Triton 算子开发环境配置
核心原则
必须按顺序执行环境检查，每个步骤依赖前一步的成功。
前置步骤：获取最新配套要求（MANDATORY）
配套版本可能更新，必须先获取官方最新文档。
MANDATORY - READ ENTIRE PAGE：访问并完整阅读官方在线文档 https://triton-ascend.readthedocs.io/zh-cn/latest/quick_start.html 和 https://triton-ascend.readthedocs.io/zh-cn/latest/installation_guide.html，获取最新的：
- Python 版本要求
- torch / torch_npu 版本要求
- triton-ascend 版本要求
- CANN 版本要求
- 各组件版本对应关系
以文档中的版本要求为准，更新后续步骤中的版本号。
当前已知版本对应关系（截止 2026-03-26）：
| Triton-Ascend 版本 | CANN 版本 | 发布日期 |
|---|---|---|
| 3.2.0 | 8.5.0（推荐） | 2026/01/16 |
| 3.2.0rc4 | 8.3.RC2 | 2025/11/20 |
torch_npu 版本：2.7.1
环境检查与配置流程
1. CANN 环境配置（第一步）
必须最先检查 CANN 环境
- 执行
npu-smi info，检查是否成功加载驱动 - 再执行
which bisheng，检查是否成功加载CANN环境获取到npuir编译器，应该输出路径 - 如果没有输出，尝试加载 CANN 环境：
- 优先：source /usr/local/Ascend/cann/set_env.sh - 备选：source /usr/local/Ascend/ascend-toolkit/set_env.sh
- 再次执行第1步和第2步检查，如果不成功，需要等待用户去检查解决CANN的环境配置，可以提醒去https://www.hiascend.com/cann/download 上下载安装CANN
2. Python 版本检查
如果遇到python问题，最优先使用miniconda创建环境解决
- 检查当前 python 的路径：
which python3 - 若失败尝试执行：
export PATH="/usr/bin:$PATH" - 再次执行第1步检查，如果不成功，则需要提醒用户安装python，安装方式优先使用下面miniconda的方法
- 如果存在python3，检查python版本：
python3 --version，以官方 quick_start.md 文档中的要求为准
3. Python 环境安装（按需）
- 如果用户需要安装python环境，先使用
conda init bash检查是否有conda环境，有则跳转第5步，如果没有则执行第2步安装 - 执行
uname -m确认当前系统架构 如果系统架构为aarch64，执行：wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-aarch64.sh如果系统架构为x86_64，执行：wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh - 执行安装脚本：
bash Miniconda3-latest-Linux-x86_64.sh或bash Miniconda3-latest-Linux-aarch64.sh，按照提示安装后激活miniconda环境 - 检查是否成功安装miniconda环境：
conda init bash - 创建一个python环境，执行：
conda create -n triton python=<官方要求版本> - 激活python环境，执行：
conda activate triton
4. torch 配置
必须保证前面的步骤都成功
- 执行：
pip list | grep "torch" - 检查 torch / torch_npu 版本，以官方文档中的要求为准
- 如果版本不符合要求，按文档中的版本安装：
- 先安装 torch：pip install torch==<官方要求版本> - 若报错 ERROR: No matching distribution found for torch==2.7.1+cpu，尝试： pip install torch==2.7.1+cpu --index-url https://download.pytorch.org/whl/cpu - 再安装 torch_npu：pip install torch_npu==<官方要求版本>
- 检查torch环境是否配置成功：
python3 -c "import torch; print(torch.__version__)" - 运行一个简单的torch代码，检查是否成功加载npu设备：
python3 -c "import torch; a = torch.randn(2, 3); print(a)"，应该输出类似结果：tensor([[2.86, 1.0406, 1.5811], [0.8329, 1.0024, 1.3639]])
5. triton-ascend 配置
- 执行：
pip list | grep "triton" - 社区 Triton 和 Triton-Ascend 不能同时存在：
- 如果安装了原生的 triton，必须先卸载：pip uninstall triton - 如果同时安装了 triton-ascend，也需要先卸载，再重新安装
- 安装最新的 triton-ascend 包：
pip install triton-ascend - 如需安装 nightly 版本，参考：https://triton-ascend.readthedocs.io/zh-cn/latest/installation_guide.html#nightly-build
环境验证（MANDATORY）
用于确认当前终端环境可以正常执行triton算子。
MANDATORY - READ ENTIRE FILE：在执行验证前，必须完整阅读 scripts/01-vector-add.py。
执行验证：
python3 <skill-dir>/scripts/01-vector-add.py执行该算子样例后，如出现类似结果则表明其计算符合预期，difference为0.0则视为验证通过：
tensor([0.8329, 1.0024, 1.3639, ..., 1.0796, 1.0406, 1.5811], device='npu:0')
tensor([0.8329, 1.0024, 1.3639, ..., 1.0796, 1.0406, 1.5811], device='npu:0')
The maximum difference between torch and triton is 0.0故障处理
| 现象 | 动作 |
|---|---|
| torch 安装失败：No matching distribution found for torch==2.7.1+cpu | 尝试从 PyTorch 官方源安装：pip install torch==2.7.1+cpu --index-url https://download.pytorch.org/whl/cpu |
| 同时安装了原生 triton 和 triton-ascend | 先卸载原生 triton：pip uninstall triton，再重新安装 triton-ascend |
| 找不到 C++ compiler | 安装编译器：apt-get install g++ |
| 需要从源码编译时缺少依赖 | 安装系统库：sudo apt install zlib1g-dev clang-15 lld-15（推荐 clang >= 15, lld >= 15） |
| 已按上表重试仍失败 | 保留完整终端报错与已执行的命令序列，便于本地或后续排查 |
反模式清单（NEVER）
- ❌ 跳过阅读官方在线文档获取最新配套要求
- ❌ 跳过 CANN 环境检查直接配置 Python
- ❌ 使用不符合官方要求的 Python / torch 版本
- ❌ 同时安装原生 triton 和 triton-ascend
- ❌ 不进行环境验证就开始开发
- ❌ 在不同终端会话中分步执行（必须在同一终端）
检查清单
- 已阅读官方在线文档获取最新配套要求？
- CANN 环境加载成功（npu-smi info 和 which bisheng 有输出）？
- Python 版本符合官方要求？
- torch / torch_npu 版本符合官方要求？
- triton-ascend 已安装（原生 triton 已卸载）？
- 环境验证通过（01-vector-add.py 运行成功）？
注意事项
- 如果上述流程后还有问题，可以到官方在线文档查看是否有新的配套要求：https://triton-ascend.readthedocs.io/zh-cn/latest/quick_start.html