@cannbot-plugin/cannbot-harness 0.0.0-stage → 0.1.4

package/assets/ops-direct-invoke/skills/ops-design-paradigms/references/paradigms/reduction/adapters/ascendc/index.md

@@ -0,0 +1,48 @@
+# Reduction 范式 AscendC 语言适配层
+
+> **层级**：AscendC 语言适配层（adapters/ascendc/）。语言中立的算法与模型见 [../../generic/index.md](../../generic/index.md)；范式入口与语言路由见 [../../patterns.md](../../patterns.md)。
+
+## 1 定位
+
+本目录承载 Reduction 范式中**强耦合 AscendC 语言**的知识：API 实体、代码模板、参考实现、编译器约束、设计约束。开发语言为 AscendC（由调用方明确提供）时，与通用知识层组合消费：
+
+```
+通用算法/模型（generic/）× AscendC 实现细节（本目录）→ AscendC 设计与代码产出
+```
+
+## 2 能力映射
+
+本语言对通用层能力谓词的真值与 API 实体见 [capability-mapping.md](capability-mapping.md)。通用层算法中引用的谓词（对齐粒度、树缓存容量、归约指令、融合链长等）一律以该文件填值为准。
+
+## 3 阅读路径
+
+| 任务阶段 | 入口 | 内容 |
+|------|------|------|
+| 方案设计 | [design-spec.md](design-spec.md) | 输入输出、领域约束与一致性检查 |
+| 全局心智模型 | [overview.md](overview.md) | 模板划分 / TilingKey（ASCENDC_TPL 宏）/ TilingData struct / 三者对应关系 |
+| Host 侧 Tiling | [tiling-preprocess.md](tiling-preprocess.md) → [templates/binary-base/tiling.md](templates/binary-base/tiling.md) | 平台信息获取、值依赖三处契约、合轴 C++ 实现、UB 双切分三步 / 多核切分 / workspace 公式 |
+| Kernel 侧计算 | [kernel-entrance.md](kernel-entrance.md) → [templates/binary-base/kernel-template.md](templates/binary-base/kernel-template.md) | 入口注册与模板分发、骨架/偏移/CopyIn/Compute/CopyOut/同步 |
+| 归约核心算法 | [binary-tree.md](binary-tree.md) → [highlevel-api.md](highlevel-api.md) | 二分缓存树 kernel 侧落地、ReduceXxx 高阶 API 约束 |
+| Buffer / 存活节点 / 融合落地 | [survival-node.md](survival-node.md) + [vf-fusion-rules.md](vf-fusion-rules.md) + [templates/*/dag-buffers.md](templates/binary-base/dag-buffers.md) | L/P 分析、VF 融合判据、各模板 DAG 分析与 Buffer 分类 |
+| 变体场景 | [tuple-reduce.md](tuple-reduce.md)、[templates/binary-group/](templates/binary-group/)、[templates/empty/](templates/empty/) | Tuple Reduce 循环调用、Group 两阶段、空 tensor 模板 |
+| 参考实现 | [example/](example/) | euclidean_norm 完整包（Kernel/Tiling/数据结构/测试） |
+
+## 4 公共知识依赖
+
+以下跨范式 AscendC 公共知识位于范式外，按需展开：
+
+| 主题 | 位置 |
+|------|------|
+| Cast 规则 | [../../../common/cast-rules.md](../../../common/cast-rules.md) |
+| VF 编程规则 | [../../../common/vf-programming-rules.md](../../../common/vf-programming-rules.md) |
+| DataCopyPad 规则 | [../../../common/datacopypad-rules.md](../../../common/datacopypad-rules.md) |
+| 同步与一致性 | [../../../common/sync-and-consistency.md](../../../common/sync-and-consistency.md) |
+| 值依赖处理 | [../../../common/value-depend-process.md](../../../common/value-depend-process.md) |
+| API 白名单（存在性唯一判据） | [../../../../knowledge/api/regbase_api_whitelist.md](../../../../knowledge/api/regbase_api_whitelist.md) |
+
+## 5 消费规则
+
+1. 语言路由命中本适配层后，**只读本适配层 + 通用层**，不加载其他语言适配层
+2. 单个子问题最多展开 5 个叶子文档；仍未闭环则拆分子问题
+3. 按 [设计约束](design-spec.md) 确认当前问题的输入与输出，再读取相关主题资料核实 API 和资源事实。
+4. 编码前必须检视至少一个现有参考实现（见 [example/](example/)，选型参考开源算子表 `references/reference-ops/open_source_operator_table.md`）

package/assets/ops-direct-invoke/skills/ops-design-paradigms/references/paradigms/reduction/adapters/ascendc/kernel-entrance.md

@@ -0,0 +1,97 @@
+# reduction 范式 Kernel 入口
+
+> Kernel 入口函数注册、模板分发、TilingData 获取的统一规范
+
+## 1 kernel 入口
+
+**约束**:
+- `DTYPE_IN0` 编译期实例化（dtype 不走 TilingKey）：框架按 REG_OP 输入命名自动生成 `DTYPE_<INPUT_NAME>`（如第一个输入叫 `x` 则框架定义 `DTYPE_X`），按注册的 dtype 列表为每种类型生成独立编译实例
+- `AscendC::TPipe pipe;` 统一在入口申请 TPipe，通过 Init 以指针的方式传入各模板中
+- kernel 入口函数的模板参数，必须与 TilingKey 字段一一对应，顺序一致
+- `__global__` 模板参数仅含 tilingkey 的各字段，**禁止加 `typename D_T`**
+- 入参顺序 = 算子原型定义顺序 + 末尾固定 `workspace` + `tiling`
+
+### 1.1 kernel 入口知识
+
+**内容**：
+- 模板参数与 TilingKey 的对应关系：与 TilingKey 字段一一对应
+- `REGISTER_NONE_TILING` + 各分支 `GET_TILING_DATA_WITH_STRUCT` 获取对应 TilingData（2 份 struct：Base/Group 用 `{OP}TilingData`，Empty 用 `{OP}EmptyTilingData`）
+- `if constexpr` 三路分发到不同 kernel 类（`{OP}` 为算子名，开发时替换为实际算子名，如 `EuclideanNorm`）：
+  - `isEmptyTensor` → `{OP}EmptyKernel<DTYPE_X>`
+  - `isGroup` → `{OP}GroupKernel<DTYPE_X>` 的 `InitGroup` / `ProcessGroup`（Group 模板）
+  - 否则 → `{OP}BaseKernel<DTYPE_X>` 的 `Init` / `Process`（Base 模板）
+
+**规范**：
+- 三个模板物理分文件：`<op>_base.h`（base）、`<op>_group.h`（group）、`<op>_empty.h`（empty）
+- 入口文件 `<op>_apt.cpp` 与三个模板**同目录**放 `arch35/` 下（kernel 侧全部文件归拢 arch 目录）
+
+### 1.2 kernel入口代码
+
+**入口代码**（2 份 TilingData，入口统一 `REGISTER_NONE_TILING`，各分支分别 `GET_TILING_DATA_WITH_STRUCT`）：
+
+```cpp
+template <bool isGroup, bool isEmptyTensor>
+__global__ __aicore__ void {op}(
+    GM_ADDR in0, ..., GM_ADDR out0, ..., GM_ADDR workspace, GM_ADDR tiling)
+{
+    REGISTER_NONE_TILING;
+    AscendC::TPipe pipe;
+
+    if constexpr (isEmptyTensor) {
+        GET_TILING_DATA_WITH_STRUCT({OP}EmptyTilingData, tilingData, tiling);
+        {OP}EmptyKernel<DTYPE_X> op;       // DTYPE_X：X=输入名，框架自动生成
+        op.Init(/*...*/, &tilingData, &pipe);
+        op.Process();
+    } else if constexpr (isGroup) {
+        GET_TILING_DATA_WITH_STRUCT({OP}TilingData, tilingData, tiling);
+        // Group 模板：A×R 2D 分核 Phase 1 → SyncAll → Phase 2 RA mini-kernel
+        {OP}GroupKernel<DTYPE_X> op;
+        op.InitGroup(/*...*/, &tilingData, &pipe);
+        op.ProcessGroup();
+    } else {
+        GET_TILING_DATA_WITH_STRUCT({OP}TilingData, tilingData, tiling);
+        {OP}BaseKernel<DTYPE_X> op;
+        op.Init(/*...*/, &tilingData, &pipe);
+        op.Process();
+    }
+}
+```
+
+> `{OP}` 为算子名 PascalCase（如 `EuclideanNorm`），`{op}` 为算子名 snake_case（如 `euclidean_norm`）。开发时替换为实际算子名。
+
+**多输入算子场景**（如 SyncBatchNormGatherStatsWithCounts 有 6 输入 2 输出）：
+
+```cpp
+template <bool isGroup, bool isEmptyTensor>
+__global__ __aicore__ void sync_batch_norm_gather_stats_with_counts(
+    GM_ADDR mean_all, GM_ADDR invert_std_all, GM_ADDR count_all,
+    GM_ADDR mean_broadcast, GM_ADDR count_sum, GM_ADDR running_var,
+    GM_ADDR invert_std, GM_ADDR running_var_update,
+    GM_ADDR workspace, GM_ADDR tiling)
+{
+    REGISTER_NONE_TILING;
+    AscendC::TPipe pipe;
+
+    if constexpr (isEmptyTensor) {
+        GET_TILING_DATA_WITH_STRUCT(SyncBatchNormGatherStatsWithCountsEmptyTilingData, tilingData, tiling);
+        SyncBatchNormGatherStatsWithCountsEmptyKernel<DTYPE_MEAN_ALL> op;
+        op.Init(mean_all, invert_std_all, count_all, mean_broadcast, count_sum, running_var,
+                invert_std, running_var_update, &tilingData, &pipe);
+        op.Process();
+    } else if constexpr (isGroup) {
+        GET_TILING_DATA_WITH_STRUCT(SyncBatchNormGatherStatsWithCountsTilingData, tilingData, tiling);
+        SyncBatchNormGatherStatsWithCountsGroupKernel<DTYPE_MEAN_ALL> op;
+        op.InitGroup(mean_all, invert_std_all, count_all, mean_broadcast, count_sum, running_var,
+                     invert_std, running_var_update, &tilingData, &pipe);
+        op.ProcessGroup();
+    } else {
+        GET_TILING_DATA_WITH_STRUCT(SyncBatchNormGatherStatsWithCountsTilingData, tilingData, tiling);
+        SyncBatchNormGatherStatsWithCountsBaseKernel<DTYPE_MEAN_ALL> op;
+        op.Init(mean_all, invert_std_all, count_all, mean_broadcast, count_sum, running_var,
+                invert_std, running_var_update, &tilingData, &pipe);
+        op.Process();
+    }
+}
+```
+
+> `DTYPE_<INPUT_NAME>` 取输入名大写化。

package/assets/ops-direct-invoke/skills/ops-design-paradigms/references/paradigms/reduction/adapters/ascendc/overview.md

@@ -0,0 +1,237 @@
+# reduction 模板总览
+
+> 描述本范式 kernel 模板划分、 TilingKey 划分、TilingData 划分及三者之间的联系
+
+| 概念 | 说明 |
+|------|------|
+| **模板** | Kernel 的编译期特化实例。同一份 kernel 代码根据 TilingKey 字段值的不同组合，编译出不同的执行路径 |
+| **TilingKey** | Host 端 tiling 阶段算出的编译期开关（一组 bool/int 等字段），决定运行时框架加载哪个编译实例。一个模板可对应多个 TilingKey（一对多），一个 TilingKey 只对应一个模板 |
+| **TilingData** | Host 端 tiling 阶段算出的运行时参数（struct）。一个模板只对应一个 TilingData，一个 TilingData 可被多个模板共用 |
+
+**三者协作流程**：TilingKey 决定"走哪条路"，TilingData 提供"路上的参数"。
+
+## 1 范式术语
+
+### 1.1 术语表
+
+| 术语 | 含义 |
+|------|------|
+| **A 轴** | 非 reduce 轴（preserve） |
+| **R 轴** | reduce 轴（沿此轴规约） |
+| **pattern** | 合轴预处理后轴的类型序列，形如 `A R A R …` |
+| **TailA** | 合轴预处理后尾轴是A，如 `ARA` |
+| **TailR** | 合轴预处理后尾轴是R，如 `ARAR` |
+| **Base 模板** | 仅A轴参与分核，核间无依赖，核内可处理完对应的R轴 |
+| **Group 模板** | A轴和R轴都参与分核，核间有依赖，需要二次reduce |
+| **空 tensor** | Empty Tensor, shape中含有0的tensor, 如 (3, 0)，分 EMPTY_A（A 轴含 0）和 EMPTY_R（R 轴含 0） |
+| **二分缓存树** | 所有 reduce 算子统一使用二分缓存树累加，提升累加精度（对 sum/mean 有精度收益，对 max/min/any/all 结果不变；prod 因 fp 舍入不满足结合律，结果可能有差异） |
+| **All Reduce** | 所有轴都 reduce 的算子，合轴后 pattern 恒为 `AR` |
+| **post_reduce_input** | PostReduce 阶段的额外 GM 输入（如 mean/variance 等统计量）。shape 与输出 y 相同（A 轴，size = aTotal） |
+| **D_T** | 算子 tensor 数据的 dtype（模板参数，如 fp16/bf16/fp32） |
+
+## 2 kernel 模板分类
+
+### 2.1 kernel 模板分类
+
+所有 reduce 算子（sum/mean/max/min/prod/any/all）统一使用二分缓存树累加。对 sum/mean 有精度收益，对 max/min/any/all 结果不变（满足结合律），prod 因 fp 舍入不满足结合律、结果可能有差异，但统一路径简化了模板设计。
+
+**按多核切分轴分为三类**:
+- 空 Tensor 模板：不需要做 reduce 计算，是一个简化模板
+- Base 模板：仅A轴参与分核，核间无依赖，核内可处理完对应的R轴
+- Group 模板：A轴和R轴都参与分核，核间有依赖，需要二次reduce。A较小时借R开多核可以提升性能。
+
+**模板分类汇总**:
+| # | 模板 | 使用场景 | 准入条件 |
+| ---- | ---- | ------- | ------ |
+| 1 | Base | 所有 reduce 算子（sum/mean/max/min/prod/any/all）的 Base 模板 | 非空tensor, A轴较大，足够开多核 |
+| 2 | Group | 所有 reduce 算子的 Group 模板 | 非空tensor, A轴较小，需要借R开多核 |
+| 3 | Empty | 所有 reduce 算子的空 Tensor 模板 | 空tensor（EMPTY_A / EMPTY_R 共用） |
+
+每个算子选择 1/2/3 中的 1~3 个模板。
+
+## 3 TilingKey
+
+### 3.1 TilingKey 定义
+
+reduction 范式 TilingKey 采用 **2 个 bool** 字段：`isGroup` / `isEmptyTensor`。
+
+```cpp
+ASCENDC_TPL_ARGS_DECL(
+    ReduceGeneric,
+    ASCENDC_TPL_BOOL_DECL(isGroup, 0, 1),   // 0=base/empty, 1=group
+    ASCENDC_TPL_BOOL_DECL(isEmptyTensor, 0, 1),  // 空 tensor 模板
+);
+```
+
+**字段含义**：
+- `isGroup`：0=base/empty，1=group（A×R 2D 分核）
+- `isEmptyTensor`：0=非空，1=空 tensor（EMPTY_A/EMPTY_R 共用）
+
+
+**TPL_SEL 结构（3 个 tilingkey 组合）**：
+
+```cpp
+ASCENDC_TPL_SEL(
+    // base 模板
+    ASCENDC_TPL_ARGS_SEL(
+        ASCENDC_TPL_BOOL_SEL(isGroup, 0),
+        ASCENDC_TPL_BOOL_SEL(isEmptyTensor, 0),
+    ),
+    // 空 tensor 模板
+    ASCENDC_TPL_ARGS_SEL(
+        ASCENDC_TPL_BOOL_SEL(isGroup, 0),
+        ASCENDC_TPL_BOOL_SEL(isEmptyTensor, 1),
+    ),
+    // group 模板（isEmptyTensor 固定 0，与 empty 互斥）
+    ASCENDC_TPL_ARGS_SEL(
+        ASCENDC_TPL_BOOL_SEL(isGroup, 1),
+        ASCENDC_TPL_BOOL_SEL(isEmptyTensor, 0),
+    ),
+);
+```
+
+**设计决策**：
+- **dtype 不进 tilingkey**：框架按 REG_OP 中注册的输入名，为每种 dtype 自动生成独立编译实例（通过 `DTYPE_<INPUT_NAME>` 宏，如输入名为 `x` 则框架定义 `DTYPE_X`）。因此 dtype 分支在编译期已由框架展开，不需要进 tilingkey
+
+
+### 3.2 TilingKey与kernel模板对应关系
+
+| 模板 | isGroup | isEmptyTensor |
+|---|---|---|
+| Base | 0 | 0 |
+| Group | 1 | 0 |
+| EMPTY | 0 | 1 |
+
+**约束**：
+- `isGroup=1` 与 `isEmptyTensor=1` 互斥（group 不与 empty 组合）
+
+**实例数**：
+
+| | isEmptyTensor=0 (base) | isEmptyTensor=1 (empty) | isGroup=1 (group) | 单 dtype 总计 |
+|---|---|---|---|---|
+| 组合数 | 1 | 1 | 1 | **3** |
+
+## 4 TilingData
+
+### 4.1 TilingData 定义
+
+reduction 范式有 **2 份** TilingData struct：
+- Base / Group 模板共用 `ReduceGenericTilingData`
+- Empty 模板使用独立的 `ReduceEmptyTilingData`
+
+> 命名约定：`ReduceGenericTilingData` / `ReduceEmptyTilingData` 为范式占位名，开发时替换为实际算子名（如 `EuclideanNormTilingData` / `EuclideanNormEmptyTilingData`）。
+
+#### 4.1.1 Base / Group TilingData
+
+```cpp
+constexpr int32_t MAX_PATTERN_RANK = {RANK}; // 本算子最大rank值,替换为实际值
+struct ReduceGenericTilingData {
+    // ─── pattern 描述 ───
+    int32_t axisNum;                  // 2~MAX_PATTERN_RANK
+    int64_t axisShape[MAX_PATTERN_RANK];  // 合轴后每根轴的 size
+    int64_t axisStride[MAX_PATTERN_RANK]; // 每根轴的 GM stride（按 element 计）
+    // axisType[i] 不需要：i 偶→A，i 奇→R（A 起头+严格交替）
+
+    // ─── 多核切分（外层 A loop 扁平为线性计数，按 coreNum 均匀分核）───
+    int64_t aLoopCntTotal;            // ∏(outer A 整根) × aSplitChunkCnt
+    int64_t aSplitChunkCnt;           // CeilDiv(axisShape[aSplitIdx], aUbFactor)
+    int64_t aBigCoreLoopCnt;          // 大核处理的块数（= aSmallCoreLoopCnt + (aBigCoreCnt > 0 ? 1 : 0)）
+    int64_t aSmallCoreLoopCnt;        // 小核处理的块数（= aLoopCntTotal / coreNum，floor；== 0 等价 aLoopCntTotal < coreNum，只有前 aBigCoreCnt 核工作）
+    int32_t aBigCoreCnt;              // 大核个数（= aLoopCntTotal % coreNum）
+    int32_t usedCoreNum;              // 实际使用核数
+
+    // ─── UB 切分 ───
+    int32_t aSplitIdx;            // UB 内被切分的 A 轴下标
+    int32_t rSplitIdx;            // UB 内被切分的 R 轴下标
+    int64_t aUbFactor;                // valid：A 维实际元素数（可能非 block 对齐，UB 行 stride 由 postBufSize 兜底）
+    int64_t rUbFactor;                // valid：R 维实际元素数
+    int64_t rUbFactorAlign;           // padded：UB 行 stride（tail-R 且 UB 切尾轴 且 尾轴全载 且 尾轴非对齐时 > rUbFactor，其余相等）
+    int64_t innerAProdAlign;          // padded：含最内 burst-tail A 的 CeilAlign
+    int64_t innerRProdAlign;          // padded：含最内 burst-tail R 的 CeilAlign
+
+    // ─── 外层 R loop 扁平化 ───
+    int64_t rLoopCntTotal;            // ∏(外层 R 轴 size) × CeilDiv(axisShape[rSplitIdx], rUbFactor)
+
+    // ─── UB buffer 字节数 ───
+    int64_t preBufSize;               // pre 阶段单份 buffer 大小（含 R 维，按 maxDtypeSize），blocksize 对齐
+    int64_t postBufSize;              // post 阶段单份 buffer 大小（不含 R 维，按 maxDtypeSize），blocksize 对齐
+    int64_t cacheBufUbSize;           // 固定 16 × 1024 (= 16 KB)
+
+    // ─── group 模板 ───
+    int64_t rGroupCnt;                // Phase 1 分组数 = Phase 2 workspace R 维大小（base 不读）
+
+    // ─── 算子自定义字段 ───
+    // 由具体算子按需追加，如 mean 算子追加 `float invRTotal`（= 1/R_total）
+};
+
+```
+
+**为什么只有 `rUbFactorAlign` 而没有 `aUbFactorAlign`**：
+
+- **tail-R 需要 `rUbFactorAlign`**：pattern 最简为 `AR`，前面无其他 R 轴可切。R 全载非对齐时不能 FloorAlign（R 小于 1 个 block 时 FloorAlign 会变 0），改用 CeilAlign，故需独立存 padded 版
+- **`aUbFactorAlign` 不需要**：三种情形（aSplitIdx==LastA / aSplitIdx!=LastA / tail-R）均直接使用 `aUbFactor`，理由见 [tiling.md](templates/binary-base/tiling.md) §1.2 Step 1 约束
+
+**`rUbFactor` / `rUbFactorAlign`**：
+- valid（`rUbFactor`）：GM stride、valid 元素数、partial chunk 判定
+- padded（`rUbFactorAlign`）：UB 行 stride、ReduceXxx srcShape、UB 占用预算
+- Align > valid 条件：tail-R 且 UB 切尾轴 且 尾轴全载 且 尾轴非对齐，其余相等
+
+#### 4.1.2 Empty TilingData
+
+```cpp
+struct ReduceEmptyTilingData {
+    // ─── 多核切分 ───
+    int32_t usedCoreNum;            // EMPTY_A: 0（所有核早退）；EMPTY_R: 切分算出的核数
+    int64_t aTotal;                 // ∏(所有 A 轴 axisShape)，EMPTY_A 不读
+    int64_t aUbFactor;              // 单 chunk a 元素数（4 约束取 min）
+    int32_t aBigCoreCnt;            // 大核个数
+    int64_t aBigCoreLoopCnt;        // 每大核 chunk 数
+    int64_t aSmallCoreLoopCnt;      // 每小核 chunk 数
+
+    // ─── UB buffer ───
+    int64_t postBufSize;            // post 阶段单份 buffer 字节数
+};
+```
+
+### 4.2 TilingData与kernel模板对应关系
+
+| TilingData | 使用的 kernel 模板 |
+|------------|------------------|
+| `ReduceGenericTilingData` | Base / Group |
+| `ReduceEmptyTilingData` | Empty |
+
+**约束**：
+- Group 模板 Phase 2 的大小核字段（`aSmallCoreLoopCnt_p2` / `aBigCoreCnt_p2` / `aBigCoreLoopCnt_p2` / `usedCoreNum_p2`）由 kernel 侧用 `usedCoreNum` 现算，不单独存入 TilingData
+
+## 5 总结
+
+| 模板名 | 准入条件 | TilingKey 字段值 | TilingData 名 |
+|--- |---|---|---|
+| Base | 非空, A轴够分核 | isGroup=0, isEmptyTensor=0 | ReduceGenericTilingData |
+| Group | 非空, A轴不够分核且R有并行度 | isGroup=1, isEmptyTensor=0 | ReduceGenericTilingData |
+| Empty | 空 tensor（EMPTY_A / EMPTY_R） | isGroup=0, isEmptyTensor=1 | `ReduceEmptyTilingData`（独立 7 字段） |
+
+
+## 6 产出
+
+> 通过前面知识，使不同算子产出对应的模板、TilingKey、TilingData
+
+### 6.1 产出结果
+
+结合算子公式，参考前面章节，逐步产出算子实际使用的模板、TilingKey、TilingData：
+
+**1. 输出模板**：参考 [§2.1 kernel 模板分类](#21-kernel-模板分类)，按 `isEmptyTensor`（空 tensor 短路）、`isGroup`（Group 触发判定）取值，输出算子实际使用的模板（Base / Group / Empty 中的 1~3 个）。
+
+**2. 输出 TilingKey**：参考 [§3.1 TilingKey 定义](#31-tilingkey-定义) 和 [§3.2 TilingKey与kernel模板对应关系](#32-tilingkey与kernel模板对应关系)，按所选模板输出 `isGroup` / `isEmptyTensor` 各字段取值。
+
+**3. 输出 TilingData**：参考 [§4.1.1 Base / Group TilingData](#411-base--group-tilingdata) 和 [§4.1.2 Empty TilingData](#412-empty-tilingdata)，按所选模板确定对应的 TilingData struct：Base/Group 用 `ReduceGenericTilingData`，Empty 用 `ReduceEmptyTilingData`。按算子需要确定 `MAX_PATTERN_RANK`（影响 `axisShape`/`axisStride` 数组长度）。算子自定义字段（如 mean 的 `invRTotal`）追加在 `ReduceGenericTilingData` 末尾。
+
+### 6.2 产出校验
+
+每个算子完成三要素确定后，按以下清单校验：
+
+| # | 校验项 | 规则 |
+|---|--------|------|
+| 1 | `isGroup=1` 与 `isEmptyTensor=1` 互斥 | group 不与 empty 组合 |
+| 2 | dtype 不进 TilingKey | 走 `DTYPE_<INPUT_NAME>` 编译期实例化 |
+| 3 | Empty 使用独立 `ReduceEmptyTilingData` | 不复用 Base/Group struct |

package/assets/ops-direct-invoke/skills/ops-design-paradigms/references/paradigms/reduction/adapters/ascendc/survival-node.md

@@ -0,0 +1,74 @@
+# 存活节点 (Survival Node)
+
+> 算子 Tiling 设计的核心概念。决定 UB buffer 划分，直接影响 tile 大小和性能。
+
+---
+
+## 公共概念
+
+**定义**：在计算或执行的某一时刻，必须同时驻留的独立数据实体（tensor 或 buffer）的数量。对一个算子，取其最优调度下的**峰值**（不是 allocated 总数）作为存活节点数。
+
+**大小 = 峰值**。逐一追踪每步的执行中持有数，取全流程最大值。
+
+**公平基线（L 和 P 共用）**：
+1. 二元及以上操作，不假设 dst 与 src 复用——每个 op 的 src 和 dst 各占独立节点
+2. 单步内不假设 in-place
+3. 跨步的"用完释放"允许——一个节点的所有消费者执行完后从存活列表移除
+
+**追踪方法（L 和 P 共用）**：
+1. 画出完整计算图（含 reduce）
+2. 识别分叉结构（同一数据被多处引用）
+3. 按最优调度逐步追踪每步的**执行中**存活数
+4. 取全流程最大值 = 存活节点数
+5. **互斥分支流（Tuple Reduce）**：按代码结构画一条流——公共步骤出现一次，过程独有步骤用 if/else 分支并列；分支互斥，一处 if/else 的峰值取各分支 max（禁止相加、不按分支单独记账），其余按标准存活区间判定。规则对 L、P 均适用；"不按分支单独记账"只作用于 P，L 仍按公平基线逐 op 计节点。
+
+---
+
+## 逻辑存活节点 (L)
+
+**特有计数域**：计算图 tensor（每个独立数据实体计 1；跨阶段驻留的 tensor 归属其分配阶段，不计入其他阶段——如 reduceResult 驻 cacheBuf，计入 reduce 阶段）
+
+**公平基线即为完整规则**——L 没有额外的物理复用、没有硬件能力，纯粹按计算图拓扑 + 最优调度决定。
+
+**L 对给定计算图是固定的**，不随硬件/API/实现改变。
+
+---
+
+## 物理存活节点 (P)
+
+**特有计数域**：UB buffer。寄存器不在计数域——UB→Reg→UB 是过路中转，中间值留在寄存器时不占 P。buffer 计入其分配阶段的 P，跨阶段复用不占复用阶段的 P（如 reduceResult 驻 cacheBuf，不占 P_post）。独占分配的 buffer（生命周期内不允许与其他 tensor 复用）视为全程驻留，计入 P。
+
+**物理基线 = 逻辑基线 + 以下差异**（只能来自 API/硬件能力）：
+
+| 差异来源 | 公平？ | 说明 |
+|---------|--------|------|
+| 跨步 buffer 复用 | ✓ | 生命周期不重叠可共用物理 buffer，物理侧允许 |
+| MulAddDst 硬件融合 | ✓ | 硬件保证 dst 就地覆写，计为 API 能力 |
+| 软件 StoreAlign 覆写 | ✗ | 逻辑侧/物理基线均不假设 in-place |
+| VF 寄存器链融合 | ✓ | 中间值全程在寄存器（见下文） |
+
+**P 不由计算图唯一确定**——同一计算图，不同 API 策略/融合决策 → 不同 P。寻找在给定约束下可达的**最小峰值**。
+
+### P ≥ L 与例外
+
+MemBase 下 P ≥ L 恒成立——每个 op 的 src 和 dst 各占独立 UB buffer，无硬件能力消掉中间节点。
+
+VF 寄存器链可打破此规律：中间值全程在寄存器，不落 UB。L 仍包含（按 tensor 计数），P 不包含（寄存器不计入 P）。此时 **P < L 合法**。
+
+> 例：reduction preReducePhase 中 `Cast(fp16→fp32) + Square + Add` 全链 VF 融合后，Cast 和 Square 的中间值在寄存器，L=4（输入 + 3 个中间 tensor），P=2（输入 buffer + 输出 buffer）。设计文档必须说明哪些中间值被 VF 消掉。
+
+### Cast 对 P 的影响
+
+reduction 范式中 Cast 使用 `Reg::Cast` 寄存器指令（详见 [common/cast-rules.md](../../../common/cast-rules.md) §4.3），在 VF 链内完成类型转换。
+
+- **Cast 参与 VF 融合时**：Cast 在寄存器内完成，src 和 dst 不需要同时占两个 UB buffer。Cast 不额外增加 P。
+- **Cast 不参与 VF 融合时**（独立 Cast 操作）：Cast 的 src 和 dst 是两块独立 UB buffer，纳入物理 trace 取峰值。
+
+### RegBase 对 P 的影响
+
+RegBase 允许数据在寄存器中构造和驻留，**可以降低 P**：
+
+- **常量/标量在寄存器构造**：标量不占 UB
+- **链式中间值留在寄存器**：Reg::Cast→Reg::Mul→Reg::Add 连续计算，中间结果全程在寄存器链上
+
+**不改变的情况**：单次二元操作 src0/s1 本来就在 UB 中，RegBase 仍需 UB→LoadAlign→Reg compute→StoreAlign→UB，UB 需求与 MemBase 相同。