AMC 样例数据集校准
用 NVIDIA AutoMagicCalib 的内置样例数据端到端验证正在运行的校准服务。
技能将范围限制为固定的合成样本，明确不处理用户视频或RTSP，并避免伪造结果；脚本使用临时虚拟环境且不要求凭据。扣8分：会创建项目、上传数据并在服务器持久化结果，没有执行前确认、删除/回滚流程或数据保留说明；HTTP API、服务器权限边界和敏感数据处理也未充分说明。
文档和脚本基本一致，包含排序上传、状态轮询、超时、错误状态及日志尾部反馈。扣12分：静态材料未证明关键路径可运行；脚本缺少后端预检、网络异常的清晰处理，依赖安装可能失败，若部分上传成功也没有清理机制；按静态上限不超过10。
触发语句、固定数据集、前置条件及与视频/RTSP技能的边界描述清楚，且提供Python和Swagger两种路径。扣4分：没有中文使用说明或本地化错误提示，主要依赖本地AMC服务和命令行环境，未说明中国大陆网络、主机暴露或远程部署适配；“launch and test”仍需另一个技能。
具备规范名称、版本、作者、所有者、许可证、元数据、前置条件、故障排查、相关技能和评估文件，信息分层较好。扣5分：缺少推荐的Examples章节，未提供明确的变更日志、稳定参数契约、维护责任/更新入口；skill-card中的引用部分为空，且许可证元数据与题设NOASSERTION存在治理层面的不一致。
目标是用固定样本验证AMC端到端流程，步骤、API顺序、GT指标和输出位置都较具体；提交的评估报告显示有限的内部任务结果，支持核心价值。扣9分：未提供可独立复现的实际输出或静态可核验的代表性结果，运行后仍需人工检查UI和服务状态，VGGT及外部服务依赖使完整结果不稳定；按静态上限不超过7。
SKILL.md、脚本、评估任务和基准报告提供了可审计材料，并区分了预期结果与实际执行前提。扣7分：没有提交覆盖关键路径的测试套件或真实CI执行证据，基准数据无法仅凭这些文件独立复核；按静态上限不超过5。
- 执行会向AMC微服务创建项目并上传样本文件；应先确认目标服务、权限和数据保留策略，并准备人工删除项目的回滚方案。
- 脚本会自动安装requests到临时虚拟环境，并在缺少venv时建议sudo apt安装；这需要额外系统权限和网络访问。
- 文档中的部分结果、指标阈值和VGGT行为来自声明或内部评估，不能替代当前环境中的实际验证；不要把代表性指标当作保证。
- 默认使用HTTP localhost API，未说明身份验证、TLS或跨主机暴露风险。
这个 Skill 能做什么，适合哪些场景？
该技能面向 NVIDIA AutoMagicCalib 微服务的安装验证与样例校准。它使用固定的合成仓库数据集，包含 4 路摄像头、对齐数据、布局文件和 ground truth。技能通过 REST API 创建项目、上传数据、启动校准并轮询结果，可读取 L2 距离和重投影误差。运行前必须已有 AMC 微服务，并且样例压缩包位于指定路径。
扫描本机 8000–8009 端口的 /v1/ready 接口以发现 AMC 后端；检查并解压 assets/sdg_08_2_sample_data_010926.zip；创建项目并上传 4 个按名称排序的视频、对齐文件、布局图和 GT.zip；验证项目状态、启动 resnet 校准并轮询至完成；在 VGGT 状态为 READY 时尝试精化；读取评估统计，并指出服务器上的最终校准文件位置。也提供 Swagger UI 的手动 API 流程。
- AMC 新安装完成后，工程师希望用官方样例数据做一次端到端冒烟验证。
- 开发者已有运行中的 AMC 微服务，需要确认项目创建、文件上传和校准 API 是否正常。
- 集成测试人员需要使用带 ground truth 的 4 路合成仓库视频检查 L2 距离和重投影误差。
- 不希望运行 Python 脚本的用户，需要通过 AMC 的 Swagger UI 手动执行完整 API 序列。
这个 Skill 有哪些优点和局限？
- 流程覆盖项目创建、数据上传、校准、评估和可选 VGGT 精化。
- 样例包含 ground truth，可输出 L2 距离和重投影误差。
- 后端发现、样例解压和常见故障处理都有明确说明。
- 提供 Python 脚本和 Swagger UI 两种执行路径。
- 只适用于固定的 sdg_08_2_sample_data_010926.zip，不适用于用户自有视频或 RTSP 流。
- 依赖正在运行的 AMC 微服务及正确的 AutoMagicCalib checkout。
- 源材料没有提供实际运行记录、完整测试套件或跨平台验证证据。
- 校准可能耗时约 30 分钟，超时排查依赖服务日志。
如何安装这个 Skill？
安装整个 NVIDIA 技能集合：npx skills add nvidia/skills。安装指定技能：npx skills add nvidia/skills --skill amc-run-sample-calibration --yes。也可针对 Codex 安装：npx skills add nvidia/skills --skill amc-run-sample-calibration --agent codex。源材料未说明单独复制该技能目录时的完整安装流程。
如何使用这个 Skill？
在已安装并加载技能的代理中输入“test the sample dataset”或“run sample calibration”。运行前准备 AMC 微服务、AutoMagicCalib checkout，以及 assets/sdg_08_2_sample_data_010926.zip；设置 REPO_ROOT 指向该 checkout，再从技能目录运行 bundled script：python3 scripts/run_sample_calibration.py。若服务未运行，应先使用 amc-setup-calibration-stack。也可以打开 http://<HOST_IP>:<MS_PORT>/docs，按 create_project、上传 4 个视频、上传 alignment/layout/GT、verify_project、calibrate、轮询项目状态、读取 evaluation_statistics 的顺序操作。
这个 Skill 与同类方案有什么区别？
对于用户自己的预录 MP4，应改用 amc-run-video-calibration；对于实时 RTSP 流，应改用 amc-run-rtsp-calibration；如果 AMC 微服务尚未启动，应先使用 amc-setup-calibration-stack。