tile-ai/tilelang

一、项目定位

Tile Language（tile-lang）是由 Tile-AI 维护的 Pythonic DSL，目标是让高性能 GPU/CPU/NPU kernel 的开发更接近写 PyTorch，同时仍能做 tile 级别的底层优化。它构建在 Apache TVM 之上，自 TVM 的 TIR 之上发展出 TIRX IR 与一套独立的 pass 管道，并在 IR lowering 之后对接多种后端：CUDA（含 CuTe DSL、NVRTC、SM75/90/100/120 各代 tensor core / block-scaled MMA / TMA / cluster copy / warp specialization）、ROCm/HIP（CDNA4、RDNA3/RDNA4、WMMA）、Metal（simdgroup、cooperative tensor GEMM）、Ascend 950 NPU（PTODSL、SIMT/SIMD 向量编程）、LLVM CPU、以及实验性的 WebGPU。项目当前处于活跃演进期，从 2025 年的 CuTe DSL 后端、Metal 起步，到 2026 年已覆盖 Blackwell（SM100/SM120）FP8/MXFP8/INT4、Windows 包、并行 autotune、LSP、源码级诊断、pass 可视化、Ascend 官方后端等。README 与 pyproject 自称 Beta（Development Status :: 4 - Beta），但多个新后端（WebGPU、部分 Ascend 能力、eager-mode autotune）仍在快速迭代。仓库规模可观：tilelang/ 下约 414 个 Python 文件、src/ 下约 398 个 C++ 文件、testing/ 约 499 个测试文件、examples/ 约 387 个示例、benchmark/ 与 maint/ 若干工具脚本。近 30 天内 release 节奏约每月一版（v0.1.13→v0.1.14→v0.1.15），提交热点集中在 testing/python、jit、contrib、autotuner、CUDA/Ascend/ROCm 后端与 transform pass，说明项目正处在多后端扩展与稳定性并重的阶段。

解决什么问题、给谁用

解决的核心矛盾是：手写高性能 kernel（GEMM、dequant GEMM、FlashAttention、MoE、稀疏 MLA 等）需要精细控制 tile、shared memory、tensor core / MMA 指令、TMA、pipeline，而传统 CUDA/Triton/CuTe 的开发与调试成本仍然很高。TileLang 让开发者在 Python 中用 T.copy、T.gemm、T.mma_*、T.copy_cluster、T.tma_copy 等 tile 级原语描述计算，由编译器自动完成 layout 推断、software pipeline、warp specialization、host 代码生成，并在多后端间复用同一套 kernel 描述。目标用户是：需要为特定硬件（H100/B200/Mi300/Apple Silicon/Ascend）自研高性能算子的性能工程师、训练框架底层开发者、编译器/DSL 研究者，以及希望快速验证新硬件特性的工程师。典型场景包括：为 DeepSeek V3/V4 / MLA / NSA 写自定义 attention kernel；为 MoE 写 fused MoE + quant/dequant 路径；为 Blackwell 写 block-scaled GEMM / TMA / two-SM 核；在 Apple Silicon 上用 Metal 验证算法；在 CPU/LLVM 上做 kernel 正确性回归；用 autotuner 自动搜优 tile/ pipeline 参数。

1. GPU 性能工程师：用 TileLang 替代手写 CUDA 或 Triton，开发 GEMM、attention、MoE、sparse attention 等算子，尤其适合需要跨代硬件（SM75→SM120）统一代码库的团队。2. 训练框架底层开发者：为自研 LLM 训练框架集成高性能 attention / fused MoE / block-scaled GEMM，利用 TileLang 的 autotune 和 pass 调试工具快速迭代。3. 编译器/DSL 研究者：研究 tile-level DSL、IR lowering、layout inference、software pipeline，TileLang 提供相对完整的端到端基础设施（Python 前端 → TIRX → 多后端 CodeGen）。4. 端侧 / 多硬件开发者：在 Apple Silicon 上通过 Metal 后端验证 kernel，或在 Ascend NPU 上利用 PTODSL 后端做算子开发，避免为每个硬件维护一套独立代码。5. 库维护者与贡献者：通过 maint/ 下的 audit 脚本、docs/ 的 CONTRIBUTING.md、format.sh、pre-commit 等工具参与。

同类项目与差别

• Triton（OpenAI）：Triton 是更成熟的 Python DSL，生态更广（PyTorch 集成、FlagGems 等），但主要面向 NVIDIA GPU，对 AMD / Ascend / Metal / CPU 支持有限；TileLang 的优势在于多后端（CUDA/ROCm/Metal/Ascend/CPU/WebGPU）统一描述、更贴近 TVM 的编译器基础设施（pass 可视化、layout 可视化、源码级诊断）、以及更激进的 Blackwell / TMA / block-scaled MMA 支持。
• CUTLASS / CuTe DSL（NVIDIA）：CUTLASS/CuTe DSL 是 NVIDIA 官方 C++/Python DSL，性能上限与硬件贴合度最高，但仅限 NVIDIA GPU，且 C++ 开发成本高；TileLang 把 CuTe DSL 作为一个后端（3rdparty/cutlass），在之上提供更高层 Pythonic 接口，同时把同一 kernel 描述 lowering 到非 NVIDIA 后端。
• TVM（Apache）：TVM 是通用深度学习编译器栈，调度语言较底层（TE / Meta Schedule / Relax）；TileLang 直接构建在 TVM 之上，复用其 TIRX、CodeGen、runtime，但提供了更面向 kernel 作者的 tile-level DSL 与更友好的调试工具（IR Lower Trace、Pass Visualizer、layout 可视化）。
• Triton-distributed / oneMKL-SYCL 等：这些项目侧重分布式或特定厂商的 kernel 库；TileLang 定位是单 kernel / 单设备 DSL，分布式能力较弱（主要依赖 autotune 多 GPU benchmarking），但单 kernel 表达力与硬件覆盖更广。

核心能力

阶段：项目处于快速成长期（Beta，v0.1.x），核心 CUDA 后端（SM75/90/100/120、TMA、warp specialization、CuTe DSL）相对成熟，Metal、ROCm、Ascend、LLVM CPU 后端在 2026 年密集补齐，WebGPU 与部分新特性（eager-mode autotune、block-scaled GEMM、scan operators）仍在实验/扩展期。从提交热点看，testing/python 占比最高，说明团队在积极补测试覆盖；jit、contrib、autotuner、多后端 codegen 的频繁提交表明功能仍在快速迭代。

技术栈：Python 3.10+（前端 DSL、autotuner、tools）；C++（IR、transform、backend codegen，CMake >= 3.26）；Apache TVM（TIRX、CodeGen、runtime，通过 3rdparty/tvm 子模块）；PyTorch（torch、torch-c-dlpack-ext，作为数组后端与扩展构建依赖）；z3-solver（layout 推断 / 符号求解）；Cython + scikit-build-core（Python 扩展构建）；CUDA toolkit（pip 版 nvidia-cuda-nvcc / nvrtc / curand，或 host CUDA）；CUTLASS（3rdparty/cutlass，作为 CuTe DSL 后端）；HIP headers（3rdparty/hip-headers，ROCm 路径）；Ruff + clang-format + pre-commit（CI lint）；GitHub Actions（.github/workflows）；uv（推荐开发环境）

规模：Release：v0.1.15（2026-09-30）、v0.1.14（2026-09-02）、v0.1.13（2026-08-03），约每月一版。目录规模：tilelang/ 约 414 个 Python 文件、src/ 约 398 个 C++ 文件、testing/ 约 499 个测试文件、examples/ 约 387 个示例、benchmark/ 与 maint/ 若干工具。最近提交（2026-10-10–12）集中在 CUDA SM120 block-scaled MMA、CuTe DSL / NVRTC wrapper 修复、Ascend PTODSL allreduce、Autotune structured reporting、testing infrastructure 改进，显示多后端与稳定性仍在快速迭代。Docker 镜像覆盖 CUDA 11.8–12.8 与 ROCm。Star 数未在证据中提供，需验证。

二、架构与代码地图

TileLang 采用经典的编译器分层架构，自上而下分为五层。最上层是 接入层，以 tilelang.__init__.py 暴露的 tilelang.compile()、tilelang.jit 装饰器以及 tilelang.dsl / tilelang.language 中的 T.Kernel、T.Tensor、T.Pipelined、T.copy、T.gemm 等 Pythonic DSL 构成，用户在这一层写出看起来像 PyTorch 的 kernel 描述。DSL 原语会被捕获成 TIRX IR（TVM Script 风格的中间表示），缓存在 tilelang/cache 中，并由 tilelang/jit 负责即时编译与缓存命中。 往下一层是 调度层 / 编译器层，核心在 tilelang/transform、tilelang/analysis、tilelang/carver、tilelang/engine 以及 C++ 侧的 src/transform、src/ir.cc/.h。这里承担 pass 管道：layout inference、layout propagation、tensorization、TMA / MMA / warp-specialization 注入、Lower TIRX → TIR/LLVM IR、autotune 搜索、pass 计时与 IR dump。tilelang/autotuner 与 tilelang/contrib（含 contrib/triton、contrib/dsl）则提供高层调度策略与第三方 DSL 桥接。 再往下是 执行层 / 后端层，由 tilelang/backend 与 src/backend 暴露统一的 Backend 注册表，把编译产物分发给各硬件后端：CUDA（tilelang/cuda、src/cuda，含 NVRTC、CuTe DSL、SM75/90/100/120 tensor core、TMA、warp specialization）、ROCm/HIP（tilelang/rocm、src/rocm）、Metal（tilelang/metal、src/metal）、Ascend NPU（tilelang/ascend、src/ascend）、LLVM CPU（src/cpu）、WebGPU（src/webgpu）以及 src/tl_templates 里的模板 kernel。 最底层是 硬件抽象与运行时层，由 src/runtime、3rdparty/tvm、3rdparty/cutlass、3rdparty/hip-headers 提供 TVM runtime FFI、CuTe CUTLASS 模板、HIP 头文件与 CUDA stub。工具层（tilelang/profiler、tilelang/instrumentation、tilelang/tools、benchmark/、maint/）贯穿各层，负责 profiling、layout 可视化、autodd、IR trace / pass diff、正确性评估等开发者体验。

一次调用怎么流过这些模块

一次 TileLang kernel 请求从用户代码开始。用户在 Python 中用 T.Kernel、T.Tensor、T.Pipelined、T.copy、T.gemm 等 DSL 原语（tilelang/language）描述 kernel；这些原语被 TVM Script 解析器捕获成 TIRX IR（tilelang/ir.py + src/ir.cc/.h），缓存在 tilelang/cache。 当用户调用 tilelang.compile(fn) 或用 @tilelang.jit 装饰时，tilelang/jit 的 JITFunction 接管：先查缓存，未命中则进入 tilelang/engine 的 Engine 调度。Engine 把 TIRX 喂进 tilelang/transform 与 src/transform 的 pass 管道——依次做 layout inference、layout propagation、tensorization、TMA/MMA/warp-specialization 注入、Lower TIRX → TIR/LLVM IR。tilelang/autotuner 可在这一层搜索 pass configs 与 tile 尺寸（#2159 并行 autotune、#1906 eager-mode）。 Lower 后的 IR 进入 tilelang/backend + src/backend 的 BackendRegistry，按目标硬件分发给具体后端：CUDA（tilelang/cuda、src/cuda）走 NVRTC 或 CuTe DSL（3rdparty/cutlass），ROCm（tilelang/rocm、src/rocm）走 HIP，Metal（tilelang/metal、src/metal）走 Metal Shading Language，Ascend（tilelang/ascend、src/ascend）走 PTODSL，CPU（src/cpu）走 LLVM IR，WebGPU（src/webgpu）走 WGSL。后端 codegen 产出可执行二进制或源码。 tilelang/jit 把产物包装成 JITKernel 返回给用户；用户像调 PyTorch op 一样传入 tensor，由 src/runtime 的 runtime 在指定 stream 上 launch kernel。tilelang/profiler 的 Profiler 可包裹 JITKernel，提供计时与 assert_allclose 正确性验证（maint/gemm/correctness_evaluation.py 大量使用）。tilelang/instrumentation 的 IKET profiler 可插入 CUDA timeline 做细粒度分析。tilelang/tools 的 lower_trace、pass_diff、layout_visualization、autodd 则用于调试 IR 变化与定位性能瓶颈。 关键调度点：① tilelang/jit 的缓存与 Lower 触发；② tilelang/engine 的 pass 管道调度；③ tilelang/backend 的 BackendRegistry 分发；④ tilelang/autotuner 的 trial 调度；⑤ src/runtime 的 kernel launch。关键数据结构：TIRX IR（src/ir.cc/.h）、JITKernel（tilelang/jit）、Backend 注册表（tilelang/backend）、PassContext（tilelang/transform）、Profiler（tilelang/profiler）。

关键类型与函数

扩展点

• 新模型 / 新 kernel：在 examples/ 下新增目录，用 T.Kernel + T.Pipelined / T.gemm / T.copy 写 DSL 描述；如需新原语，在 tilelang/language 添加 Python 类并在 tilelang/transform 加对应 pass
• 新后端：在 tilelang/<backend> 与 src/<backend> 下新增模块，实现 Backend 接口并在 tilelang/backend + src/backend 的 BackendRegistry 中注册；参考 CUDA（tilelang/cuda、src/cuda）或 Metal（tilelang/metal、src/metal）的组织方式
• 新 pass / 新调度策略：在 tilelang/transform 定义 pass 函数或类，通过 PassContext / PassConfigKey 暴露给用户；C++ 侧 pass 在 src/transform 实现，与 tilelang/transform 镜像
• 新 autotune 策略：在 tilelang/autotuner 扩展 Autotuner，利用 PassConfigKey 搜索空间与 tilelang/jit 的 eager-mode（#1906）
• 第三方 DSL 桥接：在 tilelang/contrib 下新增桥接模块（如 contrib.triton、contrib.dsl），把外部 DSL 转成 TIRX IR
• 新工具：在 tilelang/tools 添加 CLI 或可视化工具，复用 tilelang/jit、tilelang/transform、tilelang.ir；参考 lower_trace、pass_diff、layout_visualization、autodd

最近在动的地方

• testing/python：提交热点第 1（20 次）；测试基础设施最近一次大改（#3313），是稳定性与多后端扩展并举的缩影
• tilelang/jit：提交热点第 2（6 次）；#3318 修复 output indices 保留，#3414 修复 NVRTC/CuTeDSL 参数身份，是 JIT 核心
• tilelang/contrib：提交热点第 3（5 次）；第三方 DSL 桥接与 multi-backend dialect 持续演进
• src/cuda：提交热点第 4（3 次）；SM120 block-scaled MMA（#3430）、GEMM dtype 拒绝（#3245）、popcount 修复（#3300）都在此
• tilelang/autotuner：提交热点第 5（2 次）；#3393 结构化 trial 报告、#2159 并行 autotune，是新能力
• tilelang/ascend：提交热点第 6（1 次）；#3469 vendored PTODSL SIMT allreduce helpers，Ascend 官方后端快速迭代
• tilelang/language：提交热点第 7（1 次）；#3332 float source bitwise reduce 修复，DSL 语义持续完善
• src/transform：提交热点第 8（1 次）；#3427 For loop step 修复，pass 管道稳定性
• src/rocm：提交热点第 9（1 次）；ROCm 后端持续修复与 RDNA4 支持
• src/tl_templates：提交热点第 10（1 次）；模板 kernel 扩展

建议阅读顺序

1. README.md（项目定位、最新 News、后端列表）
2. tilelang/__init__.py（顶层入口与导出）
3. tilelang/language（DSL 原语：T.Kernel / T.Tensor / T.Pipelined / T.gemm）
4. examples/gemm/example_gemm.py（最简 GEMM 示例，看 DSL 如何写）
5. tilelang/jit（JIT 编译、缓存、Lower 触发）
6. tilelang/ir.py + src/ir.cc/.h（TIRX IR 定义）
7. tilelang/transform（pass 管道：layout、tensorization、TMA/MMA 注入）
8. tilelang/engine（Engine 调度 pass 与 codegen）
9. tilelang/backend（BackendRegistry 分发）
10. tilelang/cuda（CUDA 后端：NVRTC、CuTe DSL、tensor core、TMA）
11. tilelang/autotuner（自动调优与 pass configs）
12. src/runtime（kernel launch 与 CUDA stub）
13. 3rdparty/tvm、3rdparty/cutlass、3rdparty/hip-headers（底层依赖）

三、本地跑起来（没有 GPU 的 Mac）

安装

1. # 1. 克隆仓库（带子模块：3rdparty/tvm、cutlass、hip-headers）
2. git clone --recurse-submodules git@github.com:tile-ai/tilelang.git
3. cd tilelang
4. # 2. 创建虚拟环境（Apple Silicon 推荐 uv，也可 python3 -m venv .venv）
5. uv venv --seed .venv
6. source .venv/bin/activate
7. python3 -m pip install --upgrade pip setuptools wheel "build[uv]"
8. # 3. 安装开发依赖（含测试、lint 等 extras）
9. uv pip install --requirements requirements-dev.txt
10. # 4. 可编辑安装 tilelang（无需 host CUDA toolkit，无 GPU 也能构建）
11. python3 -m pip install --no-build-isolation --verbose --editable .
12. # 说明：pyproject.toml 的 [project.optional-dependencies] nvcc 组（nvidia-cuda-nvcc 等）必须跳过，否则 CMake 会尝试 FindCUDAToolkit 并失败。
13. # 若后续想尝试 Metal，确保 macOS 13+ 且 Xcode CLI tools 安装；Metal backend 由 src/metal + tilelang/metal 提供，无需额外 pip 包。
14. # 若只想读代码、跑 CPU 测试，可跳过步骤 4，改用 PYTHONPATH=src python3 ... 直接运行（见 CONTRIBUTING 的 Working from Source 建议）。

哪些路径能真跑

['可真正执行（Apple Silicon / CPU）：', '- CPU 后端：src/cpu/、tilelang/cpu/，通过 LLVM 后端 lowering 并执行（README 2026-03-10 条目 "CPU T.gemm"）。', '- Metal 后端：src/metal/、tilelang/metal/，含 simdgroup GEMM 与 cooperative-tensor GEMM（README 2026-05-22、2026-07-28）；需实际 M 系列 GPU 才能跑，MacBook Air 可编译但只能验证编译产物。', '- LLVM CPU 测试子集：testing/python 中部分通用测试 + testing/cpp 中与 backend 无关的 IR/transform 测试。', '- examples/ 中少量 CPU 友好示例：examples/elementwise/、examples/gemm/（部分带 target=cpu 或自动后端选择）。', '只能读代码或需 Colab T4 验证：', '- tilelang/cuda/、src/cuda/、3rdparty/cutlass、3rdparty/hip-headers —— 任何含 T.Kernel + T.gemm/T.copy/T.mma_* 的 CUDA 示例均需 GPU。', '- examples/flash_attention/、examples/deepseek_mla/、examples/dequantize_gemm/、examples/gemm_fp8/、examples/blocksparse_attention/ 等依赖 tensor core / TMA / warp specialization 的示例。', '- benchmark/matmul、benchmark/blocksparse_attention 等需要实际 GPU 测时的基准。', '- Ascend NPU（tilelang/ascend、src/ascend、testing/ascend）需华为硬件。', '- ROCm（tilelang/rocm、src/rocm）需 AMD GPU。']

最小可运行

1. # 1. 最小 elementwise 编译 + 执行（CPU 后端，验证 tilelang.compile 与 JIT 整条链路）
2. PYTHONPATH=src python3 -c "import tilelang; from tilelang import language as T; print(tilelang.__version__)"
3. # 2. CPU 端到端 GEMM 正确性（LLVM 后端），参考 README 2026-03-10 条目
4. python3 examples/gemm/example_gemm.py # 若脚本默认 target=cuda，需手动改 target=cpu 或加 --target cpu（需验证脚本参数）
5. # 3. 在 Colab T4 上跑最小 FlashAttention 示例（最终确认 CUDA 后端可用）
6. # 上传仓库后执行：
7. python3 examples/flash_attention/example_mha_fwd_bhsd.py
8. # 4. 编译-only 验证（不执行，仅检查 IR lowering 是否通过）
9. python3 -c "from tilelang import compile; compile(lambda: None, out_idx=[])" # 占位，实际需替换为最小 prim_func
10. # 5. Metal 后端编译验证（M 系列 Mac，不执行）
11. python3 -c "from tilelang.metal import is_metal_available; print(is_metal_available())"
12. # 6. 运行 CPU 子集测试（见 test_suite）

测试

['框架：pytest（根目录 testing/），部分示例自带 test_*.py 通过 pytest 发现。', '目录结构：testing/python/（主要 Python 测试）、testing/cpp/（C++ 单测）、testing/ascend/（Ascend 专用）。', '只跑 CPU 子集（MacBook Air 无 GPU）：', ' python3 -m pytest testing/python -k "cpu or metal or elementwise or gemm" --timeout=120 -x', ' # 或更保守：只跑与 CUDA 无关的通用测试', ' python3 -m pytest testing/python -k "not cuda and not rocm and not ascend and not hip" --timeout=120', '示例自带测试（examples/ 下 test_*.py）：', ' python3 -m pytest examples/elementwise/test_example_elementwise.py examples/gemv/test_example_gemv.py -x', '耗时估计：CPU 子集（约几十个测试）在 Apple Silicon 16GB 上约 5–15 分钟；完整 testing/ 含 GPU 测试会因 skip 而很快，但含编译的测试可能较慢。', '注意：testing/conftest.py 可能自动检测 GPU 并 skip 无设备测试，需检查其 skip 标记逻辑。']

调试

• 断点：Python 层可在 tilelang/jit/、tilelang/engine/、tilelang/transform/ 关键函数入 pdb.set_trace()；C++ 层需重新编译并用 lldb attach（scikit-build-core 产物在 build/ 目录）。
• 日志开关：环境变量 TILELANG_LOG_LEVEL=DEBUG 或 TVM 相关日志（TVM_LOG_DEBUG）控制 IR lowering 输出；pass 计时通过 PassConfigKey 启用（README 2026-07-16 条目）。
• IR dump：tilelang.PassConfigKey.TL_DUMP_IR 或类似配置（README 2026-03-05 条目 "IR dump configuration"）可在每次 pass 后打印/保存 IR。
• Pass Diff 工具：docs/tools/pass_diff.md 提供编译器 pass 间 IR 对比，适合定位 lowering 回归。
• Profiling 入口：tilelang.profiler 模块 + kernel.get_profiler(tensor_supply_type=...) 可获取编译后 profiler，支持 assert_allclose 与自动测时（需 GPU 才能真实测时）。
• 源码位置：启用 source-aware diagnostics（README 2026-07-28）后，编译器报错会指向 Python 源码行号。

CI

GitHub Actions（.github/workflows/），多后端矩阵：CUDA（cu118/cu120/.../cu128）、ROCm、Metal、Ascend、CPU/LLVM；PR 会跑 lint（pre-commit: ruff + clang-format + pymarkdown）、单元测试、示例回归测试。无 GPU 贡献者提交会被 GPU 测试 skip，但 lint 与 CPU 测试必须通过；CodeRabbit 自动评审（最近提交 fd2ddda 启用）。具体 job 名与阈值需查看 .github/workflows/*.yml 确认。

坑

• 1. 不要安装 [project.optional-dependencies] nvcc 组：pyproject.toml 中 nvidia-cuda-nvcc 等仅在 Windows 或需要 CUDA JIT 时适用，macOS 无 NVIDIA GPU 会触发 CMake FindCUDAToolkit 失败。
• 2. 必须 git clone --recurse-submodules：3rdparty/tvm 是核心依赖，缺失会导致 C++ 编译失败。
• 3. 首次 import tilelang 可能触发 JIT 编译 torch extension（torch-c-dlpack-ext），需 setuptools 且耗时数分钟（pyproject 注释说明）。
• 4. CPU 后端覆盖有限：并非所有 tilelang.language 原语都支持 LLVM CPU lowering，复杂 kernel（FlashAttention、TMA、warp specialization）在 CPU 上会报错或 silent 回退。
• 5. Metal 后端需 macOS 13+ 与 Metal API，且仅部分算子（GEMM、elementwise）有实现；cooperative-tensor GEMM 需 M5 或更新，M1/M2 MacBook Air 可能回退到 simdgroup 或失败。
• 6. examples/ 中大量脚本默认 target='cuda'，直接运行会报 CUDA 错误，需手动改 target 或仅阅读代码。
• 7. testing/ 中测试可能硬编码 GPU 设备检查（torch.cuda.is_available()），无 GPU 时自动 skip，但部分测试可能未正确标记导致 collect 失败，需用 -k 过滤。
• 8. 可编辑安装（pip install -editable .）后修改 C++ 代码需重新运行 python3 -m pip install --no-build-isolation --verbose --editable . 重新编译，增量构建依赖 scikit-build-core + ccache（若配置）。

四、维护者与社区

Release 节奏约为每月一版（v0.1.13 2026-08-03 → v0.1.14 2026-09-02 → v0.1.15 2026-09-30），提交非常活跃，最近提交集中在 2026-10-10 至 10-12 之间，涉及 SM120、CuTeDSL、JIT、Autotune、Ascend、Transform 等多个子系统，说明处于多后端扩展与稳定性并重的密集迭代期。提交热点（30 天）：testing/python (20)、tilelang/jit (6)、tilelang/contrib (5)、src/cuda (3)、tilelang/autotuner (2)、testing/ascend (2)。

流程与 Review 风格

贡献流程：1) Fork 仓库并用 SSH 克隆（需 --recurse-submodules，含 3rdparty/tvm、cutlass、hip-headers）；2) 用 uv venv --seed .venv 创建环境并安装 requirements-dev.txt；3) 运行 pre-commit install --install-hooks 安装钩子；4) 用 python3 -m pip install --no-build-isolation --verbose --editable . 可编辑安装；5) 提交 PR 前运行 bash format.sh --files <changed-file> 格式化，Python 由 Ruff 检查，C++ 由 clang-format 检查，C++ API 风格需符合 docs/developer_guide/cpp_style.md；可用 python3 maint/scripts/audit_cpp_api_style.py 做命名与头文件边界审计；6) 测试用 python3 -m pytest testing；7) 搜索已有 Issue 再新建，新建 Issue 必须包含最小复现代码与清晰描述；8) 可在 Issues 中提问；9) 带 [♥ help] 标签的 Issue 是入门入口。无 CLA/DCO 证据，pre-commit 是主要门禁。

Review 较密集且具体：BugFix 类 PR（如 #3414、#3427、#3318、#3300、#3400、#3452）集中在 JIT/CUDA/Transform 子系统的正确性边界，说明维护者对 warp specialization、TMA、NVRTC、shared memory race 等底层细节审查严格；Feature 类 PR（如 #3476 autotune 并行、#3393 structured trial reporting、#3481 实验性 MIR）接受方向性扩展；同时启用 CodeRabbit 自动化评审（#3487），表明对代码风格与常见模式有一层自动把关。Issue 响应较快，如 #3301 有 12 条讨论，多个 bug 在数日内就有对应 PR。

渠道

• https://github.com/tile-ai/tilelang
• https://tilelang.com/
• https://discord.gg/TUrHyJnKPG
• https://github.com/tile-ai/tilelang/issues
• https://github.com/tile-ai/tilelang/releases
• https://github.com/tile-ai/tilelang/blob/main/CONTRIBUTING.md
• https://github.com/tile-ai/tilelang/tree/main/examples
• https://github.com/tile-ai/tilelang-puzzles
• https://github.com/tile-ai/tilelang-lsp
• https://deepwiki.com/tile-ai/tilelang
• https://tilelang.com/get_started/Installation.html

这里的规矩

• 得体：新建 Issue 前先搜索已有 Issue；bug 报告必须包含最小复现代码与清晰描述；PR 同时附带 tests 与 docs（CONTRIBUTING 明确要求）；先用 bash format.sh 格式化改动文件；在 Issues 中提问而非外链；从 [♥ help] 或 good first issue 标签入手。
• 得体：涉及 warp specialization、TMA、shared memory、pipeline 等底层语义的改动，在 Issue 中明确描述语义边界与复现条件（参考 #3470、#3451、#3446、#3424、#3438 等）。
• 不得体：直接提交缺少测试的大型功能 PR；跳过 pre-commit 检查；在未确认已有 Issue 的情况下重复提报；改动 C++ API 命名前未跑 maint/scripts/audit_cpp_api_style.py 审计 FFI 可见性、生成代码、backend shim 等约束。

维护者现在最想要的帮助

• 正确性修复：大量 fuzzer 发现的 ice-on-valid-code 与 wrong-code-gen bug（#3000、#3301、#2599、#3023、#2986、#2998、#2595、#2854、#2643、#2945、#2961、#2398、#2613），覆盖 LayoutInference、warp_reduce、reduce_max/min、shared-memory allocator、warp-specialized GEMM 等核心路径。
• Warp specialization 与 TMA 流水线稳定性：#3470（producer hang）、#3451（cp.async 提前释放）、#3446（TMA store fence 仅 elected thread 执行）、#3424（tcgen05 GEMM pipeline race）、#3433（misaligned ldmatrix / truncated wgmma descriptor）。
• Ascend 950 后端持续完善：#3469（PTODSL SIMT allreduce helpers vendor）、#3474（examples target 选择）、#3328（L0C fp32->f16/bf16 dual_copy cast）、#3330（PTO codegen for DeepGEMM）。
• Autotune 与性能工程：#3393（structured trial reporting）、#3476（并行编译 JIT 配置）、#3120（lower T.any_of / T.all_of via warp vote intrinsics）。
• Metal 后端：#3292（T.copy default coalesced_width stride 错误）。
• 编译器诊断与调试：#3481（实验性 MIR Host IR JIT），已有 Pass Visualizer、IR Lower Trace、Pass Diff、Compiler pass timing、IKET profiler 等近期交付。
• 测试基础设施：#3313（improve testing infrastructure）仍在推进，testing/python 是近 30 天提交最热的路径。

五、切入方案

它现在缺什么（你无 GPU 也能补）

第一批 PR

怎么知道自己站住了

• 前 30 天内合并 2–3 个测试/文档 PR，且 review 轮次 ≤ 2。
• 获得 triage 权限，能自主给新 issue 打标签、assign。
• CPU / Metal correctness 测试在 CI 上稳定通过至少 2 周无 flaky。
• 被至少一位现有核心维护者（如 LeiWang1999 或 Dexterai）在 PR 中 @ 请求 review。
• 在 Discord 或 GitHub Discussion 至少被引用/推荐一次作为 testing/tools 方向的联系人。
• 成功主持一次“debug tools”或“CPU backend testing”的文档/Kata PR 并被合并。
• 获得 reviewer 身份或被列入 CODEOWNERS 中 testing/、maint/、docs/tools/ 路径。