NVIDIA DeepStream 开发技能
为 Python pyservicemaker 驱动的 DeepStream 视频分析流水线提供可靠开发指导。
文档明确限制可选组件，并提供部分安全配置、输入校验和敏感配置示例；但 Kafka、Docker、网络和显示示例涉及外部影响，缺少统一的用户确认、最小权限、凭据处理、数据流披露和回滚说明。仓库许可证元数据为 NOASSERTION，进一步削弱可验证归属，因此扣分。
核心规则、错误速查和故障症状较具体，但参考文档中的示例与核心规则存在不一致，例如核心规则偏好 nvurisrcbin，而 best_practices 仍使用 filesrc；部分示例含占位实现或未闭合内容。没有静态可确认的完整测试覆盖，因此按静态上限保守扣分。
名称、受众和 DeepStream/pyservicemaker 场景清楚，且包含正负触发评测任务；但未充分声明不适用边界、输入输出契约、版本兼容矩阵或无显示/非 NVIDIA 环境限制，也未提供中文支持或中国大陆网络可达性说明。
具有元数据、版本、所有者、参考文档索引、错误速查和基准报告；但缺少推荐的 Instructions 与 Examples 章节，维护责任和变更历史不完整，许可证与仓库 NOASSERTION 元数据不一致，且若干参考内容显得过于宽泛或存在维护风险。
核心规则覆盖常见 DeepStream 管道、动态 ONNX、pyservicemaker、Kafka 和 venv 问题，评测文件也定义了可操作的目标；但输出格式和代表性产物未在技能自身中验证，多个示例仍需用户适配环境、模型、依赖和路径，静态评估不支持超过7分。
提供了版本、路径、错误症状、参考文件和一份包含评测结果的 BENCHMARK.md；但没有随技能提供可独立复现的测试套件、CI 工作流或第三方交叉证据，基准结果本身也不足以证明关键路径已独立复现，因此受静态上限限制。
- 不要将文档中的版本、插件属性或 API 示例视为已执行验证；应在目标 DeepStream 版本和硬件上逐项测试。
- 使用 Docker、Kafka、RTSP、显示服务器或外部网络前，应明确确认权限、凭据、数据去向和回滚方案；避免直接采用 xhost +、host 网络等宽权限示例。
- 先解决核心规则与参考示例之间的冲突，并补充 CI、可复现测试、Examples、非适用边界、版本变更记录及许可证说明。
这个 Skill 能做什么，适合哪些场景？
该技能面向使用 NVIDIA DeepStream SDK 和 Python pyservicemaker API 构建视频分析应用的开发者。它覆盖基于 GStreamer 的视频处理、TensorRT 推理、目标检测与跟踪，以及 Kafka 或其他消息代理集成。技能强调先读取相关参考文档，并规定了流水线组件、元数据迭代、请求 pad、缓冲区克隆和配置格式等关键用法。它适合需要精确 API 和排错指导的 DeepStream 项目，但要求使用指定的软件栈和平台版本。
指导智能体生成和排查 DeepStream Python 应用，包括使用 nvurisrcbin、nvstreammux、nvinfer 或 nvinferserver、nvosdbin 和平台相关 sink 构建流水线；读取 frame_items 和 object_items 元数据；配置 TensorRT、跟踪器、消息代理、动态源和 ONNX 模型；处理 NVMM 零拷贝缓冲区、异步处理、队列类型和 venv 中的 pyservicemaker 安装；根据错误信息定位配置、pad、推理维度、探针和状态转换问题。
- 使用 DeepStream 和 Python 处理本地视频、HTTP、HLS、MPEG-DASH 或 RTSP 输入的开发者。
- 需要将 TensorRT 或动态 ONNX 模型接入视频推理流水线的工程师。
- 需要实现目标检测、按请求添加多目标跟踪或提取目标元数据的团队。
- 需要将视频分析结果发送到 Kafka 或其他消息代理的应用开发者。
- 在 x86_64 或 Jetson ARM64 Ubuntu 24.04 环境中排查 DeepStream 流水线故障的开发者。
这个 Skill 有哪些优点和局限？
- 覆盖 DeepStream 流水线、GStreamer、TensorRT、元数据、动态源和 Kafka 集成等实际开发环节。
- 提供明确的版本要求、关键路径、常见错误及对应修复方向。
- 明确限制可选组件，帮助保持最小可运行流水线。
- 包含对动态 ONNX、YOLO 输出格式和 pyservicemaker 虚拟环境问题的针对性说明。
- 依赖 GStreamer 1.24.2、驱动 590+、CUDA 13.1、TensorRT 10.14.1.48 和 Ubuntu 24.04 等指定环境。
- 技能要求读取多个参考文档，但这些文档内容未包含在当前资料中，安装后应确认它们存在。
- 资料未展示该单项技能的测试套件、基准结果或实际运行验证。
- 消息代理、跟踪器、分析组件等并非默认启用，用户必须明确提出需求。
如何安装这个 Skill？
使用仓库 README 中的 Skills CLI 安装：npx skills add nvidia/skills --skill deepstream-dev --yes。也可以指定代理，例如：npx skills add nvidia/skills --skill deepstream-dev --agent codex。安装后，代理下次加载技能时即可使用。
如何使用这个 Skill？
在已安装该技能的代理中提出具体 DeepStream 开发任务，例如：“使用 Python pyservicemaker 创建一个从 RTSP 摄像头读取视频并运行 TensorRT 目标检测的 DeepStream 流水线。”生成代码前，技能要求先读取相关 references 文档。若使用虚拟环境，按技能给出的方式安装 pyservicemaker wheel 和 pyyaml；具体参考文档内容和项目代码结构未在本资料中提供。