NV-Reason-CXR 胸部X光推理测试技能
为胸部X光模型执行可复现的命令形状与在线推理冒烟测试。
文档明确限定为工程验证、禁止诊断和治疗用途，披露了本地缓存、输出目录、依赖安装及 Hugging Face/GitHub/hf.space 网络访问，并固定了模型修订版；无恶意、窃密或破坏性默认行为证据。扣分原因是没有明确的执行前用户确认、患者敏感图像处理/留存政策、远程上传前同意机制或回滚方案，且本地运行可能修改活动 Python 环境。
命令入口、参数、错误处理、mock 路径、输入校验和多项测试均较一致；测试覆盖生成 fixture、缺失输入、非法图像、API 参数冲突及流式响应解析。静态审查不能确认实际运行，且 live 路径依赖 GPU、远程 Space、固定库版本和上游 Gradio schema，异常覆盖仍有限，因此按静态上限保守扣分。
目标用户、工程/研究场景、输入格式、JSON 输出和明确的非适用范围均有说明，并包含针对不同请求的 prompt 路由。扣分原因是未说明中文交互支持，API 核心路径依赖海外 Hugging Face 服务，且触发边界虽较清楚但缺少更多负面触发示例。
SKILL.md 结构完整，包含用途、前置条件、限制、故障排除、精确命令面、环境变量、依赖、版本和上游引用；manifest 还记录了许可证、运行时和验证器。扣分原因是缺少推荐的 Examples 章节，BENCHMARK 明确记录了该问题；缺少正式 changelog，且许可证/权利范围需要同时理解代码 Apache-2.0 与模型权重非商业条款。
该技能能直接完成命令形状 smoke test，并输出包含输入元数据、运行时信息、响应和限制的 JSON；mock fixture 对验证接线有直接价值。扣分原因是 mock 不代表模型效果，live 输出可能幻觉或漏检，临床价值被明确排除，且仅有两个内部评测任务，缺少广泛代表性结果或与替代方案的比较。
文件提供固定上游提交和模型 revision、JSON schema、可重复 mock 配置、提交的测试以及内部 benchmark 报告，关键行为具备一定追溯性。扣分原因是本次仅静态阅读，未执行；benchmark 覆盖仅两项任务，未提供可独立复核的运行记录或多来源结果，因此不能达到更高静态等级。
- 不要将 live 或 mock 输出用于诊断、治疗、分诊、患者报告或其他临床决策。
- 使用 hf-space-api 前应确认患者图像可以发送至外部 Hugging Face 服务，并评估中国大陆网络可达性、隐私和合规要求。
- 优先在隔离的虚拟环境或容器中安装依赖；模型权重和运行缓存可能占用大量磁盘空间。
- mock 模式只能验证输入、提示词接线和 JSON 契约，不能证明模型推理质量。
这个 Skill 能做什么，适合哪些场景？
该技能是 NVIDIA 技能集合中的一个薄封装，用于运行 NV-Reason-CXR-3B 的胸部X光推理测试。它通过固定脚本调用本地 Hugging Face Transformers 推理路径或公开的 Hugging Face Space API，并输出 JSON。它支持真实图像、JSON 测试夹具和确定性的 mock 模式。该技能明确不用于诊断、临床报告、治疗决策、分诊或临床部署。
读取 PNG、JPEG 或 JSON 夹具；通过 scripts/run_nv_reason_cxr.py 调用本地模型或 Hugging Face Space API；根据用户请求传递分析、报告或特定问题提示；在需要时生成合成夹具图像；将输入元数据、提示词、模型信息、运行模式、响应文本和限制写入标准输出 JSON；mock 模式用于验证命令形状和包装器行为。
- 开发者需要在 CI 中验证胸部X光推理包装器的命令参数和 JSON 输出格式。
- 模型工程师拥有 CUDA 环境和缓存或可下载的模型权重，需要对真实胸部X光图像执行本地推理。
- 集成工程师不想安装本地 PyTorch、Transformers 或 CUDA 依赖，需要通过公开 Hugging Face Space API 进行测试。
- 测试人员需要用生成的合成 PNG 和确定性响应构建无需下载模型权重的烟雾测试。
- 研究人员需要根据模型原始输出生成分析或结构化报告草稿，但接受其仅为工程证据而非临床结论。
这个 Skill 有哪些优点和局限？
- 提供固定且可复制的脚本入口和 JSON 输出格式。
- 同时支持本地 Transformers 推理、公开 API 和确定性 mock 测试。
- 支持 PNG、JPEG 及生成式 JSON 夹具，便于自动化验证。
- 包含提示路由、后端选择、环境检查和失败排查说明。
- 明确不适用于诊断、临床解释、治疗决策、分诊或监管用途。
- 本地实时推理通常需要 CUDA/GPU，并可能下载模型权重和远程代码。
- 模型可能幻觉、遗漏细微异常、误读支持设备或过度自信。
- 公开 API 依赖 Hugging Face Space 的可用性和接口兼容性。
- 模型权重受 NVIDIA OneWay Noncommercial License Agreement 约束；来源未说明运行成本。
如何安装这个 Skill？
从 NVIDIA/skills 集合安装该技能：npx skills add nvidia/skills --skill nv-reason-cxr --yes。也可以指定目标客户端，例如：npx skills add nvidia/skills --skill nv-reason-cxr --agent codex --yes。仓库 README 未提供单独克隆该技能或手动安装其运行依赖的完整步骤；本地实时推理所需依赖为 pip install torch==2.7.1 torchvision==0.22.1 transformers==4.56.1 Pillow。
如何使用这个 Skill？
在仓库根目录运行脚本。命令形状或夹具冒烟测试：python skills/nv-reason-cxr/scripts/run_nv_reason_cxr.py PATH_TO_CXR_OR_FIXTURE --mock --out-dir OUT_DIR。默认本地实时推理：python skills/nv-reason-cxr/scripts/run_nv_reason_cxr.py PATH_TO_CXR_OR_FIXTURE --prompt "Find abnormalities and support devices." --backend local。公开 API：将 --backend 改为 hf-space-api。运行前可执行 python skills/nv-reason-cxr/scripts/run_nv_reason_cxr.py --check-setup。不要用未记录的 eval_engine/run.py、infer.py 或 python -m nv_reason_cxr 命令替代包装器。
这个 Skill 与同类方案有什么区别？
提供本地 Hugging Face Transformers 路径与公开 Hugging Face Space API 两种运行方式；mock 模式是包装器和 CI 验证方案，不是真实模型推理。