docs: enhance PLANNING.md for clarity and structure

- Improved formatting and alignment of sections and bullet points.
- Clarified project phases, goals, and deliverables for better understanding.
- Ensured consistent presentation throughout the document.

Author: chenxingqiang

docs/PLANNING.md

@@ -1,6 +1,6 @@
 # **《TraceSmith：GPU Profiling & Replay 系统》目标规划书**
 
-## **📍** 
+## **📍**
 ## **一、项目概述**
 **TraceSmith** 致力于构建一套跨平台、轻量、高性能的 GPU Profiling 工具，支持：* 在不中断业务的情况下采集 **1 万+ 指令级 GPU 调用栈**
 
@@ -19,39 +19,43 @@
 ## **Phase 1：可运行的最小版本（MVP）**
 周期：4–6 周
 ### **目标：**
-  * 支持采集 GPU Kernel 执行事件* 基于 CUPTI / ROCprofiler 获取：  
+  * 支持采集 GPU Kernel 执行事件* 基于 CUPTI / ROCprofiler 获取：
   * kernel launch events
   * stream ID
-  * start/end timestamp   
+  * start/end timestamp
   * 设计 Trace Record 结构与二进制格式（TraceSmith Trace v0.1）
   * 开发 CLI 工具：  * TraceSmith record（记录事件流）
   * TraceSmith view（文本化显示）
 
 
-  ### **交付物：*** 事件采集模块（record）
-
+  ### **交付物：**
+    * 事件采集模块（record）
     * Trace 存储格式（sbt: TraceSmith Binary Trace）
-  * MVP 文档 + 样例
+    * MVP 文档 + 样例
+
+## **Phase 2：指令级调用栈采集（核心功能）**
 
-## **Phase 2：指令级调用栈采集（核心功能）**周期：5–8 周
+周期：5–8 周
 
-### *目标：*** 使用 LLVM XRay/eBPF 采集 GPU kernel 的 host-side 调用栈
-    * GPU kernel 内部之间的 “调用链” 与执行依赖图
-    * 自动构建 GPU 指令流（Instruction Stream）
-    * 高性能 ring-buffer，确保低开销运行
+### **目标：**
+  * 使用 LLVM XRay/eBPF 采集 GPU kernel 的 host-side 调用栈
+  * GPU kernel 内部之间的 “调用链” 与执行依赖图
+  * 自动构建 GPU 指令流（Instruction Stream）
+  * 高性能 ring-buffer，确保低开销运行
 
 ### **交付物：**
-* 调用栈采集引擎（stack collector）
-* Instruction Stream Builder
-* 状态机初步实现（State Machine v0.1）
+  * 调用栈采集引擎（stack collector）
+  * Instruction Stream Builder
+  * 状态机初步实现（State Machine v0.1）
 
-## **Phase 3：GPU 状态机恢复与 Timeline 构建**周期：6–8 周
+## **Phase 3：GPU 状态机恢复与 Timeline 构建**
+周期：6–8 周
 
-### **目标：*** 
-根据 Trace 事件重建 GPU 执行状态机：
-* Idle → Dispatch Pending → Running → Wait → Finished  
-* 多流（Multi-stream）调度重建
-* 多 GPU（Multi-device）事件对齐* 生成可视化 Timeline（配合 Perfetto / 自制 UI）
+### **目标：**
+  * 根据 Trace 事件重建 GPU 执行状态机：
+  * Idle → Dispatch Pending → Running → Wait → Finished
+  * 多流（Multi-stream）调度重建
+  * 多 GPU（Multi-device）事件对齐* 生成可视化 Timeline（配合 Perfetto / 自制 UI）
 
 ### **交付物**
 * 状态机恢复（State Rebuilder）
@@ -66,18 +70,20 @@
 
 * 将采集的指令流序列化
 * 基于 Command Stream 进行 GPU 指令 Replay
-* 支持： 
+* 支持：
   * 单流回放
   * 多流回放
-  * 部分片段回放（Partial Replay）  
+  * 部分片段回放（Partial Replay）
   * 回放一致性检查（Deterministic Check）
 
 ### **交付物：**
 * Replay Engine v1.0
 * 流调度仿真器（Stream Scheduler Emulator）
 * 可复现性验证框架
 
-## **Phase 5：工程化、文档、可视化、发布**周期：4 周
+## **Phase 5：工程化、文档、可视化、发布**
+
+周期：4 周
 
 ### **目标：*** 完整 API 文档
 * 图形界面的可视化工具（TraceSmith Studio）
@@ -87,7 +93,6 @@
 
 # **🧱** # **四、系统架构（高层）**
 ```
-
  ┌──────────────────────────────────────┐
  │               TraceSmith             │
  ├──────────────────────────────────────┤
@@ -142,16 +147,17 @@
 * 提升异构集群的 GPU 分析能力
 
 ## **3. 商业价值**
-* 
-可让国内 AI Infra 企业建立自己的 GPU 工具栈* 可进一步拓展至：   
+  * 可让国内 AI Infra 企业建立自己的 GPU 工具栈* 可进一步拓展至：
   * 性能优化（Performance Tuning）
   * GPU 资源调度
-  * 自动化 Profiling Toolbox  
-  
+  * 自动化 Profiling Toolbox
+
 # **🏁**# **七、未来扩展（2.0 / 长期规划）**
 * AI 辅助 GPU 性能诊断（LLM-based Profiler Assistant）
 * 与 TVM / Triton Compiler 集成
 * GPU 指令级仿真器（类似 GPGPU-Sim 的轻量版本）
 * 全流程自动分析报告生成
-* Web 在线可视化平台# **📌** # **
-八、总结（一句话定位）**> **TraceSmith = 开源版 Nsight Systems + RenderDoc Replay 的融合体，面向国产 GPU、AI 编译器和深度学习系统的下一代 Profiling 工具。**
+* Web 在线可视化平台
+
+# **📌** # **八、总结（一句话定位）**
+> **TraceSmith = 开源版 Nsight Systems + RenderDoc Replay 的融合体，面向国产 GPU、AI 编译器和深度学习系统的下一代 Profiling 工具。**