By name: task-constructor description: > 从 PyTorch/Triton 代码仓中提取算子实现，构建为 KernelBench 格式的标准化单文件自包含任务。 支持代码提取、AST 依赖追踪、函数内联、import 清理、格式验证和参考对比测试。 当用户需要从现有代码构建 task_code 时使用此 Skill。 category: workflow version: "1.0.0" metadata: task_type: code_transformation target_format: kernelbench input_types: code,file,directory
标准化任务构建工作流
适用场景
- 用户提供 PyTorch/Triton 代码仓路径，需要提取算子并构建 task_code
- 用户提供代码片段，需要包装成 KernelBench 格式的标准化任务
- 用户指定某个 torch 内部函数，需要提取其分解实现
目标格式
最终生成的文件必须是 单一自包含 Python 文件：
import torch
import torch.nn as nn
# 所有依赖函数内联（不能 import 外部文件）
class Model(nn.Module):
def __init__(self, <params>):
super(Model, self).__init__()
def forward(self, <inputs>) -> torch.Tensor:
return output
def get_inputs():
return [input1, input2, ...]
def get_init_inputs():
return [param1, ...]
工具使用指南
调用 call_task_constructor
此工具内部运行完整的 ReAct 循环，自动完成以下步骤：
- 定位目标代码：搜索目标函数
- 依赖追踪：AST 分析自动发现所有依赖（同文件函数 + 外部模块调用）
- 任务装配：选择最佳策略（排除式/选择性/完整嵌入）构建自包含文件
- 验证：格式验证（实例化 + forward + NaN/Inf + 一致性检查）
- 参考对比：与原始 torch 函数对比多组输入
参数
user_input：用户需求描述（如 "从 pytorch 仓中提取 xxx 的分解实现"）source_path：可选，代码仓/文件路径
返回
task_code：生成的标准化任务代码task_code_path：代码文件路径op_name：算子名称summary：构建过程摘要
核心规则
- 禁止重写复杂函数：原始函数可运行就直接复用，一行都不改
- 返回值必须一致：多张量返回就返回 tuple，不能截断
- 内联外部函数前先查签名：通过依赖追踪自动检测外部调用来源模块
Scripts
scripts/validate_kernelbench_task.py- 验证 task 代码是否符合 KernelBench 格式（参数：--stdin --json）
使用示例
Think: 需要验证生成的 task 代码是否正确
Action: execute_script(script_path="resources/skills/task-constructor/scripts/validate_kernelbench_task.py", args="--stdin --json", stdin_input="<task 代码>")
Observation: {"valid": true, "static_check": {...}, "runtime_check": {...}}
也可以直接验证文件：
Action: execute_script(script_path="resources/skills/task-constructor/scripts/validate_kernelbench_task.py", args="/path/to/task.py --json")
参考文档
references/kernelbench-format.md- 格式规范references/assembly-strategies.md- 装配策略说明