RT-VLM 视频密集描述部署
部署并调用 NVIDIA RT-VLM 微服务，为视频片段生成密集描述并管理实时流。
文档明确要求使用Bearer/API密钥、避免泄露凭据、限制sudo为非交互模式、禁止未经确认替换Kafka，并要求干运行与清理；但部署仍涉及Docker、GPU、主机目录所有权和可能重启Docker等高权限外部操作，凭据写入env及外部模型/服务数据流的隔离和用户确认不足，因此扣14分。
路由、环境变量、预检、OpenAPI优先、健康检查、错误码和失败反馈较完整，且有评估清单；但关键部署和API路径未在本次静态审查中执行，依赖版本、远程服务、GPU和Compose细节存在不确定性，静态上限内扣12分。
目标用户、部署/API场景、非适用的完整VSS profile边界、输入输出和RTSP失败条件描述清楚；但未说明中文交互或中文输出能力，且核心镜像、模型和部分文档依赖海外网络，可能影响中国大陆可达性，扣7分。
SKILL.md采用目的、前置条件、路由、工作流、限制、故障排除及references分层，含版本和Apache-2.0元数据；但skill-card宣称“Apache 2.0 OR MIT”与主文件不一致，作者元数据缺失，变更记录和明确维护责任不完整，扣7分。
技能覆盖独立部署、上传 caption、RTSP、聊天和Kafka，并规定使用实时OpenAPI、精确模型ID和清理资源；提交的评估报告显示有限的正确性/有效性信号，但无本次静态审查可验证的代表性实际输出，且高昂GPU、镜像、模型和Kafka依赖限制成本效益，扣9分。
存在固定版本、引用文件、eval manifests和一份评估报告，支持有限追溯；但没有可在本次审查中独立复现的执行结果、CI覆盖或第三方交叉证据，且评估样本仅2个任务，扣6分。
- 执行可能要求Docker组或sudo权限、修改主机目录所有权，甚至重启Docker；应在每次高权限或外部副作用操作前取得明确确认，并保留回滚方案。
- NGC、Hugging Face、远程VLM和文档服务可能依赖海外网络；应预先确认大陆网络可达性、镜像缓存和替代方案。
- 主文件与skill-card的许可证声明冲突，且评估报告记录Codex安全得分仅25%；发布前应由维护者统一许可证并复核凭据、Kafka和清理流程。
这个 Skill 能做什么，适合哪些场景？
该技能面向独立部署 NVIDIA RT-VLM 密集描述微服务，并调用其 REST API。它覆盖本地视频上传、分段描述生成、RTSP 流管理、OpenAI 兼容聊天补全、健康检查、指标和 Kafka 相关流程。部署需要 Docker Compose、NVIDIA Container Toolkit、可见 GPU 和 NGC 凭据。它不负责完整 VSS 配置文件部署或视频搜索摄取。
指导代理复制并修改 RT-VLM Docker Compose 文件，生成环境文件，执行 GPU、Docker 和 NVIDIA 容器预检，运行 Compose 配置干运行校验，拉取指定镜像并启动服务。它使用 curl 和 jq 调用健康检查、模型列表、文件上传、generate_captions、RTSP 流增删、chat-completions、资产统计和 Prometheus 指标接口，并处理 SSE 描述流、Bearer 认证、常见 HTTP 错误和 Kafka 校验流程。
- 需要在单机 NVIDIA GPU 主机上独立运行 RT-VLM 的平台工程师，可按流程完成部署和健康检查。
- 需要分析本地仓库或监控视频的开发者，可上传视频并按 10 秒片段生成密集描述和告警。
- 需要处理实时摄像头流的运维人员，可注册指定 RTSP 地址、生成描述并注销流。
- 需要接入现有 RT-VLM 服务的应用开发者，可调用 REST API、OpenAI 兼容聊天接口和模型探测接口。
- 需要验证事件告警发布的工程师，可结合服务配置检查 Kafka 主题和消息流程。
这个 Skill 有哪些优点和局限？
- 覆盖从独立部署、预检、干运行到健康验证的完整操作链路。
- 支持本地视频、RTSP 实时流、SSE 描述、OpenAI 兼容聊天补全及 Kafka 相关验证。
- 明确区分独立 RT-VLM 部署与完整 VSS profile 部署，减少错误路由。
- 提供模型认证、常见 HTTP 错误、GPU 内存不足和 Docker 快照解包问题的排查方向。
- 需要 NVIDIA GPU、NVIDIA Container Toolkit、Docker 环境和 NGC 凭据，部署门槛较高。
- NGC 模型和 NIM 可能受限流、GPU 显存和许可证约束。
- 并发、显存和存储能力取决于主机硬件及 Compose 配置；来源未规定具体硬件支持矩阵。
- 不适用于完整 VSS profile 部署或视频搜索摄取；相关流程由其他技能负责。
如何安装这个 Skill？
使用仓库 README 提供的 skills CLI 安装指定技能：
npx skills add nvidia/skills --skill vss-deploy-dense-captioning --yes
CLI 会提示选择安装目标；技能目录应由 CLI 安装到所选目标。README 未给出该技能的固定本地安装路径。
如何使用这个 Skill？
先确保 Docker、Docker Compose、NVIDIA Container Toolkit、可见 GPU、NGC_CLI_API_KEY、curl 和 jq 可用。将 deploy/docker/services/rtvi/rtvi-vlm/rtvi-vlm-docker-compose.yml 复制到可写目录，移除独立运行时无效的 depends_on，创建 gitignored 的 rtvi-vlm.env，并按技能要求设置 NGC_CLI_API_KEY、RTVI_VLM_PORT、HOST_IP、VSS_DATA_DIR、RTVI_VLM_MODEL_TO_USE 等变量。依次执行 GPU/Docker 预检、
docker compose --env-file rtvi-vlm.env -f rtvi-vlm-docker-compose.yml config --quiet
然后拉取精确镜像标签、启动 rtvi-vlm，并等待就绪。设置 BASE_URL 和 API_KEY 后，可先运行：
curl -fsS "$BASE_URL/v1/health/ready"
对本地视频，调用 POST /v1/files 上传，再将返回的 id 传给 POST /v1/generate_captions；实时流必须使用调用方提供且已验证的视频 RTSP_SAMPLE_URL。调用前应读取 /openapi.json，确认可选接口和实际模型 ID。不要在日志或响应中暴露凭据。