torch_npu 融合算子优化技能

分析 PyTorch 模型代码中的计算模式，匹配 torch_npu 融合算子进行替换优化。基于 torch_npu 本地 docstring 查询脚本（scripts/torch_npu_query.py）和仓库已有模型的融合算子使用经验，按模块逐一分析、匹配、替换、验证。

工作流程

第一步：分析模型代码，拆解模块

分析模型代码，输出模块清单。

拆解网络结构：识别顶层结构（Embedding → Transformer Blocks → LM Head），拆解每个 Block 为独立模块：

• Attention 层：Norm → QKV 投影 → RoPE → KV Cache → Flash Attention → O 投影（MLA 含 V absorb）
• MoE / FFN 层：Norm → Gate → 路由分发 → 专家计算 → 聚合
• 其他模块：Embedding、LM Head、跨层残差等