1. 基本信息
| 项目 | 内容 | 数据来源 |
|---|---|---|
| 名称 | cupynumeric-migration-readiness-nvidia-skills（SKILL.md 内部名称 cupynumeric-migration-readiness） |
GitHub |
| 作者/维护者 | NVIDIA Corporation（legate@nvidia.com）；技能目录仓库 nvidia/skills 每日自动同步自 nv-legate/cupynumeric 产品仓库的 skills/ 子目录 |
GitHub API + SKILL.md metadata |
| 来源链接 | https://github.com/nvidia/skills/tree/main/skills/cupynumeric-migration-readiness | — |
| 许可证 | CC-BY-4.0 OR Apache-2.0（双许可，SKILL.md frontmatter 明确声明） | GitHub |
| GitHub Stars/Forks | 技能所属目录仓库 nvidia/skills 整体 2,817★/330 forks（覆盖 300+ 个不同 NVIDIA 产品的技能，不代表本技能自身热度）；封装的产品 nv-legate/cupynumeric 单独仓库 981★/88 forks，最近一次提交为 2026-08-07 |
GitHub API |
| 最新版本 | 2.0.0（SKILL.md frontmatter 声明，随 cuPyNumeric/Legate 发布节奏迭代） | GitHub |
| 安装方式 | npx skills add nvidia/skills --skill cupynumeric-migration-readiness --agent claude-code |
GitHub README |
2. 功能介绍与亮点
这个技能在用户真正动手把 NumPy 代码搬到 GPU 加速的 cuPyNumeric 之前，先给出一份“值不值得搬、哪里会卡住”的静态评估报告，避免团队先投入数周重写代码才发现某个热路径用法在分布式 GPU 上完全不 scale。
主要亮点：
- 无需安装 cuPyNumeric、无需 GPU 即可使用：SKILL.md 标注为“knowledge-driven assessment”，纯靠读源码 + 比对官方 API 支持清单完成判断，用户在决定要不要采购/租用 GPU 之前就能先拿到结论。
- 固定流程 + 结构化报告：采集上下文（数组规模、目标硬件、计算模式）→ 比对官方 NumPy-vs-cuPyNumeric API 支持清单 → 逐行语义级读代码，区分“能 scale 的向量化写法”与“会卡住的逐元素循环/标量同步/隐式 host 回传”等 11 类阻塞模式 → 产出含
file:line引用的八段式报告 → 交给配套的 cuPyNumeric Doctor 做运行期验证。 - 可执行的四级结论：READY / LIGHT REFACTOR / SIGNIFICANT REFACTOR / NOT RECOMMENDED，每个阻塞模式都配一条对应的重构配方（
refactor-recipes.md），不是空泛的“建议重构”。 - 显式划定能力边界：SKILL.md 写明它不执行用户代码、不自动生成重构后的代码、不做运行期性能剖析。
- 官方发布前量化评测：NVIDIA 用内部 Skill Evaluator 跑了 27 个评测任务（23 正例、4 负例），分别在 Claude Code 与 Codex 上测了安全性、正确率、可发现性、有效性、效率五个维度，
skill-card.md附评测结果与skill.oms.sig签名文件供溯源校验。
3. 适用场景
所属分类：工程效率与代码质量
适合把现有 NumPy 数值计算代码迁移到 GPU 加速的 cuPyNumeric 之前，需要先摸清“哪些函数能直接受益、哪些必须重写”的开发者与科研工程师——典型是科学计算、数据处理管线团队评估是否值得投入工程量做 GPU 化改造，先扫一遍代码库拿到分级结论与具体重构清单，再决定投入多少人力。
4. 跨 Agent 兼容性
- Claude Code：原生支持，官方 README 给出
--agent claude-code安装命令，安装后需运行/reload-skills加载。 - Codex：原生支持，README 提供对应的
--agent codex安装命令，官方发布前评测也在 Claude Code 与 Codex 两个 agent 上分别跑过。 - OpenClaw / Hermes Agent：均未验证。官方
skillsCLI 目前列出的受支持客户端为 Claude Code、Codex、Cursor、Kiro、Snowflake Cortex，抓取到的材料未提及这两个 agent。
5. 推荐理由
多数“迁移助手”类技能是在动手改代码之后才介入；这个技能把决策点前移到动工之前，用一份可引用行号的报告直接回答“值不值得改、改哪里”，把原本靠工程师逐个函数排查的经验判断变成可复用的流程。对不确定是否值得为 GPU 加速投入迁移成本的团队，能省下真正开始重构之前的试错成本；对已经决定迁移的团队，分级重构清单也能直接指导施工顺序。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | 官方 NVIDIA Corporation 出品；仓库整体 README 在 cuPyNumeric 产品行把“迁移现有 NumPy 代码”列为三项核心能力之一；未见针对该技能本身的独立第三方讨论或采用数据 |
| 可用性 | 9 | 一条安装命令即可用；无需预装 cuPyNumeric、无需 GPU 即可获得完整评估结果；SKILL.md 配 9 份参考文档、示例输入代码、一份完整的示例报告；最近一次提交在 2026-07-31，维护活跃；无付费依赖 |
| 安全性 | 9 | 见下方检查清单 |
安全检查清单：①只用 Read/Grep/Glob 静态读取用户源码，不执行、不修改、不写入；唯一的可选脚本 fetch_api_support.py 仅在用户手动运行时才执行 ②该脚本联网目标固定为 NVIDIA 官方文档页且不可被参数覆盖，评估流程本身全程不联网 ③官方 skill-card.md 明确声明不需要 API Key 或外部凭据 ④通读 SKILL.md 全文及 fetch_api_support.py 源码，未发现可疑指令、混淆代码或隐藏外发行为 ⑤NVIDIA 官方团队出品，经内部 SkillSpector 安全扫描与 OpenSSF Model Signing 签名，发布前评测安全维度 Claude Code 100%、Codex 96%，设有公开漏洞上报渠道，无造假迹象 ⑥License 为 CC-BY-4.0 OR Apache-2.0，明确 ⑦技能目录最近一次提交为 2026-07-31，所属仓库整体最近一次提交为 2026-08-07，持续维护
7. 跟同类 Skills 相比的优势
| 对比对象 | 定位 | 与本技能的差异 |
|---|---|---|
cupynumeric-install（同仓库姊妹技能） |
负责把 cuPyNumeric 实际装到本地环境并验证 GPU 可用性 | 解决的是“怎么装”，本技能解决的是装之前“值不值得装、代码要改哪里”；两者是迁移流程里的前后两个阶段 |
deprecation-and-migration-addyosmani-agent-skills |
通用的遗留系统下线与迁移决策框架（Expand/Contract 模式等），面向任意技术栈的废弃/迁移决策 | 是不针对具体框架的通用方法论，不了解 NumPy 与 cuPyNumeric 的具体 API 兼容清单；本技能反过来是深度绑定 cuPyNumeric API 支持表的领域专用评估器，能给出到具体函数调用行的判断 |
目前能找到的同类技能要么是通用迁移方法论、要么是装好之后的运行期诊断工具（如同一产品线里的 cuPyNumeric Doctor），“动工前、针对具体 API 逐行给结论”这一环节暂无其他直接对标。
8. 用户评价
该技能目前在第三方平台尚无经核实的具名用户评价；官方仓库 Issues 中也未检索到与该技能相关的讨论。
9. 其他补充
技能自带一份可重新抓取的 API 支持清单快照（assets/api-support.md），当快照超过约 90 天未更新时，SKILL.md 会提示运行 scripts/fetch_api_support.py --default-path 重新抓取官方对照表，避免评估依据过期。
10. 安装使用方式
- 通用安装（交互式选择安装目标）：
npx skills add nvidia/skills，然后从目录中选择cupynumeric-migration-readiness - 指定技能与 agent 一次装好：
npx skills add nvidia/skills --skill cupynumeric-migration-readiness --agent claude-code（Codex 用户把--agent值换成codex） - 安装后注意事项：在 Claude Code 中需运行
/reload-skills让本次会话识别新装技能；使用时直接向 agent 描述“评估这段 NumPy 代码能不能迁移到 cuPyNumeric/GPU”即可触发；无需额外配置环境变量或凭据
11. 注意事项
- 仅做静态评估，不运行用户代码，也不会自动生成重构后的代码——重构本身仍需工程师或后续 agent 任务完成
- 不做运行期性能剖析；实际加速效果需要按 SKILL.md 引导，在完成重构后另行用 cuPyNumeric Doctor 做运行期验证
- 依赖模式匹配识别代码中的阻塞写法，SKILL.md 自陈会漏掉藏在日志装饰器、间接调用等场景里的隐式同步，边界情况仍需人工复核
- 仅适用于以 NumPy 为主的数值计算代码；不覆盖稀疏矩阵、图计算、机器学习框架代码等超出 cuPyNumeric 覆盖范围的场景（这类工作负载会被技能直接判定为 NOT RECOMMENDED）
- 内置的 API 支持清单是官方对照表的快照，若超期未刷新，评估依据可能滞后于 cuPyNumeric 最新版本