技能介绍

要解决什么问题

Holoscan 是 NVIDIA 面向流式传感器与边缘 AI 的 SDK，官方文档里的 Conda 安装路径会随版本变化：包名、频道顺序、Python/C++ 运行时与 libholoscan-dev 的分拆，以及 cuda-version 锁定都不适合凭记忆硬写一条 conda install。在 Linux x86_64 上若缺少 Miniforge、未从 rapidsai 拉取 rmm / ucxx，或频道优先级把求解器锁到旧构建，常见结果是 import holoscan 报 librmm.so，或 C++ 侧 find_package(holoscan) 找不到头文件。

技能如何工作

本技能把安装流程拆成可执行的检查与决策：步骤 0 要求先对照官方 Conda 安装说明，提取当前版本的运行时包名、是否需 libholoscan-dev、支持的 Python 范围与 CUDA 元包版本；步骤 1 在无 conda 时静默安装 Miniforge（-b，不自动改 shell RC）；步骤 2 创建环境并按目标安装——仅 Python 用 holoscan，C++ 开发加 libholoscan-dev 与工具链，并显式安装 rmm、ucxx 与 cuda-version=13，频道顺序为 -c rapidsai -c conda-forge；步骤 3 用 video_replayer 做无头、限帧 smoke test，并说明 HOLOSCAN_INPUT_PATH 与示例数据目录；步骤 4 提醒每个新 shell 里 conda activate 与 ulimit -s 32768，并指向 SDK 示例与后续学习路径。

适用边界与注意点

仅 CUDA 13（v4.3.0 起；更早版本为 CUDA 12）——驱动仍是 CUDA 12 时应改用容器或 wheel 安装类技能，而非本 Conda 路径。
仅 Linux x86_64；conda-forge 上无 aarch64 / iGPU 支持。
Miniforge 非交互安装后需手动 source conda 或写入 RC，否则新 shell 里 conda 不可用。
栈空间过小可能导致部分应用段错误；运行前设置 ulimit -s 32768 是文档级建议，而非可选优化。

截图预览

使用场景

在新 Linux x86_64 工作站上首次部署 Holoscan Python 运行时，驱动已支持 CUDA 13，需按官方文档锁定 `cuda-version=13` 与 rapidsai/conda-forge 频道顺序创建环境。
计划开发或编译调用 `find_package(holoscan)` 的 C++ 应用，需在 Conda 中除 `holoscan` 外显式安装 `libholoscan-dev` 及对应构建工具链。
机器尚未安装 conda，需要在非交互安装 Miniforge 后手动激活环境，并用 `import holoscan` 与无头限帧的 `video_replayer` 做安装验收。
已安装 holoscan 但 `import` 报 `librmm.so` 缺失，或求解器装到过旧构建，需按技能指引补装 rmm/ucxx 并调整 `-c rapidsai -c conda-forge` 顺序重装。

适合人员

在带 NVIDIA GPU 的 Linux 边缘或工作站节点上开发 Holoscan 流式管道的边缘 AI 工程师，希望用 Conda 固定 SDK 与 CUDA 13 依赖而非每次手抄文档命令。
负责 Holoscan C++ 算子或原生应用的系统软件工程师，典型诉求是同一环境里既有 Python 绑定又能 `#include` 头文件并通过 CMake 找到 holoscan。
管理实验室 GPU 服务器、需要对齐 Holoscan v4.3 与示例数据路径的研究运维或研究助理，要在新 shell 里正确 activate 并避免栈过小导致段错误。
从 Holoscan 旧版或 CUDA 12 栈迁移的开发者，需先判断驱动与版本是否满足 Conda 路径，否则应改走容器或 wheel 安装而非本技能流程。