AD rdk-x5-ai-detect
Запускайте отдельные алгоритмы ИИ на BPU RDK X5 с производительностью 10 TOPS: обнаружение объектов YOLO, классификация изображений, семантическая сегментация, распознавание лиц, распознавание жестов, ключевые точки тела человека, обнаружение объектов с открытым словарем (DOSOD/YOLO-World), оценка глубины по стереопаре, распознавание речи, легкие LLM на устройстве (квантованные модели ≤2B параметров). Используйте, когда пользователь хочет запустить один алгоритм ИИ, развернуть готовые модели .bin на BPU или спросить, какие модели ИИ/LLM может запускать RDK X5 (консультация по возможностям). НЕ используйте для настройки аппаратного обеспечения камеры (используйте rdk-x5-camera), кодирования мультимедиа (используйте rdk-x5-media), запуска скриптов демонстрации /app (используйте rdk-x5-app), интегрированного конвейера камеры+ИИ+вывода (используйте rdk-x5-tros), преобразования/квантования/экспорта моделей (используйте инструментарий Horizon на ПК), больших генеративных моделей, таких как Stable Diffusion (недостаточно VRAM), или пользовательского кода, который связывает результаты ИИ с внешними службами, такими как MQTT.
машинный переводПоказать оригиналСкрыть оригинал«在 RDK X5 的 10TOPS BPU 上运行单个 AI 推理算法：YOLO 目标检测、图像分类、语义分割、人脸识别、手势识别、人体关键…»
在 RDK X5 的 10TOPS BPU 上运行单个 AI 推理算法：YOLO 目标检测、图像分类、语义分割、人脸识别、手势识别、人体关键点、开放词汇检测（DOSOD/YOLO-World）、双目深度估计、语音识别、端侧轻量 LLM（≤2B 参数量化模型）。Use when the user wants to run a single AI algorithm, deploy pre-built .bin models to BPU, or ask what AI models/LLMs RDK X5 can run (能力咨询). Do NOT use for camera hardware setup (use rdk-x5-camera), multimedia encoding (use rdk-x5-media), running /app demo scripts (use rdk-x5-app), integrated camera+AI+output pipeline (use rdk-x5-tros), model conversion/quantization/export (use Horizon toolchain on PC), large generative models like Stable Diffusion (insufficient VRAM), or custom code that bridges AI results to external services like MQTT.
Запускайте отдельные алгоритмы ИИ на BPU RDK X5 с производительностью 10 TOPS: обнаружение объектов YOLO, классификация изображений, семантическая…
Как процесс D 41/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, входы и предусловия
Как улучшить
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 41/100
- 0Шаги. Инструкция сплошным текстом, шаги не выделены
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 578 токенов
- 100Повторный запуск. Изменяющих операций нет
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +3Нет пошаговых инструкций или чек-листа
- +3Формат ответа не описан: модель каждый раз решает сама
- +2Инструкции на одном языке
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 674 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 13 заголовков
- +4Есть примеры (10 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 86.