技能介绍

解决的问题

计算机视觉项目常在环境切换中丢失上下文：需求访谈结果散落在聊天记录里，数据集管理依赖手工脚本，自动标注后端选择不透明，训练配置和部署硬件矩阵难以对齐，线上问题定位又回到「猜」的阶段。Monolith CV 技能围绕 monolith CLI 把这些环节串成一条可追踪的流水线。

工作方式

技能把流程拆成六个阶段，每个阶段都有明确的 CLI 入口和检查点：

方案设计：先做结构化访谈，覆盖场景、类别（含易混淆和边界样本）、性能目标、数据可用性、部署环境和应用边界；用 monolith cache list --format json 解析缓存目录后，把方案写入 ///docs/solution.md，并用 monolith dataset generate 生成少量可视化示例。
数据集管理：数据缺口用 monolith dataset generate -l "person" -d "walking outdoors" -n 10 --upload 补齐；原始视频抽帧依赖 ffmpeg。
自动标注：检测后端分 Lite/Pro/Max 三档（sam3、rexomni、doubao 或已训练模型），分类后端对应 siglip、qwen、doubao_cls；标注结果必须人工视觉检查，技能明确要求「绝不跳过」，agent 侧用 monolith dataset serve --port 0 起本地服务查看。
训练与部署：训练支持自定义 JSON 配置和指标解释；部署按硬件分矩阵，如 TensorRT 配 NV_T4（cuda11.4-trt8.4）或 NV_4090（cuda12.1-trt8.6），Ascend 配 Atlas_300V_PRO（CANN8.0RC2），单次预测最多 100 个文件。
迭代诊断：上线后进入诊断中心，收集失败现象、频率、触发条件和失败图像，按数据 → 标注 → 模型 → 工作流的优先级逐项修复。

适用边界

monolith auth login 是交互式命令，agent 无法自动完成，首次使用需人工介入。长任务建议加 --wait，否则要用 monolith task status <id> --wait 轮询。工作流版本重命名已知会返回 HTTP 500，变通办法是直接创建新版本。本技能面向使用 Monolith 平台 CLI 的工程师，不替代平台账号与权限管理。