# cdf-defect-image-generation

Скилл cdf-defect-image-generation для Claude Code. Собирает данные для инспекции печатных плат через DAG в CDF Orchestration, размножая редкие дефекты пайки без ручной разметки.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, Windsurf (Devin Desktop), Claude.ai · ★ 4106 у репозитория
- Автор: NVIDIA
- Лицензия: не указана · policy=link-only · показываем только описание, файл — у автора
- Исходник: https://github.com/NVIDIA/skills/tree/HEAD/skills/cdf-defect-image-generation/SKILL.md
- Обновлён: 2026-10-23
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/cdf-defect-image-generation

## Что делает

Скилл запускает `defect_image_generation_smt_dag_k8s`: сначала симуляция рендерит компоненты, затем `sim2real` превращает рендер в чистое «золотое» изображение, а AnomalyGen добавляет текстурные дефекты — мостики припоя, излишки, пропущенные компоненты. Позовые дефекты вроде сдвига или tombstone рендерятся прямо в симуляции.

Внутри есть скрипт `scripts/payload.py`. Он прогоняет payload через модель и компилятор самого DAG, печатает количество задач, пути вывода и staging AnomalyGen. Ничего не отправляет в кластер и не трогает хранилище.

Перед запуском нужны авторизованное Kubernetes-соединение, контроллер Airflow 3 с загруженным DIG DAG и доступ к хранилищу. Для проверки payload понадобится доверенный checkout CDF Orchestration: если `skills/cdf-orchestration-preflight/scripts/storage_check.py` в нём нет, скилл считает это блокирующей проблемой готовности — пропустить проверку маппинга нельзя.

Режим задаётся через `pipeline_mode`: `simulation`, `sim2real`, `full` или `defect`. Отдельно Simulation, Augmentation или AnomalyGen скилл не запускает — это задача соседних скиллов NVIDIA.

## Требования
- Работает с: Kubernetes

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill cdf-defect-image-generation -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/cdf-defect-image-generation/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/cdf-defect-image-generation/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill cdf-defect-image-generation -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/cdf-defect-image-generation/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill cdf-defect-image-generation -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/cdf-defect-image-generation/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install NVIDIA/skills skills/cdf-defect-image-generation
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/cdf-defect-image-generation/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill cdf-defect-image-generation -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/NVIDIA/skills --path skills/cdf-defect-image-generation
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/cdf-defect-image-generation/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/NVIDIA/skills/tree/HEAD/skills/cdf-defect-image-generation/SKILL.md

## Когда брать
- Сгенерировать синтетические изображения дефектов пайки для инспекции ПП
- Проверить payload по модели DAG, не отправляя его в кластер
- Прогнать полный конвейер от рендера сцены до дефектных снимков
- Сопоставить каждое дефектное изображение с золотым и исходным рендером
- Проверить готовность GPU и хранилища перед запуском

## Примеры запросов агенту
- Подготовь payload для режима `full` и проверь его локально через `scripts/payload.py`
- Собери JSON с `pipeline_mode: defect` для набора чистых изображений из директории `staging.fetch.input`
- Проверь GPU-готовность кластера перед запуском DAG

## Похожие
- [ai-pipeline-orchestration](https://affpapa.org/nevibecode/skills/ai-pipeline-orchestration.md) — скилл · 361 установка
- [deploying-airflow](https://affpapa.org/nevibecode/skills/deploying-airflow.md) — скилл · 847 установок
- [gke-custom-golden-image-discovery](https://affpapa.org/nevibecode/skills/gke-custom-golden-image-discovery.md) — скилл · 3500 установок
- [gpu-kubernetes-operations](https://affpapa.org/nevibecode/skills/gpu-kubernetes-operations.md) — скилл · 365 установок
- [deploying-go-sdk-bundles](https://affpapa.org/nevibecode/skills/deploying-go-sdk-bundles.md) — скилл · 217 установок
- [physical-ai-infrastructure-setup-and-resilient-scaling](https://affpapa.org/nevibecode/skills/physical-ai-infrastructure-setup-and-resilient-scaling.md) — скилл · ★ 8052 у репозитория

Из того же набора: [nvidia/skills](https://affpapa.org/nevibecode/by/nvidia/skills.md) — 312 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
