泰山派 RK3566 电赛视觉 Skill

面向电赛视觉的 RK3566 Linux 工程验证型 Skill，支持 Codex 与 Claude Code。

当前公开版本：v1.4.0

v1.4.0 新增鲁棒识别与闭环调优工作流，并基于真实现场联调与闭环审查对话补强摄像头分层诊断、VLC/录像延迟分解、协议与发布频率冻结、精确进程管理、网络切换回退、板端部署校验和启动控制状态机；修复摄像头探针 FPS 稳定条件永不通过及长时间缓存全部帧的问题，并加入无第三方依赖的回归测试。本版本已通过本地内容、语法和合成场景回归；泰山派实板链路仍需按具体项目验证。 v1.4.0-beta.1（测试版） 新增“鲁棒识别与闭环调优”工作流：把颜色/轮廓、相机工作点、动态 ROI、时序确认、模型降级和 PID/云台调参串成可回放、可回滚、带超时与安全状态的验证链路。新增调优记录模板和 R5 回归场景；不照搬 MaixCAM API，也不把固定阈值组、图片数、帧数、PID 增益或丢失动作当作泰山派默认参数。本测试版尚未执行完整发布回归或泰山派实板验证。 v1.3.1 1.3.0：新增Claude Codex支持。整理 1.3.0 的安装说明：Codex 直接使用仓库根目录的 Skill；Claude Code 使用单独入口，并携带同一套参考资料、模板和探针脚本。内容没有新增硬件承诺。 v1.2.0 增加了一次脱敏的 RK3566 YOLOv8 RKNN 实板验证案例：覆盖 Rockchip 优化导出、静态图到摄像头的分阶段验证、输入维度问题、量化/原模型对照，以及数据集泄漏和泛化不足的分诊。它提供的是可复用验证方法，不把该案例的模型、摄像头或性能数字泛化为默认配置。 v1.1.0 重点完善陌生用户的首次使用门禁、题型与方案选择、最小验证、已有工程增量接入和发布前回归。它验证的是 Skill 能否在证据不足时守住工程边界，不代表所有题型、摄像头、接口或性能已经完成通用实板验证。

它帮助使用立创·泰山派 RK3566 参加电赛视觉类题目，围绕“题目约束、板端能力、视觉方案、通信边界和验收证据”组织整个开发过程。

泰山派 RK3566

这个 Skill 解决什么问题

电赛视觉项目中，真正容易浪费时间的往往不是某一个 OpenCV 函数，而是：

题目目标、评分条件和误差要求没有拆清楚；
电脑上能运行，板端却打不开摄像头或串口；
物理引脚、GPIO 编号、设备树和 Linux 设备节点混在一起；
视觉处理频率、控制发布频率和 UART 协议没有分层；
阈值、动态 ROI、连续帧数和 PID 参数从其他平台或示例直接照抄；
目标丢失后继续使用过期坐标，闭环没有明确超时和安全动作；
摄像头节点不存在却被误判为占用，现场用宽泛进程清理破坏可用链路；
图传、识别和协议参数一起修改，缺少当前可用版本与回滚点；
方案还没有验证，就直接开始写完整工程；
已有项目改动过大，出现难以定位的回归问题。

Taishan Skill 的作用，就是把这些问题变成可检查、可验证、可复用的工程流程。

核心工作流

首次使用门禁（板卡 / 系统 / 摄像头 / 相关接口 / 题目约束）
  -> 赛题约束卡
  -> 视觉任务分类
  -> 传统视觉 / 测量 / 跟踪 / 模型方案比较
  -> 相机工作点 / 观测契约 / 全帧基线
  -> 按需板端能力探测
  -> 最小视觉验证 / ROI 与时序回放
  -> 现场联调 / 图传分层 / 协议冻结 / 可回滚部署
  -> 坐标、通信和执行闭环
  -> 性能与评分验收

它参考 MaixCAM-skill 的工程方法，但不复制 MaixPy、MaixVision 或固定赛题代码。

v1.4.0 参考用户提供的《2026 年电赛视觉备赛突击清单》，只吸收其中可泛化的视觉与控制方法。原始 PDF 不进入公开仓库，来源等级和迁移边界记录在 references/source-index.md。

快速开始

点开下方的平台名称，查看对应的安装方式：

Codex

请使用 $skill-installer 从 GitHub 仓库 1nuoiscute/taishan-rk3566-skill
安装仓库根目录中的 taishan-rk3566 Skill。

安装后在 Codex 中调用：

使用 $taishan-rk3566 分析这道电赛视觉题，
先完成首次使用检查和题目约束卡，再给出可验证的方案。

也可以针对具体任务调用：

使用 $taishan-rk3566 分析这道单目标视觉测量题，
先比较颜色分割、几何检测和模型方案，
不要直接写完整工程。

对应文件：SKILL.md

Claude Code

# 克隆仓库
git clone https://github.com/1nuoiscute/Taishan-RK3566-Skill.git

# 安装为个人 Skill（所有项目可用）
mkdir -p ~/.claude/skills/taishan-rk3566
cp Taishan-RK3566-Skill/claude/SKILL.md ~/.claude/skills/taishan-rk3566/SKILL.md
cp -r Taishan-RK3566-Skill/references ~/.claude/skills/taishan-rk3566/
cp -r Taishan-RK3566-Skill/templates ~/.claude/skills/taishan-rk3566/
cp -r Taishan-RK3566-Skill/scripts ~/.claude/skills/taishan-rk3566/

或安装为项目 Skill：

mkdir -p .claude/skills/taishan-rk3566
cp path/to/Taishan-RK3566-Skill/claude/SKILL.md .claude/skills/taishan-rk3566/SKILL.md
cp -r path/to/Taishan-RK3566-Skill/references .claude/skills/taishan-rk3566/
cp -r path/to/Taishan-RK3566-Skill/templates .claude/skills/taishan-rk3566/
cp -r path/to/Taishan-RK3566-Skill/scripts .claude/skills/taishan-rk3566/

安装后在 Claude Code 中调用：

/taishan-rk3566 分析这道电赛视觉题，先完成首次使用检查和题目约束卡

对应文件：claude/SKILL.md

1. 首次使用时，Skill 会优先确认：

当前板卡、系统、内核、架构和 AI 能否访问板端；
摄像头设备、格式和实际采集能力；
题目实际涉及的 UART、GPIO、下位机或模型运行时条件；
题目中的视觉目标、误差、时限和执行机构边界。

这些信息会分成“已确认事实、用户选择、合理假设、待验证项”。门禁结论为：

通过：证据足以进入当前开发阶段；
部分通过：只执行列出的最小验证；
阻塞：只给缺口和低风险探测，不擅自生成完整工程。

用户只给题面时，Skill 会先完成能确定的需求卡和方案边界；不会为了继续工作而猜设备号、协议、GPIO、模型或性能数字。

2. 在泰山派板端采集证据

通过 VS Code Remote-SSH 连接板端后，可以在仓库目录执行完整的只读基线采集：

bash scripts/run_baseline.sh --output-dir baseline-YYYYMMDD

陌生用户更适合先按本次任务单独运行探针：

bash scripts/probe_system.sh --text
python3 scripts/probe_camera.py --json --frames 30

只有题目涉及对应接口时，再运行 probe_uart.py 或 probe_gpio.py；只有方案使用用户已有模型时，再运行 probe_rknn.py。先用 --help 查看参数，候选串口参数必须来自用户选择或现有工程，不能把探针默认值当作比赛协议。

探针默认以只读、低风险方式收集信息。实际摄像头、串口和 GPIO 设备名以板端输出为准，不要直接照抄其他设备的节点或编号。运行成功只证明探针完成了对应检查，不自动证明外设、对端协议或完整链路可用。

3. 把证据交给 Skill

将板端生成的 JSON、文本输出或日志交给 AI，并说明：

这是我的泰山派板端探针结果。
请根据真实输出更新环境摘要，
指出当前题目方案还缺哪些验证，
然后给出最小可执行步骤。

Skill 会把“已在板端执行的事实”和“待验证的假设”分开处理，避免把电脑上的结果误认为板端结果。

面向的电赛视觉任务

当前工作流适合处理以下类型：

颜色、亮度和区域分割；
直线、矩形、圆、轮廓和几何测量；
编码标记、格点、棋盘和路径视觉；
静态目标定位与中心误差计算；
运动目标跟踪和状态判断；
视觉瞄准、云台控制和闭环执行；
相机曝光/白平衡工作点、动态 ROI、时序确认和重捕获调优；
空间盘点、货架、棋盘或多目标位置判断；
传统 OpenCV 与现有模型运行时方案的选择；
摄像头、UART、GPIO、MSPM0 和执行机构之间的职责划分。

重点不是预先规定一种算法，而是根据题目约束和真实板端能力选择最小可靠方案。

目录结构

Taishan-RK3566-Skill/
├── SKILL.md               # Codex 入口
├── claude/SKILL.md        # Claude Code 入口
├── references/            # 板端运行时、视觉任务、工程架构、调试、验证等参考文档
├── templates/             # 门禁、题目需求、方案矩阵、感知/控制调优、验收等模板
├── scripts/               # 系统、摄像头、UART、GPIO、RKNN 探针
├── agents/openai.yaml     # Codex 界面配置
└── README.md

references/、templates/、scripts/ 是两个版本共用的资料、模板和探针脚本。

工程边界

不假设所有用户使用相同的 Linux 镜像、摄像头、设备节点或串口协议；
不根据 40 针编号直接猜 Linux GPIO 数字；
不在缺少板端证据时，把桌面电脑上的 FPS、OpenCV 行为或模型结果当作实测；
不默认发送 UART 数据或申请 GPIO line；
不把固定阈值组、数据量、连续帧数、PID 增益或丢失动作当作通用参数；
不允许过期观测继续标为有效或驱动执行器；
不把摄像头节点缺失直接判断为占用，不用宽泛进程清理替代分层诊断；
不把“已上传”“服务 active”或单帧日志写成端到端可用；
不把 MSPM0、云台、电机或安全控制的职责未经确认地转移到 RK3566；
通过 Remote-SSH 工作时，明确区分 VS Code 界面、板端终端和 Codex 当前可访问的环境。

板端验证参考

仓库提供探针和模板，用于建立一套可复查的板端证据：

系统、镜像、内核和工具链；
摄像头设备、格式、分辨率、帧率和首帧；
UART 设备存在性、打开结果和监听信息；
GPIO chip 可见性及工具状态；
仅在已有模型路线需要时记录 RKNN Lite、运行库和 NPU 相关运行时信息；
后续的性能、延迟、资源和稳定性记录。

这些结果用于帮助 Skill 做出更贴近真实板端的判断。具体设备路径和性能参数始终以用户自己的板端输出为准。

Remote-SSH 与 AI 的边界

VS Code Remote-SSH 可以让用户在 VS Code 中操作泰山派板端 Linux，但 AI 是否能直接执行远程终端命令，取决于当前运行环境。

如果 AI 只能访问本地工作区，用户需要在 VS Code 的 Remote-SSH 终端执行 scripts/ 下的探针，再把输出或 JSON 证据交给 AI。Skill 不会把尚未执行的命令描述成板端验证结果。

参考资料

版本管理

本项目使用语义化版本号，并以 Git tag 作为发布标识：

v1.0.x：修复错误、文档整理和兼容性修正；
v1.x.0：增加新的题型方法、探针或工程能力；
v2.0.0：出现不兼容的 Skill 工作流或接口变化。

当前基线版本记录在仓库根目录的 VERSION 文件中。每次发布时同步更新该文件、README 版本标识和 Git tag。

原始原理图、竞赛题目 PDF、个人工程和未授权模型不直接打包到公开 Skill；来源和适用范围记录在 references/source-index.md。