本技能用于将 cuTile GPU 内核（@ct.kernel）高效转换为 Triton 内核（@triton.jit），覆盖 API 映射、TMA 优化、双内核布局处理以及性能调优和调试。适用于 GPU 内核移植、优化和问题修复。关键词：cuTile、Triton、GPU内核转换、TileGym、TMA、性能优化、调试

该技能提供向 TileGym 添加 cuTile GPU 内核的完整操作指南，覆盖 ops.py 分发注册、cuTile 后端实现、__init__.py 导出、测试创建及基准测试配置，帮助开发者扩展新算子。关键词：cuTile、TileGym、GPU内核、算子注册、后端实现、分发接口、基准测试。

该技能用于将cuTile Python GPU内核代码（@ct.kernel）转换为Julia语言下的cuTile.jl等价实现。涵盖语法翻译、索引从0到1转换、广播差异、内存布局适配（行主序到列主序）、类型系统映射及启动API差异处理，并提供标准转换工作流、17条关键规则、API映射参考、测试与调试指引，以及add、matmul、softmax等完整Julia内核示例。关键词：cuTile、Julia、GPU内核转换、代码移植、cuTile.jl、TileGym内核优化。

cuTile GPU 编程助手：指导 cuTile Python DSL 编写高性能 GPU 内核、调试与优化；覆盖 TileGym 内核优化、深度智能体编排、验证与测试。关键词: cuTile, GPU, CUDA, Python, tile, kernel, TileGym, 内核优化, 并行计算, 高性能计算。

本技能用于在TileGym项目中系统化地优化cuTile GPU内核性能。通过性能剖析、瓶颈分析、IR对比和自动调优，迭代改进内核延迟，同时确保正确性不回归。涵盖tile大小、occupancy、TMA、持久化调度、num_ctas、flush_to_zero等关键调优参数。关键词：cuTile、性能优化、内核调优、TileGym、GPU kernel、TMA、自动调优、延迟优化、IR调试。

该技能用于将TileGym项目的cuTile高性能内核非侵入式集成到Hugging Face Transformers模型中，通过猴子补丁方式替换模型子模块和类，在实例化时自动启用TileGym内核，支持训练与推理加速；并能自主创建新cuTile内核以提升覆盖率和端到端吞吐。关键词：TileGym、cuTile、transformers、内核集成、monkey-patch、LLM、性能优化。

该技能用于 CuTile 内核的自动调优配置，主要涉及搜索空间设计、exhaustive_search 调用、缓存与直接启动模式、replace_hints 应用和 ct.launch 启动。通过决策树与内核类型模板，帮助针对计算密集、均衡或内存密集内核选择合适搜索维度（tile大小、occupancy、num_ctas），支持多架构（sm80-sm120）配置与调优流程，并总结了 7 个常见陷阱及解决方案。关键词：CuTile、自动调优、exhaustive_search、TileGym、内核优化、搜索空间、occupancy、num_ctas、ct.launch。