at-dispatch-v2

at-dispatch-v2 ist ein offizieller Skill aus dem PyTorch-Quellrepository für die Umstellung älterer AT_DISPATCH-Makros auf die neue AT_DISPATCH_V2-Schnittstelle. Er richtet sich an Entwicklerinnen und Entwickler, die ATen-C++-Dateien, CUDA-Kernels oder native Operator-Implementierungen im PyTorch-Quellbaum bearbeiten. Laut Anbieter ist der Skill besonders dann gedacht, wenn Makros wie AT_DISPATCH_ALL_TYPES_AND, AT_DISPATCH_FLOATING_TYPES oder verwandte Varianten in das neue, ausdrücklich komponierbare Format überführt werden sollen. Der Eintrag ist damit ein fokussierter Arbeitsleitfaden für Quellcodeänderungen und kein eigenständiges Paket, kein Compiler und keine allgemeine Einführung in C++-Makros.

Zweck und Einordnung

Die Anleitung verweist auf aten/src/ATen/Dispatch_v2.h als Definition der neuen API. Der zentrale Unterschied liegt in der Argumentordnung. Der skalare Typ und der Debug-Name stehen zuerst, danach folgt die Lambda-Funktion und anschließend die expliziten Typgruppen. Eine bestehende Verwendung wird dadurch nicht bloß umbenannt; ihre Semantik muss gelesen und sorgfältig in die neue Form übertragen werden. Der Skill hilft, diese Schritte systematisch abzuarbeiten und den tatsächlichen Typumfang sichtbar zu machen. Das ist besonders relevant, wenn ein Kernel mehrere Ganzzahl-, Gleitkomma-, komplexe oder quantisierte Typen akzeptiert.

Praktische Umstellung

Laut Anbieter soll zunächst der Include für Dispatch_v2.h neben dem bestehenden Dispatch-Include ergänzt werden. Das ältere Include bleibt erhalten, weil andere Stellen der Datei weiterhin dessen Definitionen benötigen können. Danach werden die verwendeten Makros klassifiziert. Ein Basismakro für alle Typen wird beispielsweise als AT_ALL_TYPES ausgedrückt, während Gleitkomma-, Ganzzahl- oder komplexe Gruppen eigene AT_EXPAND-Ausdrücke erhalten. Zusätzliche Typen wie Half, BFloat16 oder einzelne Float8-Varianten werden am Ende einzeln genannt. Die Lambda wird mit AT_WRAP umschlossen. Dieser Schritt schützt vor Problemen, wenn der Lambda-Ausdruck selbst Kommata in Template-Argumenten oder Funktionsaufrufen enthält.

Review und Qualität

Die Migration sollte jede betroffene Makroverwendung, jeden Operatornamen und alle zusätzlichen Typen einbeziehen. Ein mechanisches Ersetzen kann einen falschen Typumfang, eine unpassende Reihenfolge oder eine fehlende Include-Abhängigkeit erzeugen. Deshalb empfiehlt sich ein Review gegen Dispatch_v2.h sowie gegen die konkrete Kernel-Implementierung. Prüfe außerdem, ob die neue Schreibweise dieselben Datentypen wie der alte Pfad abdeckt und ob Fehlermeldungen den weiterhin hilfreichen Operatornamen enthalten. Laut Anbieter ist der Skill auf ATen-Code und native Operatorarbeit zugeschnitten; er sagt nicht voraus, dass eine beliebige Drittanbieter-Makrodefinition kompatibel ist.

Grenzen und Sicherheit

Der Leitfaden verändert keine installierte PyTorch-Version und führt keine Änderungen automatisch aus. Er setzt einen kontrollierten lokalen Klon, Kenntnisse in C++, PyTorch-Builds und den jeweiligen Backend-Dateien voraus. Vor einer Änderung sollten Branch, Commit und lokale Arbeitskopie geprüft werden. Unbekannte Skripte, generierte Dateien und Befehle mit externen Nebenwirkungen gehören nicht ungeprüft in den Arbeitsablauf. Die Konvertierung garantiert weder gleiche Laufzeit noch gleiche numerische Ergebnisse; diese Eigenschaften müssen mit den passenden PyTorch-Tests und einem Review der betroffenen Kernel validiert werden.

Quelle und Kompatibilität

Die Primärquelle ist https://github.com/pytorch/pytorch/tree/main/.claude/skills/at-dispatch-v2. Ergänzend beschreibt die offizielle PyTorch-Dokumentation unter https://docs.pytorch.org/docs/stable/notes/extending.html, wie Erweiterungen und native Operatorarbeit in das Projekt eingeordnet werden. Der PyTorch-Quellbaum steht unter BSD-3-Clause. Diese Beschreibung wurde am 9. September 2026 geprüft. GitHub-Sterne werden nicht gespeichert, weil das Skill-Modell kein github_stars-Feld besitzt. Die Kompatibilität mit Claude Code folgt aus der Veröffentlichung als Ressource unter .claude/skills; die fachliche Prüfung muss trotzdem gegen den konkreten PyTorch-Stand erfolgen.