加载中...
主要用途设计、实现、优化和审查.NET中的SIMD代码，包括使用TensorPrimitives、Vector64/128/256/512等实现标量循环的向量化。
使用指南
安装前先阅读能力边界、适用场景与配置要求。
设计、实现、优化和审查.NET中的SIMD代码，包括使用TensorPrimitives、Vector64/128/256/512等实现标量循环的向量化。
适合需要“.NET向量化优化”能力的 Agent 工作流。原始 Skill 名称为 vectorization，发布者为 dotnet/skills。
在项目根目录执行：npx skills add https://github.com/dotnet/skills --skill vectorization。安装后请先阅读仓库内的完整 Skill 指令，再根据当前任务、权限范围和项目规范使用。
执行前检查命令、脚本、外部连接与凭据权限；生成或修改代码后，仍需运行项目自己的测试、类型检查和人工复核。
平台只展示已完成发布审核的内容，安装前仍建议检查权限和执行命令。
基于 README、SKILL、配置和站内资料形成五维参考结论。
3.9/ 5
.NET向量化优化：基于固定源码 34950f87，使用效果证据最完整，场景适配仍可补强。当前材料未命中已知高风险规则。
.NET向量化优化：基于固定源码 34950f87，使用效果证据最完整，场景适配仍可补强。当前材料未命中已知高风险规则。
当前纳入材料未命中已知高风险规则；未执行的运行时行为不在本结论内。
稳定可靠依据：说明前置条件或依赖、提供故障处理信息；当前关注：依赖或命令使用固定版本。
场景适配依据：说明目标用户或运行环境、说明输入信息；当前关注：明确用途或触发场景、说明输出或适用边界。
继续探索
结构规范依据：文档具有分层标题结构、声明版本或变更信息；当前关注：提供依赖或项目清单。
使用效果依据：包含顺序明确的操作步骤、包含可复用示例；当前关注：说明预期结果。
基于固定源码版本静态分析，不代表运行时绝对安全。
