skills

Compétences en AMD <div align="center"> <img src="assets/banner.gif" alt="AMD Skills"/> **Parcourir le catalogue des compétences ->** </div> AMD Skills fournit aux agents des connaissances, des scripts et des conventions pour travailler avec le matériel et les logiciels AMD. Les compétences dans ce dépôt suivent le format d'Agent Skills standardisé et sont conçues pour interagir avec les principaux agents de codage comme Cursor, Claude Code, OpenAI Codex et Gemini CLI. > [!IMPORTANT] > ** Aperçu technique:** Nous construisons le catalogue en plein air, en partageant les progrès au fur et à mesure que les fondations prennent forme. S'attendre à des changements fréquents à mesure que les compétences, les catégories et les descriptions évoluent. Installation Installez AMD Skills avec le CLI `skills` via `npx`. Aucun clone ou copie manuelle n'est nécessaire. Cela vous invite à choisir une compétence et une destination d'installation. Pour installer une compétence spécifique dans des agents spécifiques, passez `--skill` avec un ou plusieurs drapeaux `-agent` (par exemple `cursor`, `claude-code`, `codex`): Parcourez tout ce qui est disponible avant d'installer : Veuillez noter que `npx` nécessite Node.js. Vous préférez le faire à la main ? Voir Installation manuelle. Utilisation d'une compétence Une fois qu'une compétence est installée, référez-la en langage clair en parlant à votre agent. Par exemple: - "Utilisez les compétences AMD pour apprendre à générer des images localement au lieu de brûler des jetons de nuage." - "Utilisez les compétences AMD pour déployer ce LLM pour inférence sur mes GPU Instinct AMD." Dans la plupart des cas, l'agent choisit lui-même la bonne compétence à partir de la description; l'invocation explicite est un recul et non une exigence. Pour des guides pratiques, étape par étape qui montrent une compétence en action, voir les passages. Le catalogue Le catalogue initial est organisé en trois zones d'intérêt, couvrant toute la pile du client au cloud. On s'attend à ce que ce catalogue se développe considérablement à mesure que les compétences s'étendent. Client-Natif Exécutez et optimisez sur Ryzen AI. Compétence Ce qu'il fait Source - Oui. "local-ai-use" "Génération de l'image de route, de texte à texte, et de la parole à texte à travers un serveur local d'IA pour réduire le coût de jeton. En-repo Intégrez l'intelligence artificielle locale dans les applications LLM en nuage pour une prise en charge hors ligne, une meilleure confidentialité et des coûts d'API moins élevés. En-repo Empilement croisé Compétences croisées, du client au cloud. Compétence Ce qu'il fait Source - Oui. Diagnose ROCm / PyTorch / lama.cpp échecs sur les GPU AMD contre une liste fixe de erreurs connues. prévues "Hyperloom-Workload-optimizer"" Optimise de manière autonome l'inférence LLM sur les GPU AMD. prévues Configuration d'un routeur modèle Lemonade qui traite les demandes en fonction du contenu, de la sensibilité ou des capacités requises. En-repo "hrr-replay-analysis"""Enregistrez, rejouez et analysez le comportement de charge de travail GPU sur ROCm à travers le matériel AMD Instinct, Radeon et Ryzen en utilisant les archives HIP Record et Replay. prévues Serveur-Natif Exécuter et optimiser sur AMD Instinct. Compétence Ce qu'il fait Source - Oui. "serving-llms-on-instinct" Déployer l'inférence LLM sur AMD Instinct GPUs de bout en bout: détecter le matériel (ou à bord via AMD Developer Cloud), valider l'ajustement du modèle, appliquer la bonne recette vLLM, et lancer un paramètre de référence. SGLang et sélection moteur/arrière-plan dans les phases ultérieures. En-repo Servez des LLM sur les CPU EPYC AMD avec vLLM + zentorch, dans un conteneur (Docker/Podman) ou conda. Gérez la détection CPU, la validation d'exécution/env, la prise en charge du modèle vLLM et les vérifications d'ajustement RAM, les fils/KV de taille matérielle, le lancement et la vérification de la santé. Une seule instance; signale et arrête l'échec. En-repo "magpie-kernel-evaluator" Évaluer la justesse et la performance du noyau GPU, comparer les implémentations du noyau et l'inférence vLLM/SGLang avec le profilage, TraceLens et l'analyse de l'écart torche-trace. Magpie "tracelens-analyse-Orchestre" Orchestrer l'analyse modulaire PyTorch profiler tracer avec TraceLens: générer des rapports perf, exécuter des sous-agents au niveau du système et du calcul-kernel en parallèle, et rédiger un rapport prioritaire des parties prenantes. TraceLens Qu'est-ce qu'une compétence? Une compétence est un dossier autonome qui regroupe tout ce dont un agent a besoin pour exécuter une tâche ciblée : instructions, scripts d'aide, invites, modèles et références. À son cœur est un fichier `SKILL.md` avec la matière première YAML, un `nom`, et une courte `description` qui indique à l'agent *quand* la compétence devrait s'activer, suivi de l'orientation que l'agent lit pendant que la compétence est en usage. Lorsqu'un agent décide qu'une compétence est pertinente (ou que vous l'invoquez explicitement), il charge `SKILL.md` et follo