: сначала спрашивает платформу, путь к трейсу, режим (обучение или инференс) и настройку окружения, затем генерирует отчёт о производительности и проходит проверку качества трейса. Если трейс не проходит, есть детерминированный запасной разбор. Дальше готовятся данные по категориям: загрузка GPU, топ-операции, дерево вызовов, мультиядерные данные.
Анализ разнесён на два потока, которые идут параллельно. Системный уровень смотрит на CPU и простой, слияние ядер, коллективные операции и memcpy, результат складывается в system_findings/. Отдельные субагенты разбирают вычислительные ядра — GEMM, SDPA, поэлементные операции — и пишут в category_findings/. Оркестратор сам делает всё остальное, включая агрегацию находок в priority_data.json.
Субагентов запускает только там, где это прописано: Task в Claude и Cursor, spawn_agent в Codex. Шаги 7, 8 и 10 — единственные места, где нужен примитив субагента, остальное идёт через префикс команды из <output_dir>/cache/cmd_prefix.txt. Итог — <output_dir>/analysis.md с расстановкой приоритетов для заинтересованных сторон.
Какие задачи решает
- разобрать один трейс PyTorch Profiler и получить отчёт с приоритетами
- сравнить два трейса между собой
- отделить проблемы системного уровня от медленных вычислительных ядер
- проверить качество трейса и не строить выводы на битых данных
- собрать находки субагентов в один файл
analysis.md
Примеры запросов агенту
- проанализируй трейс
profile.pt.trace.jsonпо оркестратору анализа - сравни два трейса:
run_a.jsonиrun_b.json, режим обучения - запусти агентный разбор трейса и собери
analysis.md
Как установить tracelens-analysis-orchestrator
1Через Skills CLI (Vercel)
npx skills add amd/skills --skill tracelens-analysis-orchestrator -a claude-code2Вручную: положить файлы
~/.claude/skills/tracelens-analysis-orchestrator/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/tracelens-analysis-orchestrator/
1Через Skills CLI (Vercel)
npx skills add amd/skills --skill tracelens-analysis-orchestrator -a codex2Вручную: положить файлы
.agents/skills/tracelens-analysis-orchestrator/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add amd/skills --skill tracelens-analysis-orchestrator -a cursor2Вручную: положить файлы
.cursor/skills/tracelens-analysis-orchestrator/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install amd/skills tracelens-analysis-orchestrator2Вручную: положить файлы
.github/skills/tracelens-analysis-orchestrator/SKILL.md1Через Skills CLI (Vercel)
npx skills add amd/skills --skill tracelens-analysis-orchestrator -a gemini-cli2Командой платформы
gemini skills install https://github.com/amd/skills --path skills/tracelens-analysis-orchestratorВручную: положить файлы
.devin/skills/tracelens-analysis-orchestrator/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add amd/skills --skill tracelens-analysis-orchestrator -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 о tracelens-analysis-orchestrator
Как установить tracelens-analysis-orchestrator в Claude?
Выполните npx skills add amd/skills --skill tracelens-analysis-orchestrator -a claude-code. Скилл окажется в ~/.claude/skills/tracelens-analysis-orchestrator/SKILL.md.
Что делает tracelens-analysis-orchestrator?
Ведёт разбор трейсов PyTorch Profiler через TraceLens: генерирует отчёт о производительности, готовит данные по категориям, запускает системный и вычислительный анализ параллельно и пишет analysis.md.
Какие инструменты нужны для запуска субагентов?
Примитив субагента вашего раннера: Task в Claude и Cursor, spawn_agent в Codex. Он нужен только на шагах 7, 8 и 10, остальные шаги оркестратор выполняет сам.
Исходный текст
SKILL.md · MIT
---
name: tracelens-analysis-orchestrator
description: >-
Orchestrates modular PyTorch profiler trace analysis with TraceLens: generates perf
reports, prepares category data, runs system-level and compute-kernel subagents in
parallel, validates outputs, and writes a prioritized stakeholder report (analysis.md).
Use when the user asks to follow the analysis orchestrator, run the agentic analysis
workflow, analyze a trace, compare two traces, or mentions standalone or comparative
TraceLens analysis.
license: MIT
---
<!--
Copyright (c) 2026 Advanced Micro Devices, Inc. All rights reserved.
See LICENSE for license information.
-->
# Analysis orchestrator
Coordinate **system-level** analysis (CPU/idle, kernel fusion, multi-kernel / comm / memcpy) and **compute-kernel** analysis (GEMM, SDPA, elementwise, etc.): one trace load, shared prep, parallel subagents, then aggregation into `analysis.md`.
## Full procedure
Follow **[reference.md](reference.md)** for every step (user prompts, `<prefix>` / `{CMD}` usage, CLI commands, subagent launch text, validation, report `tee` order, plot embedding, and trace diagnostics).
## Workflow index
```
0. Query User Inputs (Platform, Trace Path(s), Analysis Mode, Environment Setup)
1. Generate Performance Report (branches on analysis mode: training vs inference then, comparison scope)
2. Trace-Quality Gate → Deterministic fallback analysis
3-6. Prepare Category Data (GPU Util, Top Ops, Tree Data, Multi-Kernel Data, Category Filtering)
7. System-Level Analysis (PARALLEL) → system_findings/
8. Compute Kernel Subagents (PARALLEL) → category_findings/
8.5. Aggregate → priority_data.json::findings[]
9. Validate Subagent Outputs
10. load_findings + Model Identification (subagent) → metadata/model_info.json
11. Render performance PNG if agent_extension.py is absent
12. Generate analysis.md (orchestrator writes via <prefix> tee), optional extension, embed PNG
```
## Rules
- **Subagents:** Use your runner's subagent primitive (the Task tool in Claude Code or Cursor, `spawn_agent` under Codex) **only** where reference.md says “subagent” (Steps **7**, **8**, **10**). The orchestrator runs everything else, including Step 8.5, using the command prefix from `<output_dir>/cache/cmd_prefix.txt` (`{CMD}` substitution).
- **Language:** Prefer vendor-agnostic terms (GPU kernels, collective communication, vendor GEMM library, DNN primitives, GPU graph). When quoting trace data, real kernel names are fine.
- **Subagent prompts:** Point each subagent at the checked-in agent file under `TraceLens/Agent/Analysis/skills/analysis-orchestrator/agents/<name>.md` (see reference.md for exact paths and prompt shells).
## Primary outputs
- **Deliverable:** `<output_dir>/analysis.md`
- **Internals:** `system_findings/`, `category_findings/`, `category_data/`, `metadata/`, `perf_report*.xlsx`, CSV folders — see package README for layout.
## Agent layout
Project subagents ship with this skill: `TraceLens/Agent/Analysis/skills/analysis-orchestrator/agents/*.md`.
© amd · MIT · amd/skills