基于华为昇腾 NPU 开发的 AI Agent 知识库，以 Skill 形式组织，支持 Claude Code、OpenCode、Cursor、Trae、Codex 等多种 AI 编程工具。
Awesome Ascend Skills 是一套面向华为昇腾 NPU 开发的结构化知识库。每个 Skill 都是独立的 AI Agent 能力模块，涵盖设备管理、模型转换、性能测试、量化压缩、推理部署等场景。
使用 npx 一键安装到所有支持的 AI 编程工具：
# 安装全部 Skills
npx skills add ascend-ai-coding/awesome-ascend-skills
# 安装单个 Skill
npx skills add ascend-ai-coding/awesome-ascend-skills --skill npu-smi支持的 AI 编程工具：Claude Code、OpenCode、Cursor、Trae、Codex 等。
如果无法使用 npx，可以手动复制 Skill 文件：
方式一：项目级安装（推荐）
将 Skill 复制到项目根目录的 .agents/skills/ 下：
# 克隆仓库
git clone https://github.com/ascend-ai-coding/awesome-ascend-skills.git
# 复制需要的 Skill 到项目目录
cp -r awesome-ascend-skills/npu-smi your-project/.agents/skills/方式二：全局安装
将 Skill 复制到对应 AI 编程工具的全局 Skills 目录。各平台安装位置请参考官方文档：
| 平台 | 文档链接 |
|---|---|
| OpenCode | https://opencode.ai/docs/zh-cn/skills/ |
| Cursor | https://cursor.com/cn/docs/context/skills |
| Claude Code | https://code.claude.com/docs/zh-CN/skills |
| Trae | https://docs.trae.cn/ide/skills |
| Skill | 类别 | 描述 |
|---|---|---|
| npu-smi | 运维 | NPU 设备管理：健康状态查询、温度/功耗监控、固件升级、虚拟化配置、证书管理 |
| hccl-test | 测试 | HCCL 集合通信性能测试：带宽测试、AllReduce/AllGather 等集合操作基准测试 |
| torch-npu-comm-test | 测试 | 通过 torch.distributed 测试通信算子性能：支持任意 tensor shape、dtype，torchrun 启动，贴近真实训练场景 |
| atc-model-converter | 开发 | ATC 模型转换：ONNX 转 .om 格式、OM 推理、精度对比、YOLO 端到端部署 |
| ascend-docker | 运维 | Docker 容器配置：NPU 设备映射、卷挂载、开发环境隔离 |
| msmodelslim | 开发 | 模型压缩量化：W4A8/W8A8/W8A8S 量化、MoE/多模态模型支持、精度自动调优 |
| vllm-ascend | 开发 | vLLM 推理引擎：离线批推理、OpenAI 兼容 API、量化模型服务、分布式推理 |
| ais-bench | 测试 | AI 模型评估工具：精度评估（MMLU/GSM8K/MMMU 等 15+ 基准）、性能压测、Function Call |
| ascendc | 开发 | AscendC 算子开发：FFN/GMM/MoE 等 Transformer 算子实现、CANN API 示例 |
| torch_npu | 开发 | PyTorch 昇腾扩展：环境检查、部署指引、PyTorch 迁移到 NPU 的完整指南 |
| mindspeed-llm-pipeline | 开发 | MindSpeed-LLM 端到端流水线：环境搭建→数据预处理→权重转换→训练→评估→导出 |
| mindspeed-llm-env-setup | 开发 | MindSpeed-LLM 环境搭建：CANN + torch_npu + MindSpeed + Megatron-LM 安装配置 |
| mindspeed-llm-data-prep | 开发 | MindSpeed-LLM 数据预处理：Alpaca/ShareGPT/预训练数据格式转换、分词打包 |
| mindspeed-llm-weight-prep | 开发 | MindSpeed-LLM 权重转换：HF↔Megatron 格式转换、LoRA 权重合并、TP/PP 切分 |
| mindspeed-llm-training | 开发 | MindSpeed-LLM 训练启动：预训练/SFT/LoRA/QLoRA 分布式训练、可选评估 |
| diffusers-ascend-env-setup | 开发 | Diffusers 环境配置：CANN 版本检测、PyTorch + torch_npu 安装、Diffusers 安装验证 |
| npu-op-benchmark | 测试 | 昇腾 NPU 算子性能基准测试：支持 SSH/Conda/Docker，测 算子 100 次平均耗时 |
| ascend-opplugin | 开发 | op-plugin 环境安装与 torch_npu 自定义算子接入：无 workspace / workspace+tiling 两种模式，从内核实现到 host 注册、构建与测试，优先在工程内轻量化接入 |
| diffusers-ascend-weight-prep | 开发 | Diffusers 权重准备：HuggingFace/ModelScope 模型下载、基于 config.json 生成假权重用于验证 |
| diffusers-ascend-pipeline | 开发 | Diffusers Pipeline 推理：环境预检、通用推理（图像/视频）、内存优化、LoRA 集成 |
| remote-server-guide | 运维 | 远程服务器连接指南：SSH 多认证方式、Docker 容器管理、文件传输、故障排查 |
| vllm-ascend-server | 开发 | vLLM 推理服务部署：自动模型发现、量化检测、张量并行、graph/eager 模式、健康检查 |
| vllm-bench-serve | 测试 | vLLM 在线性能压测与自动寻优：单次/批量/SLO 约束搜索最优并发吞吐 |
| npu-docker-launcher | 运维 | NPU Docker 容器一键启动：自动配置设备挂载、网络、卷挂载和环境变量 |
| ascend-dmi | 运维 | 昇腾 NPU 硬件管理与诊断：状态/温度/利用率查询、内存带宽测试、算力/功耗基准、压力测试、卡复位 |
| training-mfu-calculator | 测试 | MFU 计算工具：Dense/MoE 模型 FLOPs 计算、Ascend NPU 硬件峰值参考、性能分析报告 |
| github-issue-summary | 开发 | GitHub Issue 分析：从已关闭 issue 生成故障排查案例、根因分析、经验总结 |
| github-issue-rca | 开发 | GitHub Issue 根因分析：分析 issue 内容和代码仓库，识别可能的根本原因，提供调查方向和概率评估 |
| profiling-analysis | 分析 | 性能优化/性能分析技能集：通过profiling识别下发、通信、计算瓶颈，提供详细的性能分析报告和优化建议 |
| mindspeed-llm-train-profiler | 分析 | 自动化完成昇腾 NPU 上 MindSpeed-LLM 训练的 Profiling 数据采集 |
| ai-for-science | 开发 | AI for Science 总入口：负责 Profiling 采集、模型迁移、TensorFlow/Keras 路线选择，并分流到对应子 skill。 |
| mindspeed-mm-pipeline | 开发 | MindSpeed-MM 模型路由：根据模型类型（VLM/生成/全模态/音频）引导至对应 Skill |
| mindspeed-mm-env-setup | 开发 | MindSpeed-MM 环境搭建：CANN + torch_npu + MindSpeed + Megatron-LM + MindSpeed-MM 安装 |
| mindspeed-mm-weight-prep | 开发 | MindSpeed-MM 权重转换：mm-convert CLI 工具，HF↔MM/DCP 格式转换，PP 重切分 |
| mindspeed-mm-vlm | 开发 | MindSpeed-MM VLM 训练：Qwen2.5VL/InternVL/GLM4V 等理解模型，支持 Megatron/FSDP2/Custom 三种后端 |
| mindspeed-mm-generative | 开发 | MindSpeed-MM 生成模型训练：Wan/HunyuanVideo/CogVideoX/FLUX 等视频/图像生成，含特征提取 |
| ascend-avi-vnpu | 运维 | vNPU算力切分：用于查询/设置AVI模式、管理vNPU实例（创建/销毁）、查询vNPU配置恢复状态等操作 |
| hiascend-forum-fetcher | 开发 | 支持根据给定的时间范围，读取昇腾社区论坛在该范围内的帖子。 |
| hiascend-forum-analyzer | 开发 | 支持基于hiascend-forum-fetcher获取的文档，根据给定的内容，识别论坛上开发者反馈的相关问题帖子。 |
以下 skills 从外部仓库自动同步，请勿手动修改。
| Skill | 来源 | 描述 |
|---|---|---|
| ascend-inference-repos-copilot | gitcode-ascend | 昇腾（Ascend）推理生态开源代码仓库智能问答专家旨在为 vLLM、vLLM-Ascend、MindIE-LLM、MindIE-SD、MindIE-Motor、MindIE-Turbo 以及 ... |
| ascend-npu-driver-install | gitcode-ascend | 能完成昇腾NPU驱动和固件安装部署，实现安装包正则匹配提取、按需添加可执行权限、Python+Shell双重包校验、系统依赖先验后装、适配CentOS/RHEL/Ubuntu/Debian系统，... |
| ascend-profiling-anomaly | gitcode-ascend | Analyze Huawei Ascend NPU profiling data to discover hidden performance anomalies and produce a d... |
| ascendc-operator-code-gen | gitcode-ascend | 根据设计文档生成 AscendC 算子完整代码实现并完成框架适配。TRIGGER when: 设计文档已完成，需要生成 op_host/op_kernel 代码、注册到 PyTorch 框架、编... |
| ascendc-operator-code-review | gitcode-ascend | Ascend C 代码检视技能。基于假设检验方法论对代码进行安全规范检视。调用时必须明确提供：代码片段和检视规则描述。TRIGGER when: 用户要求代码检视、代码review、询问代码安全... |
| ascendc-operator-compile-debug | gitcode-ascend | 编译安装 AscendC 算子并执行精度测试。TRIGGER when: 算子代码生成完成后需要编译验证、安装 whl 包、运行精度测试，或编译/测试失败需要排查。关键词：build.sh、编译... |
| ascendc-operator-design | gitcode-ascend | 完成AscendC算子设计 - 帮助用户完成算子的架构设计、接口定义和性能规划。当用户提到算子设计、算子开发、tiling策略、内存规划、AscendC kernel设计、两级tiling、核间... |
| ascendc-operator-dev | gitcode-ascend | AscendC算子端到端开发编排器。当用户需要开发新算子、实现自定义算子、或完成从需求到测试的完整流程时使用。关键词：算子开发、operator development、端到端、完整流程、工作流... |
| ascendc-operator-doc-gen | gitcode-ascend | 为AscendC算子生成PyTorch风格的接口文档（README.md）。触发场景：编译调试通过后需要生成接口文档，或用户提到"生成算子文档"、"创建README"、"文档化算子"、"帮我写文... |
| ascendc-operator-performance-eval | gitcode-ascend | 在 ascend-kernel 的 csrc/ops//test 下维护仅含 JSONL 的 profiler 性能用例，使用 torch_npu.profiler（固定 warmup=... |
| ascendc-operator-performance-optim | gitcode-ascend | 排查并优化 Ascend C 算子性能。当用户开发、审查或优化 Ascend C kernel 算子时使用，或当用户提及 Ascend C 性能优化、算子优化、tiling、流水、搬运、 内存优... |
| ascendc-operator-precision-debug | gitcode-ascend | AscendC 算子精度问题调试与根因定位。当算子精度测试失败（allclose 不通过、结果偏差、输出全零/NaN 等）时使用。流程：误差分布分析 → 代码易错点审查 → 实验隔离 → pri... |
| ascendc-operator-precision-eval | gitcode-ascend | AscendC算子精度评估。对已编译安装的算子生成全面的精度测试用例集（≥30例），运行并生成精度验证报告。关键词：精度测试、precision evaluation、精度报告、accuracy... |
| ascendc-operator-project-init | gitcode-ascend | 初始化 AscendC 算子工程并创建可编译的算子骨架。触发场景：(1) 用户要求创建新算子；(2) 关键词：ascendc算子、新建算子、算子目录、算子初始化；(3) 需要基于 ascend-... |
| ascendc-operator-testcase-gen | gitcode-ascend | 完成AscendC算子验证用例生成 - 帮助用户完成testcase设计。当用户提到用例设计、泛化用例生成、算子标杆、UT用例、精度用例、性能用例时，使用此skill。 |
| auto-bug-fixer | gitcode-ascend | Use when encountering bugs, test failures, or error logs that need root cause analysis and fix ge... |
| auto-develop-test-gen | gitcode-ascend | 开发者测试自动补全技能 - 为函数和类生成高质量单元测试，分析覆盖率盲区并生成高价值补充测试，提升有效覆盖率。 |
| cann-operator-env-config | gitcode-ascend | 提供昇腾NPU的CANN安装指导。当用户需要安装CANN、配置昇腾环境或解决安装问题时调用。 |
| catlass-operator-code-gen | gitcode-ascend | 根据CATLASS算子设计文档生成算子工程交付件 |
| catlass-operator-design | gitcode-ascend | 将用户基于CATLASS开发算子的需求转变为具体的设计文档 |
| catlass-operator-dev | gitcode-ascend | Catlass 算子端到端开发编排器。基于 ascend-kernel（csrc/ops），串联 catlass 设计、catlass-operator-code-gen 与 ascendc 子... |
| catlass-operator-performance-optim | gitcode-ascend | 指导 Catlass 算子性能调优。流程：阅读 catlass 优化指南、获取/更新 profiler 基线、按指南修改 tiling、重新编译、强制产出并展示性能对比报告、迭代对比。调... |
| megatron-change-analyzer | gitcode-ascend | Analyze official Megatron-LM commits, PRs, and branch change sets to identify feature evolution, ... |
| megatron-commit-tracker | gitcode-ascend | Track and normalize change requests against the official Megatron-LM repository by branch, PR, co... |
| megatron-impact-mapper | gitcode-ascend | Map migration-relevant Megatron changes onto the official MindSpeed repository by resolving branc... |
| megatron-migration-generator | gitcode-ascend | Generate migration deliverables for bringing relevant Megatron changes into MindSpeed after branc... |
| msverl-daily-regression-triage | gitcode-ascend | Triage a daily msverl regression run by reading the baseline comparison log, stopping on success,... |
| npu-adapter-reviewer | gitcode-ascend | GPU代码到昇腾NPU适配审查专家。当用户需要将GPU上的代码（特别是深度学习、模型推理相关）迁移到华为昇腾NPU时，必须使用此skill进行全面审查。此skill能识别GPU到NPU迁移的堵点... |
| python-refactoring | gitcode-ascend | Python 代码重构技能，覆盖代码坏味道识别、设计模式应用、可读性改进和实战经验。当用户要求"重构代码"、"refactor"、"代码优化"、"改善代码质量"、"code smell revi... |
| simple-vector-triton-gpu-to-npu | gitcode-ascend | 将简单Vector类型Triton算子从GPU迁移到昇腾NPU。当用户需要迁移Triton代码到NPU、提到GPU到NPU迁移、Triton迁移、昇腾适配时使用。注意：无法自动迁移存在编译问题的算子。 |
| skill-auditor | gitcode-ascend | Comprehensive security auditor for AI agent skills, prompts, and instructions. Checks for typosqu... |
| triton-operator-code-gen | gitcode-ascend | 根据算子设计文档生成 Ascend NPU 的 Triton kernel 代码。当用户需要实现 Triton 算子 kernel、将需求文档转化为可执行代码时使用。核心能力：(1)解析需求文档... |
| triton-operator-code-review | gitcode-ascend | 静态检视 Triton 算子代码质量（Host 侧 + Device 侧），面向 Ascend NPU。当用户需要通过阅读代码发现潜在 bug、API 误用和性能隐患时使用。核心能力：(1)As... |
| triton-operator-design | gitcode-ascend | 生成适用于 Ascend NPU 的 Triton 算子需求文档。当用户需要设计新的 Triton 算子、编写算子需求文档、进行算子性能优化设计时使用。 |
| triton-operator-dev | gitcode-ascend | 昇腾Triton 算子全流程开发任务编排。当用户需要开发 Triton 算子时使用，覆盖环境配置→需求设计→代码生成→静态检视→精度验证→性能评估→文档生成→性能优化完整流程。 |
| triton-operator-doc-gen | gitcode-ascend | 生成昇腾NPU的Triton算子接口文档。当用户需要为昇腾NPU的Triton算子创建或更新接口文档时使用。核心能力：(1)根据模板生成标准化文档 (2)支持昇腾NPU产品型号列表 (3)提供算... |
| triton-operator-env-config | gitcode-ascend | 在 Ascend 昇腾平台上校验并构建triton算子开发所需环境,包括CANN、Python/torch/torch_npu/triton-ascend依赖和PATH环境变量等设置。当用户需要... |
| triton-operator-performance-eval | gitcode-ascend | 评估 Ascend NPU 上 Triton 算子的性能表现。当用户需要分析算子性能瓶颈、使用 msprof/msprof op 进行算子性能采集与对比、诊断 Memory-Bound/Comp... |
| triton-operator-performance-optim | gitcode-ascend | 优化 Ascend NPU 亲和的 Triton 算子性能。当用户需要优化 Triton 算子在昇腾 NPU 上的性能、解决 UB 溢出、提高 Cube 单元利用率、进行 Tiling 策略设计... |
| triton-operator-precision-eval | gitcode-ascend | 接收Triton算子实现，自动调用Torch小算子实现（CPU或NPU）进行精度比对，并生成精度报告。当用户需要验证Triton算子实现的正确性和精度、与PyTorch实现进行精度比对、生成标准... |
| vLLM-ascend_FAQ_Generator | gitcode-ascend | 为 vLLM-ascend 项目构建自动化工作流，处理已关闭的Issue并生成Debug FAQ。Use when users want to process closed issues fro... |
| vector-triton-ascend-ops-optimizer | gitcode-ascend | 昇腾（Ascend） NPU 上 Triton 算子深度性能优化技能（Skill），致力于实现用户要求的 Triton 算子性能提升。核心技术包括但不限于 Unified Buffer (UB)... |
| ascend-profiler-db-explorer | mindstudio | 面向 Ascend PyTorch Profiler / msprof DB（如 ascend_pytorch_profiler*.db、msprof_*.db）的 SQL 分析技能。将自然语言... |
| cluster-fast-slow-rank-detector | mindstudio | 专门用于 Ascend 集群 Profiling 性能数据的“快慢卡”诊断专家技能。当用户提供【集群性能数据目录/路径】并要求分析【快慢卡】、【慢节点】、【负载不均衡】或【集群瓶颈】时，必须触发... |
| document-ux-review | mindstudio | 当用户希望你像第一次接触项目的人一样，真实按仓库的 README、安装文档或 quick start 跑一遍，并判断“新人能不能走通”“文档是否可用”“哪里会卡住”“安装/启动说明是否对新手友好... |
| gitcode-code-reviewer | mindstudio | 用于审查 GitCode PR，并结合 PR metadata、diff 与整个代码仓上下文生成深度审查结论或发布逐行评论。当用户希望 review GitCode PR、检查某个 GitCod... |
| github-raw-fetch | mindstudio | 当用户提供 GitHub 文件页面链接，或希望读取某个仓库中的源码、配置、README、Markdown、docs 内容时，使用此技能。技能不仅支持将 `github.com//<... |
| mindstudio_profiler_data_check | mindstudio | 当用户提供 MindStudio profiler 采集的性能数据（框架 profiler、msprof 命令行）时，对数据完整性、采集状态及关键配置进行校验，确保后续分析工具能正常运行。 |
| msmodelslim-model-adapt | mindstudio | 为 msModelSlim 创建基础 Transformers 模型适配器（Model Adapter）。 包含创建适配器、实现必需接口及四步验证流程。 适用：Decoder-only LLM、... |
| msmodelslim-model-analysis | mindstudio | 在实现适配器前对候选模型做分析。确定模型实现来源（transformers 或模型目录）、结构特征、是否需逐层加载及 MoE 融合权重风险。适用于用户询问模型适配可行性或做适配前分析时使用。 |
| op-mfu-calculator | mindstudio | 计算算子（如 matmul/GEMM）的 MFU（Machine FLOP Utilization），并给出清晰的公式和推导过程。 |
Skills 采用渐进式披露策略管理上下文，确保 AI Agent 高效加载：
- 发现阶段：仅加载
name+description（约 100 tokens） - 激活阶段：触发时加载完整
SKILL.md内容 - 按需加载：需要时再加载
references/和scripts/中的详细文档
这种设计避免了上下文窗口被无关信息占满，同时保证了必要时能获取完整知识。
欢迎为 Awesome Ascend Skills 贡献新的 Skill 或改进现有内容。
每个 Skill 目录必须包含 SKILL.md 文件，遵循以下格式：
---
name: skill-name # 必须与目录名完全一致
description: 清晰的描述，包含关键词，至少 20 个字符。说明何时使用此 Skill。
keywords: # 可选，推荐用于中文/双语 Skill
- 关键词1
- 关键词2
---
# Skill 标题
简要介绍...
## 快速开始
简短示例...
## 内容章节
详细说明...
## 官方参考
- [链接标题](url)| 字段 | 必填 | 说明 |
|---|---|---|
name |
是 | 必须与目录名完全一致 |
description |
是 | 至少 20 个字符，包含使用场景和关键词 |
keywords |
否 | 推荐添加，用于中文关键词匹配 |
- 渐进式披露：核心内容放在 SKILL.md（不超过 500 行），详细内容放在
references/ - 代码块：始终指定语言（
bash、python、yaml） - 表格：用于结构化参考数据（参数、命令对照）
- 链接：内部链接使用相对路径，确保可访问
skill-name/ # 目录名：小写 + 连字符
├── SKILL.md # 必需：核心内容
├── references/ # 可选：详细文档
│ ├── installation.md
│ ├── troubleshooting.md
│ └── advanced-usage.md
├── scripts/ # 可选：可执行脚本
│ ├── check_env.sh
│ └── setup.py
└── assets/ # 可选：配置文件、模板
└── config_template.yaml
| 元素 | 规范 | 示例 |
|---|---|---|
| 目录名 | 小写-连字符 |
npu-smi、hccl-test |
| Skill 名 | 匹配目录名 | name: npu-smi |
| 脚本文件 | kebab-case.sh 或 snake_case.py |
npu-health-check.sh |
| 参考文档 | 小写-连字符.md |
device-queries.md |
| 配置文件 | kebab-case.yaml |
quant_config_w8a8.yaml |
提交前请检查：
-
name与目录名一致 -
description不少于 20 个字符 - SKILL.md 有有效的 YAML frontmatter（以
---开始和结束） - 内部链接可正常访问
- 无
[TODO]占位符 - 已添加到
.claude-plugin/marketplace.json - 已添加到 README.md 的 Skill 列表
- 运行
python3 scripts/validate_skills.py通过
本仓库支持自动同步外部 Ascend skills 仓库，实现技能共享和更新。
同步由 GitHub Actions 自动完成，支持三种触发方式：
- 定时同步：每天 UTC 00:00 自动执行
- 手动触发：通过 GitHub Actions 页面手动运行
- PR 触发：修改
.github/external-sources.yml配置文件时自动触发
编辑 .github/external-sources.yml 文件添加新的外部仓库：
sources:
- name: mindstudio # 唯一标识，用于 external/{name}/ 目录
url: https://github.com/kali20gakki/mindstudio-skills
branch: main # 可选，默认 main
enabled: true # 可选，默认 true- 存储位置：
external/{source-name}/{skill-name}/ - 冲突策略：同名 skill 以本仓为准，外部 skill 被跳过
- 来源标记：同步的 skill 会自动添加
synced-from、synced-date、synced-commit等属性 - PR 审核：同步结果生成 PR，需人工审核后合并
已同步的外部 skills 会显示在本 README 的"外部 Skills"表格中。
- Fork 仓库：点击 GitHub 页面右上角的 Fork 按钮
- 克隆 Fork：
git clone https://github.com/YOUR_USERNAME/awesome-ascend-skills.git cd awesome-ascend-skills - 创建分支：
git checkout -b feat/your-skill-name # 或 git checkout -b fix/description-of-fix
-
创建 Skill 目录：
mkdir -p your-skill-name cp skills/template/SKILL.md your-skill-name/
-
编写 SKILL.md：按照贡献指南的规范编写
-
本地验证：
python3 scripts/validate_skills.py
-
更新注册表：在
.claude-plugin/marketplace.json中添加新 Skill 条目 -
更新 README.md：在 Skill 列表表格中添加新行
- Commit 信息：使用清晰的描述，例如：
feat: add npu-smi skillfix: update msmodelslim quantization paramsdocs: improve hccl-test examples
提交 PR 时，请参考：./guideline/.github/PULL_REQUEST_TEMPLATE.md
- 维护者会在 3 个工作日内审核
- 根据反馈进行修改
- 审核通过后合并到 main 分支
MIT License
Copyright (c) 2024 Ascend AI Coding
Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files (the "Software"), to deal in the Software without restriction, including without limitation the rights to use, copy, modify, merge, publish, distribute, sublicense, and/or sell copies of the Software, and to permit persons to whom the Software is furnished to do so, subject to the following conditions:
The above copyright notice and this permission notice shall be included in all copies or substantial portions of the Software.
THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.