# rtvi-cv-scaffold-vss-service

Скилл rtvi-cv-scaffold-vss-service создаёт готовый репозиторий микросервиса компьютерного зрения под DeepStream и публикует детекции в VSS через топик Kafka mdx-raw.

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

## Что делает

Скилл генерирует отдельный сервис восприятия на базе DeepStream 9.1 с эталонной реализацией детектора YOLO26. Готовый каркас берёт первичное распознавание и трекинг, упаковывает метаданные в формат Protobuf и отправляет их в Kafka через брокер по адресу `localhost:9092`. После этого микросервис подключается к существующему стеку Video Search and Summarization (VSS) через профили `bp_developer_search_2d` или `bp_developer_alerts_2d_cv`.

Внутри генерируются конфиги пайплайна `pgie-yolo26-config.txt`, пути монтирования и парсер `NvDsInferParseYolo26`. Без файлов весов ONNX, разметки меток и скомпилированной библиотеки парсера живой пайплайн DeepStream не запустится: в этом случае скилл ограничивается созданием структуры с плейсхолдерами и прогоном локальных тестов на хосте.

Для генерации проекта нужен Python 3.10+. Чтобы поднять созданный микросервис, потребуется Linux-хост с GPU NVIDIA, Docker с поддержкой NVIDIA Container Runtime, образ `nvcr.io/nvidia/deepstream:9.1-triton-multiarch` и работающее развёртывание VSS версии 3.2.1.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill rtvi-cv-scaffold-vss-service -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/rtvi-cv-scaffold-vss-service/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/rtvi-cv-scaffold-vss-service/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill rtvi-cv-scaffold-vss-service -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/rtvi-cv-scaffold-vss-service/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill rtvi-cv-scaffold-vss-service -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/rtvi-cv-scaffold-vss-service/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install NVIDIA/skills skills/rtvi-cv-scaffold-vss-service
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/rtvi-cv-scaffold-vss-service/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill rtvi-cv-scaffold-vss-service -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/NVIDIA/skills --path skills/rtvi-cv-scaffold-vss-service
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/rtvi-cv-scaffold-vss-service/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/rtvi-cv-scaffold-vss-service/SKILL.md

## Когда брать
- сгенерировать автономный репозиторий микросервиса компьютерного зрения под DeepStream
- интегрировать детекции YOLO26 в профили VSS Search и Alerts через топик Kafka mdx-raw
- проверить соблюдение контракта интеграции Protobuf-2 перед запуском на боевом сервере
- задать структуру микросервиса с плейсхолдерами до экспорта готовых весов ONNX

## Примеры запросов агенту
- Сгенерируй каркас микросервиса восприятия под DeepStream с детектором YOLO26 для отправки событий в VSS через Kafka
- Проверь локальные тесты каркаса RTVI VSS и подскажи, как запустить его на хосте с GPU
- Можно ли запустить интеграцию с VSS, если файл ONNX и библиотека парсера ещё не готовы?

## Похожие
- [realtime-cinema-data-engineering-pipeline](https://affpapa.org/nevibecode/skills/realtime-cinema-data-engineering-pipeline.md) — скилл · 2000 установок
- [terraform-service-scaffold](https://affpapa.org/nevibecode/skills/terraform-service-scaffold.md) — скилл · ★ 111 у репозитория
- [service](https://affpapa.org/nevibecode/skills/service.md) — скилл · 80 установок
- [debug-openshell-cluster](https://affpapa.org/nevibecode/skills/debug-openshell-cluster.md) — скилл · 739 установок
- [typescript-e2e-testing](https://affpapa.org/nevibecode/skills/typescript-e2e-testing.md) — скилл · 2300 установок
- [nvidia-maxine-audio-effects](https://affpapa.org/nevibecode/skills/nvidia-maxine-audio-effects.md) — скилл · 134 установки

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
