# tao-run-deft-od-aoi

Скилл tao-run-deft-od-aoi для Claude Code автоматизирует итеративное обучение детектора дефектов RT-DETR на промышленных линиях. Измеряет AP50, находит похожие на ошибки образцы через SigLIP и выбирает лучшую модель.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, Windsurf (Devin Desktop), Claude.ai · ★ 4106 у репозитория
- Автор: NVIDIA Corporation
- Лицензия: Apache-2.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/NVIDIA/skills/tree/HEAD/skills/tao-run-deft-od-aoi/SKILL.md
- Обновлён: 2026-10-23
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/tao-run-deft-od-aoi

## Что делает

Скилл запускает замкнутый цикл для бинарной классификации: есть дефект или нет. На каждой итерации система измеряет ошибки детектора на контрольном наборе (KPI и test), ищет реальные изображения, похожие на ложные срабатывания и пропуски, накапливает их в COCO-датасет и переобучает модель с того же базового checkpoint'а.

Внутри — несколько шагов. Сначала инициализация: подготовка нормализованных COCO-ролей (KPI, test, real, clean) через `prepare_deft_od_aoi_sources.py`, затем инициализация контракта данных через `init_deft_od_aoi.py`. Затем цикл: анализ гапов (ложные срабатывания и пропуски), поиск похожих образцов в реальных данных и clean-роли через встроенные действия `tao-analyze-gaps-od-map`, `tao-generate-image-embeddings` и `tao-mine-od-images`, отбор кандидатов, переобучение, выбор по KPI. Скилл требует TAO RT-DETR и Data Services контейнеров, CUDA GPU и того, чтобы входные COCO соответствовали схеме в `references/data-contract.md`. Для синтеза дефектов нужна отдельная подготовка через AnomalyGenNext.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tao-run-deft-od-aoi -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/tao-run-deft-od-aoi/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/tao-run-deft-od-aoi/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tao-run-deft-od-aoi -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/tao-run-deft-od-aoi/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tao-run-deft-od-aoi -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/tao-run-deft-od-aoi/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install NVIDIA/skills skills/tao-run-deft-od-aoi
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/tao-run-deft-od-aoi/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tao-run-deft-od-aoi -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/NVIDIA/skills --path skills/tao-run-deft-od-aoi
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/tao-run-deft-od-aoi/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/tao-run-deft-od-aoi/SKILL.md

## Когда брать
- Обучить детектор дефектов на реальных данных с минимальной разметкой
- Найти изображения, похожие на ошибки модели, и добавить их в обучение
- Переобучить модель на накопленных данных и выбрать лучшую версию
- Отследить качество детектора на фиксированном контрольном наборе

## Примеры запросов агенту
- Инициализируй DEFT-цикл для дефектов на производстве, используя четыре роли данных и базовый RT-DETR checkpoint
- Запусти итерацию: проанализируй гапы на контрольном наборе, добудь похожие образцы и переобучи модель
- Выбери лучший checkpoint по метрике AP50 на KPI и продолжи следующую итерацию

## Похожие
- [gradle-run](https://affpapa.org/nevibecode/skills/gradle-run.md) — скилл · 1100 установок
- [huggingface-vision-trainer](https://affpapa.org/nevibecode/skills/huggingface-vision-trainer.md) — скилл · 2100 установок
- [run-release](https://affpapa.org/nevibecode/commands/run-release.md) — команда · ★ 907 у репозитория
- [run-github-project](https://affpapa.org/nevibecode/skills/run-github-project.md) — скилл · 829 установок
- [run-workflow](https://affpapa.org/nevibecode/skills/run-workflow.md) — скилл · 250 установок
- [fal-vision](https://affpapa.org/nevibecode/skills/fal-vision.md) — скилл · 2900 установок

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

_Часть страницы не вошла по размеру — она есть в HTML-версии._

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