refactor(kernel): register-dispatch architecture for kernelize (registry/config/ops 三层拆分)

[werwrewe]

主要工作

将 kernelize 重构为 register-dispatch 模型，替换掉硬编码的builtin/liger 双模块：

• registry（注册层）：各 op 自我注册，每个 backend 实现携带惰性加载 + 可用性检查；KernelChoice 按优先级链 dispatch 到第一个可用 backend
• config（声明层）：DEFAULT_KERNEL_CONFIG 为纯数据（target 全是点路径字符串）——mapping 只声明替换什么（WHAT）、用哪个 op（WHICH）；不 import transformers/torch_npu/liger_kernel
• core（分发层）：kernelize() 遍历 mapping，把每条 entry dispatch 给 installer——怎么安装（HOW）由优先级 KernelChoice.installer → OpDefinition.installer → default_installer 决定（nn.Module 目标做类掉包，函数/方法做 setattr）；transformers.* 家族缺失跳过在默认配置路径记 DEBUG，显式 mapping 升 WARNING（带 typo 提示）
• ops：swiglu / geglu / rms_norm / rotary / moe / sdpa_attention / fla 从 npu_impls 与 liger_impls 迁入按 op 组织的包；新增 ep op（NPU grouped-matmul），替换 expert_parallel.py 中内联的 EP 专家循环
• moe_experts 默认链为 ('npu',)——LigerExperts 仅显式 opt-in，吸收旧_prefer_cann_on_npu 的 drop 语义
• hub()：HubRef 作为 mapping value，经可选的 kernels 包惰性解析

cookbook：kernelize 仅由 torch-baseline 逃生门门控；--enable-liger 语义收窄为只门控 fused-linear-CE loss。EP utils：用高级索引替代 index_select（部分 torch_npu/CANN 版本 aclnnIndexAdd 损坏），split sizes 改为同步 D2H 拷贝。

docs：中英文档同步。

特性

1. 保留 kernelize(model, mapping) 的核心模型：key 表示目标，value 表示如何替换
2. 继续支持用户直接传入 class、function 或 HubRef 作为最终实现
3. 增加按 op 名称和 backend 优先级自动选择实现的能力（KernelChoice）
4. 将同一算子的 NPU、Liger 等实现集中在 ops/<op>/ 下管理
5. 支持普通 class/function 替换之外的安装方式（如 transformers SDPA 全局注册、FLA 逐实例 patch）
6. 保持 backend 实现惰性加载：未选择某个 backend 时不导入其可选依赖
7. 默认配置和用户配置使用同一套 mapping 协议，用户可以复制、合并和覆盖默认配置

分发流程（register-dispatch）

kernelize(model, mapping)
  └─ 逐条 (target, replacement)：
       ├─ replacement 是 KernelChoice ──► get_op(op) ──► resolve_impl(op, backends, warn, target)
       │      按 backends 顺序五步回退：未注册→顺延 / available() False(含原因)→顺延 /
       │      load(target) 异常→顺延 / 首个成功→(impl, backend) / 全失败→保留原始，不调 installer
       │      installer = choice.installer → op.installer → default_installer（优先级）
       └─ 否则（直接 impl / HubRef）──► resolve_direct_value（HubRef 惰性下载，其余直通）
                                          installer = default_installer
  └─ installer(model, target, impl)      # 失败上抛，不留半安装状态

kernelize 接口变化

新接口用法举例：

from twinkle.kernel import kernelize, hub, KernelChoice, DEFAULT_KERNEL_CONFIG

# ① 默认配置：NPU 上打 CANN 实现；CUDA 上 npu 链自动落 liger（装了才生效）
model = kernelize(model)

# ② 在默认配置基础上定制（复制 + 覆盖）
model = kernelize(model, {**DEFAULT_KERNEL_CONFIG,
    # 沿 backend 链自动选择（liger 优先，不行退 npu）
    'transformers.models.qwen3.modeling_qwen3.Qwen3RMSNorm':
        KernelChoice(op='rms_norm', backends=('liger', 'npu')),
    # CUDA 上为 MoE experts 显式 opt-in LigerExperts（默认链 ('npu',) 不启用）
    'transformers.models.qwen3_moe.modeling_qwen3_moe.Qwen3MoeExperts.forward':
        KernelChoice(op='moe_experts', backends=('liger',)),
    # 直接指定实现，绕过选择（旧协议，继续支持）
    Qwen2RMSNorm: MyRMSNorm,
    # HF Hub kernel，执行时惰性下载（需 pip install kernels）
    'transformers.models.qwen3.modeling_qwen3.Qwen3MLP.forward':
        hub('kernels-community/activation:SiluAndMul', version=1),
})

目录结构

src/twinkle/kernel/
├── __init__.py          # 公开面精确 4 符号：kernelize / hub / KernelChoice / DEFAULT_KERNEL_CONFIG
├── core.py              # 分发层：kernelize()、default_installer、_resolve_dotted、HubRef
├── registry.py          # 注册层：register_op / KernelImpl / OpDefinition / KernelChoice / resolve_impl
├── config.py            # 声明层：DEFAULT_KERNEL_CONFIG（62 条纯数据，按家族分组构建）
└── ops/                 # impl 本体 + op 注册（每个 op 一个包）
    ├── __init__.py      # 触发全部内置 op 注册
    ├── swiglu/          # __init__.py(注册 npu+liger) + npu.py + liger.py
    ├── rms_norm/        # 注册 rms_norm + gated_rms_norm；liger 按家族分派变体
    ├── rotary/          # 注册 rotary + multimodal_rotary
    ├── geglu/           # 注册 geglu（只 liger，gemma 系）
    ├── moe/             # 注册 moe_experts + moe_block
    ├── sdpa_attention/  # 注册 sdpa_attention + 自定义 installer（写 transformers 全局注册表）
    ├── fla/             # 注册 fla + 自定义 installer（逐实例 patch，需要 model）
    └── ep/              # EP experts GMM（原有，不动）

旧 builtin.py / liger.py / npu_impls/ / liger_impls/ 全部删除（impl 本体 git mv 进 ops/<op>/<backend>.py，内容不改）。

关键设计点

• 注册层只登记 op → backend 实现，替换目标不注册——收进 config.py 一张纯数据 mapping；新增家族 = 家族表加一行 tuple
• 没有 Backend 类：backend 只是 implementations dict 的字符串 key；平台/依赖判断统一收进 KernelImpl.available()，返回 (bool, reason) 进日志
• 惰性加载：注册阶段只有 lazy_import('pkg.mod:attr') 字符串工厂和 find_spec 探测，import twinkle.kernel 不触碰 torch_npu / liger / transformers
• "注册有什么"与"默认选什么"正交：moe_experts 两个 backend 都注册，但默认链只写 ('npu',)（liger 类替换会挡住 CANN grouped-matmul 快路径，吸收旧 _prefer_cann_on_npu drop 语义）；qwen3_5 的 rope 数值不兼容 liger，由 config 链只写 ('npu',) 排除
• KernelImpl.load(target)：liger RMSNorm 是一族实现（gemma/gemma4/qwen3_5 变体，选错 → NaN），load 接收 mapping target 按家族分派

行为变化

1. llama/gemma 家族在 NPU 上：装了 liger 时默认配置现在会生效（旧版 kernelize(model) 对这些家族不动）；Qwen 家族替换结果与旧版完全一致（golden 证明）
2. cookbook --enable-liger 语义收窄：不再切逐层 kernel，现在只门控 fused-CE loss；强制 Liger 逐层需自建 ('liger',...) 链（见上面例 ②）
3. CUDA 上 kernelize(model)：从 no-op 变为应用默认配置（装了 liger 即生效，未装 ≈ no-op 且全 DEBUG 无噪音）；cookbook 入口仅保留 TWINKLE_TORCH_BASELINE=1 逃生门

Test plan

层	验证对象	结果
pytest	选择/回退/日志分级/installer 协议 + impl 数值对齐	59 passed
真实训练	35B MoE EP+FSDP2+LoRA 全链路	EXIT=0，loss 2.99→1.62，WARNING=0

[gemini-code-assist]

Caution

The consumer version of Gemini Code Assist on GitHub has been sunset. All code review activity has officially ceased.

[gemini-code-assist]

Caution

The consumer version of Gemini Code Assist on GitHub has been sunset. All code review activity has officially ceased.

[kevssim]

Qwen3.5 FLA 精度测试仍导入已删除的 twinkle.kernel.npu_impls.fla；在 NPU 测试环境中会直接 ModuleNotFoundError，无法覆盖 FLA。应迁移至 twinkle.kernel.ops.fla.npu。见 tests/transformers/test_qwen35_fla_bwd_precision.py:129

[kevssim]

FSDP2 脚本注释仍指导用户调用已删除的 npu_builtin / liger_builtin，且描述与现有默认配置行为相反。见 cookbook/transformers/fsdp2.sh:5