这个 Skill 能做什么，适合哪些场景？
该技能面向 NVIDIA VSS 部署中的 RTVI-CV 二维检测与跟踪微服务。它指导代理部署、启动、调试、停止容器，并调用 REST API 管理视频流、检查健康状态和获取指标。技能依赖可访问的 VSS 部署、Docker、curl、jq 以及必要的 NGC 凭证。它不覆盖 VLM、嵌入或分析类任务，应使用对应的 vss-* 技能。
根据平台和用例解析部署默认值，准备 NGC 资源，生成 Docker 启动命令，修改容器内配置并启动应用；通过 REST API 添加、删除和发现视频流，检查 /live、/ready、/startup，获取 /api/v1/metrics，并支持文本嵌入相关调用。它还提供日志、GPU、缓存、校准和故障排查辅助脚本。
- VSS 运维人员需要在仓库或智慧城市场景部署 RTVI-CV 二维检测跟踪服务时。
- 平台工程师需要在 x86/aarch64 dGPU、SBSA 或 Jetson 主机上启动感知容器时。
- 视频分析开发者需要向已运行的 RTVI-CV 实例添加或移除摄像头流时。
- 运维人员需要检查服务存活、就绪状态、FPS、GPU 使用或指标时。
- 工程师需要诊断连接拒绝、NGC 认证失败或模型加载导致的 OOM 时。
如何安装这个 Skill？
- 执行可能暴露或消耗 NGC 凭据，并使用 Docker host network、GPU 和宿主目录挂载；部署前应确认权限、凭据范围、端口和数据路径。
- 拆除或重启流程可能影响现有容器和服务；应在执行破坏性操作前明确确认，并核实可恢复的配置与资源。
- 核心参考文档、脚本实现和实际镜像行为未在本次证据中完整提供，不能把基准报告视为独立运行验证。
- 未证明中文交互质量或中国大陆网络可达性；NGC、镜像和模型下载可能受网络、限流、许可证和 GPU 资源影响。
- Shell / 命令行
- 网络访问
- 本地文件系统
DockercurljqNGC credentialsActive VSS deployment
使用 NVIDIA/skills 仓库提供的 skills CLI 安装：npx skills add nvidia/skills --skill vss-deploy-detection-tracking-2d --yes。也可指定客户端，例如：npx skills add nvidia/skills --skill vss-deploy-detection-tracking-2d --agent codex。安装后，代理在加载技能并遇到相关任务时使用它。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/NVIDIA/skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/skills/vss-deploy-detection-tracking-2d" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- deploy rtvi-cv warehouse 2d with 4 streams and display
- add a stream to rtvi-cv
- check rtvi-cv health
向代理提出明确意图，例如“deploy rtvi-cv warehouse 2d with 4 streams and display”“add a stream to rtvi-cv”或“check rtvi-cv health”。部署、拆除和调试流程要求读取对应的 deploy 参考文档；API 调用要求目标实例已运行并可通过 http://<host>:9000 访问。具体参考文档和完整脚本参数未包含在本资料中。
这个 Skill 有哪些优点和局限？
- 覆盖部署、调试、拆除和 REST API 操作的一体化流程。
- 支持多类 NVIDIA GPU 与 Jetson、SBSA 平台。
- 提供流管理、健康检查、指标采集和资源诊断脚本。
- 包含静态与动态流模式及明确的操作路由。
- 必须先有可访问的 VSS 部署和匹配的微服务环境。
- 需要 Docker、curl、jq、NGC 凭证及相应硬件资源。
- NGC 模型和 NIM 可能受限于速率、GPU 显存和许可。
- 完整工作流依赖未在资料中提供的 references/、scripts/ 和配置文件。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| RTVI-CV 二维检测跟踪运维技能 本页 ✓ NVIDIA · 官方 | 54 · 谨慎使用 | ★ 3.8k | 今天 | Apache-2.0 |
| VSS 视频分析 API 独立部署 ✓ NVIDIA · 官方 | 54 · 谨慎使用 | ★ 3.8k | 今天 | Apache-2.0 |
| VIOS 视频输入输出与存储管理 ✓ NVIDIA · 官方 | 53 · 谨慎使用 | ★ 3.8k | 今天 | Apache-2.0 |
| VSS 视频分析报告 ✓ NVIDIA · 官方 | 54 · 谨慎使用 | ★ 3.8k | 今天 | Apache-2.0 |
| VSS 视频嵌入部署技能 ✓ NVIDIA · 官方 | 57 · 谨慎使用 | ★ 3.8k | 今天 | Apache-2.0 |
FollowSkills 如何评估这个 Skill？
证据显示技能声明了依赖、凭据用途、用户可覆盖的部署默认值，并在容器复用、并行部署和拆除路径中设计了选择与部分恢复机制；但需要 Docker、host network、GPU、挂载宿主目录，并通过环境变量使用 NGC 凭据，权限边界、敏感数据流、完整确认和回滚覆盖仍不完整，因此扣分。
路由表、脚本清单、错误排查、资源发现、缓存命中和异常分支描述较详细，关键流程内部基本一致；但本次仅静态阅读，依赖外部镜像、NGC、Docker 和未提供的脚本实现，关键路径、错误信息和边界行为无法复现，按静态上限保守扣分。
目标用户、部署/调试/拆除/API 场景、触发短语和非 VLM/embedding/analytics 边界较清楚，也声明了多平台；但没有中文交互支持或中国大陆网络可达性证据，且要求已部署服务、GPU、NGC 和较复杂环境，因此扣分。
文档有清晰的路由、渐进式引用、前置条件、限制、故障排查、脚本参数、版本 3.2.1、Apache-2.0 许可和评估材料；但作者字段缺失，未见明确维护责任、变更日志、依赖版本治理或完整安装说明，因此扣分。
技能覆盖独立部署、REST 流管理、健康检查和指标查询，输出契约与示例使核心任务具有直接可用性；但静态材料不能验证实际结果，部分内容依赖未提供的参考文档和脚本，且复杂部署成本高，按静态上限计分并扣除验证不足。
存在版本化仓库路径、评估清单、API 示例、脚本清单和基准报告，提供一定审计线索；但没有本次审查可独立复现的 CI、完整测试套件或多来源交叉证据，基准报告本身也未提供可核验执行细节，因此扣分。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →