DOCA Bench 性能基准技能
在真实 NVIDIA 网络设备上，以可复现方式测量 DOCA 库的吞吐、延迟和带宽。
文档明确要求非生产环境、远程伴随应用需注意敏感信息、先进行短时 smoke run，并禁止臆造参数；因此具备基本安全边界。扣分原因是未明确最小权限、用户确认、回滚方案或数据脱敏流程，且要求保存“full unredacted summary + CSV”，可能扩大敏感环境信息暴露。
配置、运行、测试和分层诊断流程较完整，包含版本、设备、granular-build、预热、稳态和异常分流。扣分原因是静态审查未执行关键路径，错误反馈主要依赖外部文档和现场 --help；此外 TASKS.md 将模式称为“三种”，与其他文件声明四种模式不一致。
触发条件、目标用户、适用任务和明确排除项较清楚，覆盖主机与 BlueField Arm，并强调按安装实际能力探测。扣分原因是未提供中文交互支持或中国大陆网络可达性说明，核心资料依赖 docs.nvidia.com；对设备、平台和库版本边界仍需外部矩阵确认。
采用 SKILL.md、CAPABILITIES.md、TASKS.md 分层组织，包含加载顺序、关联技能、限制、许可证和路由说明。扣分原因是作者、正式版本、签名、变更历史和维护责任在 SKILLCARD 中仍为 TBD 或仅间接可见；技能卡许可证与前置元数据不一致，且存在静态校验发现的结构和推荐章节问题。
能够指导选择库、工作负载和测量模式，要求记录命令、版本、设备、环境，并提供 smoke-before-bulk 和诊断循环，核心任务价值明确。扣分原因是未提供可直接复制的完整命令或已验证输出，执行仍需查阅现场二进制和外部指南；静态材料不能证明实际结果可用。
文档提供了大量内部交叉引用、源代码符号和一份评估报告，具备一定审计线索。扣分原因是评估数据集不可用，报告无法独立复核；未提供覆盖关键路径的可验证 CI/测试证据，公开来源仅作为指针而非本次可核验材料。
- 执行前必须确认目标设备不是生产业务设备，并对伴随应用的网络通道、CSV、日志和环境信息进行脱敏与访问控制。
- 不要直接使用文档中的假定参数；必须以目标安装上的 doca_bench --help、内置查询结果和匹配版本文档为准。
- 注意四模式与“三种模式”的文档矛盾，以及 SKILLCARD.yaml 中许可证、版本和签名字段未完全对齐。
- 中国大陆用户可能需要预先确认 docs.nvidia.com、NGC及相关外部资料的网络可达性。
这个 Skill 能做什么，适合哪些场景？
该技能指导 AI 代理调用 doca_bench，对 RDMA、Compress、AES-GCM、SHA、DMA、EC、Ethernet、Comch 和 GPUNetIO 进行微基准测试。它覆盖库枚举、三轴配置、预热与稳定性判断、基线采集以及分层故障诊断。运行环境需要已安装 DOCA SDK 2.7.0 或更高版本，并连接 BlueField DPU 或 ConnectX NIC。它不用于应用端到端计时、DOCA 安装、定制基准代码或修改二进制文件。
读取已安装 DOCA 环境和 doca_bench 的可用能力，按目标库、工作负载形状和测量轴配置测试；运行吞吐、批量延迟、精确延迟或最大带宽基准；执行先冒烟后批量的流程；记录命令、版本、设备、部署环境和 CSV/屏幕输出；根据配置、设备绑定、库前置条件、工作负载、测量稳定性和版本等层次诊断零结果、挂起或异常结果。
- 平台运维人员在固件升级、驱动升级或 NUMA 调优前后，对 BlueField 或 ConnectX 设备重跑性能基线。
- 性能工程师需要比较 DOCA Compress、RDMA、DMA 或 SHA 等库在实际设备上的吞吐或延迟。
- 开发者在应用设计前确认候选 DOCA 库在当前安装和设备上的可用能力。
- SRE 需要生成包含命令、版本、设备、环境和测量值的可引用性能记录。
- AI 代理需要解释 doca_bench 的零输出、启动挂起或不稳定结果。
这个 Skill 有哪些优点和局限？
- 面向实际设备和安装环境，而不是凭数据表推测性能。
- 覆盖多种 DOCA 库和四种测量轴。
- 要求记录命令、版本、设备和环境，适合回归分析。
- 提供从能力探测到测量稳定性和故障分层的工作流。
- 必须已有 DOCA SDK >= 2.7.0、正确的 Linux 环境和 NVIDIA 设备；技能不负责安装 DOCA。
- 没有预置脚本、解析器、样例输出或预期吞吐数字。
- 具体 flag 和场景参数随安装版本变化，不能仅凭技能内容推断。
- source prompt 未提供该技能独立测试套件或平台覆盖证据。
如何安装这个 Skill？
按仓库 README 的 skills CLI 流程安装单个技能：
npx skills add nvidia/skills --skill doca-bench --yes
也可以先运行 npx skills add nvidia/skills，再在提示中选择技能和安装位置。仓库是每日从产品源仓库同步的目录，安装后技能会在代理下次加载相关技能时可用。
如何使用这个 Skill？
在已满足环境要求的 Linux 主机或等效 DOCA 容器中，让代理执行与 doca_bench 相关的任务，例如：“测量我的 BlueField-3 上 DOCA Compress 的吞吐，并保存可回归测试的基线。”代理应先确认 DOCA 版本和二进制，枚举已启用库，选择吞吐、批量延迟、精确延迟或最大带宽轴，先执行冒烟测试，再进行稳定性评估。远程内存、RDMA 或 Eth 场景还需要远端运行 companion app。具体参数应以已安装版本的文档和 doca_bench --help 为准。
这个 Skill 与同类方案有什么区别？
与 doca-caps 相比，本技能进行细粒度的实际性能测量，而 doca-caps 提供较粗粒度的设备/库能力快照。与应用端到端基准相比，它只测量 DOCA 库表面，不测量用户应用整体耗时；与 doca-setup 相比，它要求安装已完成。