FlagOS 是面向异构 AI 芯片的全开源 AI 系统软件栈，让 AI 模型只需开发一次即可轻松移植到各类 AI 硬件。本仓库收集的是 FlagOS 中可复用的 Skills，为 AI 编程智能体注入领域知识、流程规范和最佳实践。

English

什么是 Skills？

Skills 是一组文件夹化的能力包：每个 Skill 通过说明文档、脚本和资源，教会智能体在某一类任务上稳定、可复现地完成工作。每个 Skill 文件夹包含一个 SKILL.md 文件（YAML frontmatter + Markdown 正文），作为智能体的详细执行指令。还可包含参考文档、脚本和资源文件。

本仓库遵循 Agent Skills 开放标准。

快速开始

FlagOS Skills 兼容 Claude Code、Cursor、Codex 以及任何支持 Agent Skills 标准 的智能体。

npx（推荐 — 适用于所有智能体）

使用 skills CLI 直接安装，无需克隆仓库：

# 查看本仓库中可用的 skills
npx skills add flagos-ai/skills --list

# 安装指定 skill 到当前项目
npx skills add flagos-ai/skills --skill model-migrate-flagos

# 全局安装（用户级别）
npx skills add flagos-ai/skills --skill model-migrate-flagos --global

# 一次安装所有 skills
npx skills add flagos-ai/skills --all

# 仅安装到指定智能体
npx skills add flagos-ai/skills --agent claude-code cursor

其他常用命令：

npx skills list              # 查看已安装的 skills
npx skills find              # 交互式搜索 skills
npx skills update            # 更新所有 skills 到最新版本
npx skills remove            # 交互式移除

提示： 无需预先安装 — npx 会自动下载 skills CLI。

Claude Code

1. 注册本仓库为插件市场（在 Claude Code 交互模式中）：

/plugin marketplace add flagos-ai/skills

或从终端执行：

claude plugin marketplace add flagos-ai/skills

2. 安装 skills：

/plugin install flagos-skills@flagos-skills

或从终端执行：

claude plugin install flagos-skills@flagos-skills

安装后，在提示词中提及 skill 名称即可 — Claude 会自动加载对应的 SKILL.md 指令。

Cursor

本仓库包含 Cursor 插件清单（.cursor-plugin/plugin.json 和 .cursor-plugin/marketplace.json）。

通过 Cursor 插件流程从仓库 URL 或本地路径安装。

Codex

在 Codex 中使用 $skill-installer：

$skill-installer install model-migrate-flagos from flagos-ai/skills

或提供 GitHub 目录 URL：

$skill-installer install https://github.com/flagos-ai/skills/tree/main/skills/model-migrate-flagos

也可以直接复制 skill 文件夹到 Codex 的标准 .agents/skills 目录：

cp -r skills/model-migrate-flagos $REPO_ROOT/.agents/skills/

详见 Codex Skills 指南。

Gemini CLI

gemini extensions install https://github.com/flagos-ai/skills.git --consent

本仓库包含 gemini-extension.json 和 agents/AGENTS.md 用于 Gemini CLI 集成。详见 Gemini CLI 扩展文档。

手动安装 / 其他智能体

对于任何支持 Agent Skills 标准 的智能体，将其指向本仓库的 skills/ 目录即可。每个 skill 都是独立的，以 SKILL.md 为入口。agents/AGENTS.md 文件可作为不原生支持 skills 的智能体的 fallback。

Skills 总览

大分类	小分类	Skill	说明
部署与发布	基础镜像选型	gpu-container-setup-flagos	自动检测 GPU 厂商，查找合适的 PyTorch 容器镜像，启动正确的挂载配置，并验证 GPU 功能。支持 NVIDIA、昇腾、Metax、天数智芯和 AMD/ROCm。当用户说”setup container”、”start pytorch container”或调用 /gpu-container-setup 时使用。
	模型迁移	model-migrate-flagos	将上游最新 vLLM 仓库的模型迁移到 vllm-plugin-FL 项目（锁定 vLLM v0.13.0）。当用户想要为 vllm-plugin-FL 添加新模型支持、从上游 vLLM 移植模型代码或 backport 新发布的模型时使用。触发词如 “migrate X model”、”add X model support”、”port X from upstream vLLM”、”make X work with the FL plugin” 或直接 “/model-migrate-flagos model_name”。model_name 使用 snake_case（如 qwen3_5、kimi_k25、deepseek_v4）。不适用于 vLLM 0.13.0 核心已支持的模型，或不需要 backport 的纯多模态组件。
	发布流水线	flagrelease-entrance-flagos	完整的 FlagRelease 流水线编排器。针对多芯片 GPU 后端运行完整的 LLM 部署、验证和基准测试流水线。按序执行：install-stack → env-verify → model-verify → perf-test，在步骤间传递状态并生成最终结构化报告。假设 gpu-container-setup（步骤1）已完成 — 必须有一个运行中的 PyTorch + GPU 访问的容器。
	软件栈安装	install-stack-flagos	在 GPU 容器内安装 5 包多芯片软件栈（vLLM、FlagTree、FlagGems、FlagCX、vllm-plugin-FL）。处理网络镜像检测、依赖排序、wheel 选择和逐包验证。在 gpu-container-setup 产生运行中的 PyTorch + GPU 访问容器后使用。
基准测试与评测	精度与性能测试	perf-test-flagos	对已服务的模型运行精度基准测试（FlagEval，可用时）和性能基准测试（vllm bench serve）。覆盖 5 种工作负载配置：短/长 prefill × 短/长 decode + 高并发。收集吞吐量、延迟、TTFT、TPOT 指标。
	部署 A/B 验证	model-verify-flagos	使用用户指定的目标模型验证服务栈。运行两次：首次禁用 FlagGems/FlagCX（隔离模型特定错误），然后启用完整多芯片栈。对比两次运行以定位故障来自哪一层。
	FlagPerf 用例创建	规划中	为新模型/芯片基准测试用例生成 FlagPerf 兼容的目录结构、配置文件、运行脚本和预期指标基线。
	部署后自动评测	规划中	模型部署后自动触发评测，跟踪评测状态，失败时报错，完成后推送结果通知。
算子与内核开发	复杂算子开发	规划中	为多步骤融合算子（fused attention、fused MoE 等）生成骨架代码，处理共享内存 tiling 策略和多后端分支。
	实验性算子推广	规划中	扫描 FlagGems 约130个实验性算子，检查测试覆盖率，对齐签名，完成 _FULL_CONFIG 注册，生成迁移 PR 将其推广为主算子。
	FlagGems 内核生成	kernelgen-flagos	FlagGems 专用内核生成，含 @pointwise_dynamic 封装重写、_FULL_CONFIG 注册和算子签名对齐。
	vLLM 内核生成	kernelgen-flagos	vLLM 专用内核生成，含 SPDX 头、@triton.autotune、自定义算子注册和 dispatch 集成。
	内核生成	kernelgen-flagos	统一的 GPU 内核算子生成与优化 skill。自动检测目标仓库类型（FlagGems、vLLM 或通用 Python/Triton）并派发到相应的专用子 skill。包含算子生成、基于 MCP 的迭代优化和反馈提交子 skill。当用户想要生成或优化 GPU 内核算子、创建 Triton 内核，或说 “generate an operator”、”create a kernel for X”、”optimize triton kernel”、”/kernelgen-flagos” 时使用。
	内核优化	kernelgen-flagos	通用 Triton 内核优化，通过 MCP 迭代循环分析现有内核、识别瓶颈并进行多轮优化，直到达到目标加速比。
	FlagGems 内核优化	kernelgen-flagos	FlagGems 专用内核优化，支持 3 种模式：原地优化内置算子、优化外部算子并集成到 experimental_ops、或优化已有的实验性算子。包含准确率测试和性能 benchmark。
	vLLM 内核优化	kernelgen-flagos	vLLM 专用内核优化，含 CustomOp 注册、准确率测试和性能 benchmark 集成。优化 Triton 算子并自动集成到 vLLM 项目。
	内核平台特化	kernelgen-flagos	通过 MCP specialize_kernel 工具将 Triton 算子特化到目标平台（如 GPU → 昇腾 NPU），处理架构差异、Grid 配置和内存对齐。
	FlagGems 内核特化	kernelgen-flagos	MCP 平台特化 + FlagGems 框架集成，支持 4 种集成模式：vendor-ops、vendor-fused、override-builtin、experimental，含自动测试和性能 benchmark。
	算子诊断	规划中	诊断 FlagOS 技术栈中的异常算子——识别精度错误、性能回退和跨芯片的后端特定故障。
多芯片后端对接	Dispatch 算子扩展	规划中	从 base.py 查询可 dispatch 的算子，生成 impl 模板文件，向 register_ops.py 添加 OpImpl 注册，并创建单元测试骨架。
	FlagCX 通信后端	规划中	从头文件解析 20+ 设备和 15+ CCL 函数指针签名，生成所有 stub 实现，外加 CMake 构建配置。
	FlagGems 芯片后端	规划中	按照 FlagGems 后端贡献指南生成完整的 _vendor/ 脚手架：__init__.py（VendorInfoBase 配置）+ heuristics_config_utils.py + tune_configs.yaml + ops/ 目录。
	异构训练配置	规划中	从硬件拓扑描述生成有效的 FlagScale 异构训练配置，自动计算 hetero_process_meshes / hetero_pipeline_layer_split，并验证约束（TP×DP×PP = 设备数）。
	vLLM 厂商后端	规划中	从模板脚手架新建 vllm-plugin-FL 厂商后端：生成厂商目录、Backend 子类、is_available 检测、register_ops 框架和测试骨架。
开发者工具	反馈提交	kernelgen-flagos	自动收集环境信息，构建结构化 GitHub Issue，提交到 flagos-ai/skills，GitHub CLI 不可用时回退到邮件方式。
	通用	tle-developer-flagos	用于编写高性能 TLE 内核和交付 TLE 功能变更的自包含编排 skill，含可复现验证。当用户想要编写/优化 TLE 内核、实现 TLE API/verifier/lowering 功能或调试 TLE 正确性/性能问题时使用。触发词如 “write a TLE kernel”、”optimize TLE operator”、”debug TLE local_ptr”。
	本地开发环境	规划中	为 FlagOS 模块（FlagGems / FlagTree / FlagCX 等）搭建本地开发和调试环境——配置依赖、环境变量和调试工具链。
	Skill 开发	skill-creator-flagos	为 FlagOS skills 仓库创建新 skill、修改现有 skill 和验证 skill 质量。当用户想要从头创建 skill、改进或编辑现有 skill、脚手架新 skill 目录、验证 skill 结构或运行测试用例时使用。触发词如 “create a skill”、”make a new skill for X”、”scaffold a skill”、”improve this skill”、”validate my skill” 或直接 “/skill-creator-flagos”。也适用于用户提到将工作流转化为可复用 skill 或想要打包重复流程为 skill 的场景。

在智能体中使用 Skills

安装 skill 后，在提示词中直接提及即可：

• “使用 model-migrate-flagos 将 Qwen3-5 模型从上游 vLLM 迁移过来”
• “/model-migrate-flagos qwen3_5”
• “把 DeepSeek-V4 模型移植到 vllm-plugin-FL”

智能体会自动加载对应的 SKILL.md 指令和辅助脚本。

仓库结构

├── .claude-plugin/          # Claude Code 插件清单
│   └── marketplace.json
├── .cursor-plugin/          # Cursor 插件清单
│   ├── marketplace.json
│   └── plugin.json
├── agents/                  # Codex / Gemini CLI fallback
│   └── AGENTS.md
├── assets/                  # 仓库级静态资源
├── contributing.md          # 贡献指南
├── gemini-extension.json    # Gemini CLI 扩展清单
├── scripts/                 # 仓库级工具脚本
│   └── validate_skills.py   # 批量验证所有 skills
├── skills/                  # Skill 目录
│   ├── model-migrate-flagos/    # 模型迁移工作流
│   └── ...
├── spec/                    # Agent Skills 规范与本地约定
│   ├── README.md
│   └── agent-skills-spec.md
└── template/                # 新 skill 模版
    └── SKILL.md

创建新 Skill

1. 创建目录并复制模版

   mkdir skills/<skill-name>
   cp template/SKILL.md skills/<skill-name>/SKILL.md

2. 编辑 frontmatter — name（小写+短横线，必须与目录名一致）和 description（做什么+何时触发）

3. 编写正文 — 概述、前提条件、执行步骤、示例（2-3个）、排障指南

4. 添加辅助文件（可选） — references/、scripts/、assets/、LICENSE.txt

5. 验证

   python scripts/validate_skills.py

详见 contributing.md 贡献指南。

许可证

Apache License 2.0