PyTorchプロファイラー（プログラム実行時の性能測定ツール）トレース分析を、TraceLensという複数の機能を組み合わせた仕組みで統合管理します。 具体的には以下を実行します： - 性能レポートを生成 - カテゴリーデータを準備 - システムレベル分析とコンピュート・カーネル分析（演算処理の詳細部分の分析）を並行して実施 - 出力結果を検証 - 関係者ごとの優先度を付けたレポート（analysis.md）を作成 **次のような場合に使用：** ユーザーが分析オーケストレーター（統合制御ツール）に従うよう要求した場合、エージェント分析ワークフロー（自動化された一連の分析処理）を実行する場合、トレースを分析する場合、2つのトレースを比較する場合、またはスタンドアロン（単独）またはトレース同士の比較分析をTraceLensで行うことに言及した場合。
Orchestrates modular PyTorch profiler trace analysis with TraceLens: generates perf reports, prepares category data, runs system-level and compute-kernel subagents in parallel, validates outputs, and writes a prioritized stakeholder report (analysis.md). Use when the user asks to follow the analysis orchestrator, run the agentic analysis workflow, analyze a trace, compare two traces, or mentions standalone or comparative TraceLens analysis.
システムレベルの分析（CPU/アイドル状態、カーネル融合、複数カーネル/通信/メモリコピー）と計算カーネルの分析（行列演算、注意メカニズム、要素単位演算など）を統合します。トレース（実行記録）を1回読み込んで共有の準備を行い、複数の下位エージェント（副次的な処理を担当するプログラム）を並列で実行してから、結果を analysis.md に集約します。
reference.md に従い、すべてのステップを実行してください（ユーザーからの入力、プリフィックス（接頭辞）と{CMD}の使い方、コマンド実行、下位エージェントの起動文、検証、レポート出力、グラフ埋め込み、トレース診断）。
0. ユーザー入力をヒアリング（プラットフォーム、トレースパス、分析モード、環境設定）
1. 性能レポート生成（分析モードで分岐：学習 vs 推論、比較範囲）
2-5. カテゴリ別データ準備（GPU使用率、実行件数の多い処理、処理木構造、複数カーネルデータ、カテゴリフィルタ）
6. システムレベル分析（並列実行）→ system_findings/
7. 計算カーネル用下位エージェント（並列実行）→ category_findings/
7.5. 結果を集約 → priority_data.json::findings[]
8. 下位エージェント出力の検証
9. 検索結果の読み込み + モデル識別（下位エージェント）→ metadata/model_info.json
10. agent_extension.py がない場合は性能画像をレンダリング
11. analysis.md 生成（統合エージェントがプリフィックス経由で出力）、拡張機能（オプション）、画像埋め込み
下位エージェント: reference.md で「下位エージェント」と指示された場所（ステップ 6、7、9）でのみタスク実行ツールを使用してください。統合エージェント自体は、ステップ 7.5 を含むそれ以外のすべてを、<output_dir>/cache/cmd_prefix.txt から得たコマンドプリフィックス（{CMD} 置換）を使って実行します。
用語選択: ベンダー（メーカー）に依存しない表現（GPUカーネル、集団通信、行列演算ライブラリ、ディープラーニング基本機能、GPU実行グラフ）を優先します。トレースデータを引用するときは、実際のカーネル名を使っても問題ありません。
下位エージェントへの指示文: TraceLens/Agent/Analysis/skills/analysis-orchestrator/agents/<name>.md 配下のエージェントファイルを指してください（reference.md で正確なパスと指示文テンプレートを確認してください）。
<output_dir>/analysis.mdsystem_findings/、category_findings/、category_data/、metadata/、perf_report*.xlsx、CSV フォルダ など（パッケージの README を参照してください）このスキルに含まれる下位エージェント一覧：TraceLens/Agent/Analysis/skills/analysis-orchestrator/agents/*.md
<!-- Copyright (c) 2026 Advanced Micro Devices, Inc. All rights reserved.
See LICENSE for license information. -->
Coordinate system-level analysis (CPU/idle, kernel fusion, multi-kernel / comm / memcpy) and compute-kernel analysis (GEMM, SDPA, elementwise, etc.): one trace load, shared prep, parallel subagents, then aggregation into analysis.md.
Follow reference.md for every step (user prompts, <prefix> / {CMD} usage, CLI commands, subagent launch text, validation, report tee order, plot embedding, and trace diagnostics).
0. Query User Inputs (Platform, Trace Path(s), Analysis Mode, Environment Setup)
1. Generate Performance Report (branches on analysis mode: training vs inference then, comparison scope)
2-5. Prepare Category Data (GPU Util, Top Ops, Tree Data, Multi-Kernel Data, Category Filtering)
6. System-Level Analysis (PARALLEL) → system_findings/
7. Compute Kernel Subagents (PARALLEL) → category_findings/
7.5. Aggregate → priority_data.json::findings[]
8. Validate Subagent Outputs
9. load_findings + Model Identification (subagent) → metadata/model_info.json
10. Render performance PNG if agent_extension.py is absent
11. Generate analysis.md (orchestrator writes via <prefix> tee), optional extension, embed PNG
<output_dir>/cache/cmd_prefix.txt ({CMD} substitution).TraceLens/Agent/Analysis/skills/analysis-orchestrator/agents/<name>.md (see reference.md for exact paths and prompt shells).<output_dir>/analysis.mdsystem_findings/, category_findings/, category_data/, metadata/, perf_report*.xlsx, CSV folders — see package README for layout.Project subagents ship with this skill: TraceLens/Agent/Analysis/skills/analysis-orchestrator/agents/*.md.
原文・著作権は Anthropic および各プラグイン作者に帰属します。日本語訳は Claude API による自動翻訳です。