Merge pull request 'feat:把rdk算法部署流程写为skill' (#4) from feature/kownledge_hub_skills into main

Reviewed-on: #4

knowledge_hub/MobileSAM图像分割算法部署流程.md

@@ -34,8 +34,9 @@ ros2 launch mono_mobilesam sam.launch.py
 
 # MobileSAM图像分割算法部署流程：使用本地照片回灌
 
-1. 配置tros.b环境 若为humble则用source /opt/tros/humble/setup.bash
+
-source /opt/tros/setup.bash
+1. 配置tros.b环境 
+source /opt/tros/humble/setup.bash
 
 2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
 cp -r /opt/tros/${TROS_DISTRO}/lib/mono_mobilesam/config/ .

knowledge_hub/skills/bev-perception-deployer/SKILL.md

@@ -0,0 +1,57 @@
+---
+name: bev-perception-deployer
+description: 指导用户在 RDK 板端部署 BEV 感知算法（本地数据集回灌），提供 ROS 2 Humble 和 Foxy 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署 BEV 感知算法并解决报错。请根据开发板的 ROS 版本（Humble 或 Foxy），严格按照以下对应的流程指导用户执行。
+
+## Humble 版本部署流程
+1. 板端下载回灌的点云文件
+```bash
+wget http://archive.d-robotics.cc/TogetheROS/data/hobot_bev_data.tar.gz
+```
+2. 解压缩
+```bash
+mkdir -p hobot_bev_data
+tar -zxvf hobot_bev_data.tar.gz -C hobot_bev_data
+```
+3. 配置tros.b humble环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+4. 启动websocket服务
+```bash
+ros2 launch websocket websocket_service.launch.py
+```
+5. 启动运行脚本，并指定数据集路径
+```bash
+ros2 launch hobot_bev hobot_bev.launch.py image_pre_path:=hobot_bev_data/data
+```
+6. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## Foxy 版本部署流程
+1. 板端下载回灌的点云文件
+```bash
+cd ~
+wget http://archive.d-robotics.cc/TogetheROS/data/nuscenes_bev_val/nuscenes_bev_val.tar.gz
+```
+2. 解压缩
+```bash
+mkdir -p ~/hobot_bev_data
+tar -zxvf ~/nuscenes_bev_val.tar.gz -C ~/hobot_bev_data
+```
+3. 配置tros.b环境
+```bash
+source /opt/tros/setup.bash
+if [ -L qat ]; then rm qat; fi
+ln -s `ros2 pkg prefix hobot_bev`/lib/hobot_bev/qat/ qat
+ln -s ~/hobot_bev_data/nuscenes_bev_val nuscenes_bev_val
+```
+4. 启动launch文件
+```bash
+ros2 launch hobot_bev hobot_bev.launch.py
+```
+5. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）

knowledge_hub/skills/bloom-llm-deployer/SKILL.md

@@ -0,0 +1,114 @@
+---
+name: bloom-llm-deployer
+description: 指导用户在 RDK 板端部署 Bloom 大语言模型（终端交互体验和订阅发布体验），提供 ROS 2 Humble 和 Foxy 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署 Bloom 大语言模型并解决报错。请根据开发板的 ROS 版本（Humble 或 Foxy）和选择的体验方式，严格按照以下对应的流程指导用户执行。
+
+## 终端交互体验
+1. 安装transformers
+```bash
+pip3 install transformers -i https://pypi.tuna.tsinghua.edu.cn/simple
+```
+2. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+3. 下载模型文件
+```bash
+wget http://archive.d-robotics.cc/llm-model/llm_model.tar.gz
+```
+4. 解压
+```bash
+sudo tar -xf llm_model.tar.gz -C /opt/tros/${TROS_DISTRO}/lib/hobot_llm/
+```
+5. 系统配置
+手动使用命令srpi-config修改ION memory大小为1.9GB，设置方法参考RDK用户手册配置工具srpi-config使用指南[Performance Options](https://developer.d-robotics.cc/rdk_doc/System_configuration/srpi-config#performance-options)章节。
+重启后设置CPU最高频率为1.5GHz，以及调度模式为performance，命令如下：
+```bash
+sudo bash -c 'echo 1 > /sys/devices/system/cpu/cpufreq/boost'
+sudo bash -c 'echo performance > /sys/devices/system/cpu/cpufreq/policy0/scaling_governor'
+```
+6. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+7. 启动launch文件
+```bash
+ros2 run hobot_llm hobot_llm_chat
+```
+
+## 订阅发布体验
+1. 安装transformers
+```bash
+pip3 install transformers -i https://pypi.tuna.tsinghua.edu.cn/simple
+```
+2. 配置tros.b环境（若为humble则用source /opt/tros/humble/setup.bash）
+```bash
+source /opt/tros/setup.bash
+```
+3. 下载模型文件
+```bash
+wget http://archive.d-robotics.cc/llm-model/llm_model.tar.gz
+```
+4. 解压
+```bash
+sudo tar -xf llm_model.tar.gz -C /opt/tros/${TROS_DISTRO}/lib/hobot_llm/
+```
+5. 系统配置
+手动使用命令srpi-config修改ION memory大小为1.9GB，设置方法参考RDK用户手册配置工具srpi-config使用指南[Performance Options](https://developer.d-robotics.cc/rdk_doc/System_configuration/srpi-config#performance-options)章节。
+重启后设置CPU最高频率为1.5GHz，以及调度模式为performance，命令如下：
+```bash
+sudo bash -c 'echo 1 > /sys/devices/system/cpu/cpufreq/boost'
+sudo bash -c 'echo performance > /sys/devices/system/cpu/cpufreq/policy0/scaling_governor'
+```
+6. 启动 hobot_llm
+配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+```bash
+ros2 run hobot_llm hobot_llm
+```
+7. 新开一个终端订阅输出结果topic
+重新配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+```bash
+ros2 topic echo /text_result
+```
+8. 新开一个终端发布消息
+重新配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+```bash
+ros2 topic pub --once /text_query std_msgs/msg/String "{data: ""中国的首都是哪里""}"
+```

knowledge_hub/skills/body-detection-tracking-deployer/SKILL.md

@@ -0,0 +1,83 @@
+---
+name: body-detection-tracking-deployer
+description: 指导用户在 RDK 板端部署人体检测和跟踪算法（MIPI摄像头、USB摄像头、本地照片回灌），提供 ROS 2 Humble 和 Foxy 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署人体检测和跟踪算法并解决报错。请根据开发板的 ROS 版本（Humble 或 Foxy）和摄像头使用类型，严格按照以下对应的流程指导用户执行。
+
+## 用 MIPI 摄像头部署
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono2d_body_detection/config/ .
+```
+3. 配置MIPI摄像头
+```bash
+export CAM_TYPE=mipi
+```
+4. 启动launch文件
+```bash
+ros2 launch mono2d_body_detection mono2d_body_detection.launch.py
+```
+5. 测试效果
+在PC端的浏览器输入[http://IP:8000](http://ip:8000/) 即可查看图像和算法（人体、人头、人脸、人手检测框，检测框类型和目标跟踪ID，人体关键点）渲染效果（IP为RDK/X86设备的IP地址）
+
+## 用 USB 摄像头部署
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono2d_body_detection/config/ .
+```
+3. 配置usb摄像头
+```bash
+export CAM_TYPE=usb
+```
+4. 启动launch文件
+```bash
+ros2 launch mono2d_body_detection mono2d_body_detection.launch.py
+```
+5. 测试效果
+在PC端的浏览器输入[http://IP:8000](http://ip:8000/) 即可查看图像和算法（人体、人头、人脸、人手检测框，检测框类型和目标跟踪ID，人体关键点）渲染效果（IP为RDK/X86设备的IP地址）
+
+## 使用本地照片回灌
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono2d_body_detection/config/ .
+cp -r /opt/tros/${TROS_DISTRO}/lib/dnn_node_example/config/ .
+```
+3. 配置本地回灌图片
+```bash
+export CAM_TYPE=fb
+```
+4. 启动launch文件
+```bash
+ros2 launch mono2d_body_detection mono2d_body_detection.launch.py publish_image_source:=config/person_body.jpg publish_image_format:=jpg publish_output_image_w:=960 publish_output_image_h:=544
+```
+5. 测试效果
+在PC端的浏览器输入[http://IP:8000](http://ip:8000/) 即可查看图像和算法（人体、人头、人脸、人手检测框，检测框类型和目标跟踪ID，人体关键点）渲染效果（IP为RDK/X86设备的IP地址）

knowledge_hub/skills/clip-retrieval-deployer/SKILL.md

@@ -0,0 +1,59 @@
+---
+name: clip-retrieval-deployer
+description: 指导用户在 RDK 板端部署文本图片特征检索算法（支持 RDK S100 和 RDK X5），提供 ROS 2 Humble 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署文本图片特征检索算法并解决报错。请根据开发板类型，严格按照以下流程指导用户执行。
+
+## 部署流程
+1. 依赖安装
+```bash
+pip3 install onnxruntime
+pip3 install ftfy
+pip3 install wcwidth
+pip3 install regex
+```
+2. 从Web端下载运行示例需要的模型文件。
+```bash
+wget http://archive.d-robotics.cc/models/clip_encode_text/text_encoder.tar.gz
+sudo tar -xf text_encoder.tar.gz -C config
+```
+3. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+4. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/clip_encode_image/config/ .
+```
+5. 启动入库launch文件
+RDK S100：
+```bash
+ros2 launch clip_manage hobot_clip_manage.launch.py clip_mode:=0 clip_image_model_file_name:=config/full_model_11.hbm clip_db_file:=clip.db clip_storage_folder:=/root/config
+```
+RDK X5：
+```bash
+ros2 launch clip_manage hobot_clip_manage.launch.py clip_mode:=0 clip_db_file:=clip.db clip_storage_folder:=/root/config
+```
+6. 重开一个终端，配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+7. 启动检索launch文件
+RDK S100：
+```bash
+ros2 launch clip_manage hobot_clip_manage.launch.py clip_mode:=1 clip_image_model_file_name:=config/full_model_11.hbm clip_db_file:=clip.db clip_result_folder:=result clip_text:="a diagram"
+```
+RDK X5：
+```bash
+ros2 launch clip_manage hobot_clip_manage.launch.py clip_mode:=1 clip_image_model_file_name:=config/full_model_11.hbm clip_db_file:=clip.db clip_result_folder:=result clip_text:="a diagram"
+```
+8. 检索结果可视化
+打开另一个终端
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/clip_manage/config/index.html .
+python -m http.server 8080
+```
+9. 查看检索结果
+在PC端的浏览器输入http://IP:8080 即可查看图像检索结果（IP为设备IP地址）。

knowledge_hub/skills/deepseek-llm-deployer/SKILL.md

@@ -0,0 +1,71 @@
+---
+name: deepseek-llm-deployer
+description: 指导用户在 RDK 板端部署 DeepSeek 大语言模型（终端交互体验和订阅发布体验），提供 ROS 2 Humble 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署 DeepSeek 大语言模型并解决报错。请根据体验方式，严格按照以下对应的流程指导用户执行。
+
+## 终端交互体验
+1. 下载模型文件
+```bash
+wget -c ftp://oeftp@sdk.d-robotics.cc/oe_llm/model/DeepSeek_R1_Distill_Qwen_1.5B_1024.hbm --ftp-password=Oeftp~123$%
+```
+2. 设置 ION 内存空间最大, 满足大模型推理需求
+```bash
+/usr/hobot/bin/hb_switch_ion.sh bpu_first
+reboot
+```
+3. 设置性能模式（注意：仅RDK S100P 支持性能模式）
+```bash
+devmem 0x2b047000 32 0x99
+devmem 0x2b047004 32 0x99
+```
+4. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+5. 运行模型
+```bash
+lib=/opt/tros/humble/lib/hobot_xlm/lib
+export LD_LIBRARY_PATH=${lib}:${LD_LIBRARY_PATH}
+cp -r /opt/tros/humble/lib/hobot_xlm/config/ .
+ros2 run hobot_xlm hobot_xlm --ros-args -p feed_type:=0 -p model_name:="DeepSeek_R1_Distill_Qwen_1.5B"
+```
+
+## 订阅发布体验
+1.  下载模型文件
+```bash
+wget -c ftp://oeftp@sdk.d-robotics.cc/oe_llm/model/DeepSeek_R1_Distill_Qwen_1.5B_1024.hbm --ftp-password=Oeftp~123$%
+```
+2. 设置 ION 内存空间最大, 满足大模型推理需求
+```bash
+/usr/hobot/bin/hb_switch_ion.sh bpu_first
+reboot
+```
+3. 设置性能模式（注意：仅RDK S100P 支持性能模式）
+```bash
+devmem 0x2b047000 32 0x99
+devmem 0x2b047004 32 0x99
+```
+4. 启动 hobot_llm
+配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+lib=/opt/tros/humble/lib/hobot_xlm/lib
+export LD_LIBRARY_PATH=${lib}:${LD_LIBRARY_PATH}
+cp -r /opt/tros/humble/lib/hobot_xlm/config/ .
+ros2 run hobot_xlm hobot_xlm --ros-args -p feed_type:=1 -p ros_string_sub_topic_name:="/prompt_text" -p model_name:="DeepSeek_R1_Distill_Qwen_1.5B"
+```
+5. 新开一个终端订阅输出结果topic
+配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+ros2 topic echo /tts_text
+```
+6. 新开一个终端发布消息
+配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+ros2 topic pub --once /prompt_text std_msgs/msg/String "{data: ""简单描述人工智能的发展""}"
+```

knowledge_hub/skills/dosod-detection-deployer/SKILL.md

@@ -0,0 +1,67 @@
+---
+name: dosod-detection-deployer
+description: 指导用户在 RDK 板端部署 DOSOD 目标检测算法（MIPI摄像头、USB摄像头、本地照片回灌），提供 ROS 2 Humble 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署 DOSOD 目标检测算法并解决报错。请根据用户的摄像头类型，严格按照以下对应的流程指导用户执行。
+
+## 用 MIPI 摄像头部署
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/hobot_dosod/config/ .
+```
+3. 配置MIPI摄像头
+```bash
+export CAM_TYPE=mipi
+```
+4. 启动launch文件
+```bash
+ros2 launch hobot_dosod dosod.launch.py
+```
+5. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 用 USB 摄像头部署
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/hobot_dosod/config/ .
+```
+3. 配置usb摄像头
+```bash
+export CAM_TYPE=usb
+```
+4. 启动launch文件
+```bash
+ros2 launch hobot_dosod dosod.launch.py
+```
+5. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 使用本地照片回灌
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/hobot_dosod/config/ .
+```
+3. 配置本地回灌
+```bash
+export CAM_TYPE=fb
+```
+4. 启动launch文件
+```bash
+ros2 launch hobot_dosod dosod.launch.py
+```
+5. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）

knowledge_hub/skills/edgesam-segmentation-deployer/SKILL.md

@@ -0,0 +1,55 @@
+---
+name: edgesam-segmentation-deployer
+description: 指导用户在 RDK 板端部署 EdgeSAM 图像分割算法（MIPI摄像头、USB摄像头、本地照片回灌），提供 ROS 2 Humble 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署 EdgeSAM 图像分割算法并解决报错。请根据用户的摄像头类型，严格按照以下对应的流程指导用户执行。
+
+## 用 MIPI 摄像头部署
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 配置MIPI摄像头
+```bash
+export CAM_TYPE=mipi
+```
+3. 启动launch文件
+```bash
+ros2 launch mono_edgesam sam.launch.py
+```
+4. 测试效果
+推理的结果会渲染到Web上, 在PC端的浏览器输入[http://IP:8000](http://ip:8000/) 即可查看图像和算法渲染效果（IP为RDK的IP地址）, 手动打开界面右上角设置, 选中"Full Image Segmentation"选项, 可以显示渲染效果。
+
+## 用 USB 摄像头部署
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 配置usb摄像头
+```bash
+export CAM_TYPE=usb
+```
+3. 启动launch文件
+```bash
+ros2 launch mono_edgesam sam.launch.py
+```
+4. 测试效果
+推理的结果会渲染到Web上, 在PC端的浏览器输入[http://IP:8000](http://ip:8000/) 即可查看图像和算法渲染效果（IP为RDK的IP地址）, 手动打开界面右上角设置, 选中"Full Image Segmentation"选项, 可以显示渲染效果。
+
+## 使用本地照片回灌
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 配置本地回灌图片
+```bash
+export CAM_TYPE=fb
+```
+3. 启动launch文件
+```bash
+ros2 launch mono_edgesam sam.launch.py
+```
+4. 测试效果
+推理的结果会渲染到Web上, 在PC端的浏览器输入[http://IP:8000](http://ip:8000/) 即可查看图像和算法渲染效果（IP为RDK的IP地址）, 手动打开界面右上角设置, 选中"Full Image Segmentation"选项, 可以显示渲染效果。

knowledge_hub/skills/efficientnet-det-deployer/SKILL.md

@@ -0,0 +1,64 @@
+---
+name: efficientnet-det-deployer
+description: 指导用户在 RDK 板端部署 EfficientNet_Det 目标检测算法（MIPI摄像头、USB摄像头、本地照片回灌），提供 ROS 2 Humble 和 Foxy 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署 EfficientNet_Det 目标检测算法并解决报错。请根据开发板的 ROS 版本（Humble 或 Foxy）和使用的摄像头类型，严格按照以下对应的流程指导用户执行。
+
+## 用 MIPI 摄像头部署
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 配置MIPI摄像头
+```bash
+export CAM_TYPE=mipi
+```
+3. 启动launch文件
+```bash
+ros2 launch dnn_node_example dnn_node_example.launch.py dnn_example_config_file:=config/efficient_det_workconfig.json dnn_example_image_width:=480 dnn_example_image_height:=272
+```
+4. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 用 USB 摄像头部署
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 配置usb摄像头
+```bash
+export CAM_TYPE=usb
+```
+3. 启动launch文件
+```bash
+ros2 launch dnn_node_example dnn_node_example.launch.py dnn_example_config_file:=config/efficient_det_workconfig.json dnn_example_image_width:=480 dnn_example_image_height:=272
+```
+4. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 使用本地照片回灌
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 启动launch文件
+```bash
+ros2 launch dnn_node_example dnn_node_example_feedback.launch.py dnn_example_config_file:=config/efficient_det_workconfig.json dnn_example_image:=config/target.jpg
+```

knowledge_hub/skills/elevation-net-deployer/SKILL.md

@@ -0,0 +1,34 @@
+---
+name: elevation-net-deployer
+description: 指导用户在 RDK 板端部署单目高程网络检测算法，提供 ROS 2 Humble 和 Foxy 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署单目高程网络检测算法并解决报错。请根据开发板的 ROS 版本（Humble 或 Foxy），严格按照以下对应的流程指导用户执行。
+
+## Humble 版本部署流程
+1. 配置 tros.b humble 环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/elevation_net/config/ .
+```
+3. 启动launch文件
+```bash
+ros2 launch elevation_net elevation_net.launch.py
+```
+
+## Foxy 版本部署流程
+1. 配置 tros.b humble 环境
+```bash
+source /opt/tros/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/elevation_net/config/ .
+```
+3. 启动launch文件
+```bash
+ros2 launch elevation_net elevation_net.launch.py

knowledge_hub/skills/face-age-deployer/SKILL.md

@@ -0,0 +1,47 @@
+---
+name: face-age-deployer
+description: 指导用户在 RDK 板端部署人脸年龄检测算法（MIPI摄像头、USB摄像头），提供 ROS 2 Humble 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署人脸年龄检测算法并解决报错。请根据用户的摄像头类型，严格按照以下对应的流程指导用户执行。
+
+## 用 MIPI 摄像头部署
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono2d_body_detection/config/ .
+```
+3. 配置MIPI摄像头
+```bash
+export CAM_TYPE=mipi
+```
+4. 启动launch文件
+```bash
+ros2 launch face_age_detection body_det_face_age_det.launch.py
+```
+5. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 用 USB 摄像头部署
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono2d_body_detection/config/ .
+```
+3. 配置usb摄像头
+```bash
+export CAM_TYPE=usb
+```
+4. 启动launch文件
+```bash
+ros2 launch face_age_detection body_det_face_age_det.launch.py
+```
+5. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）

knowledge_hub/skills/face-landmarks-deployer/SKILL.md

@@ -0,0 +1,47 @@
+---
+name: face-landmarks-deployer
+description: 指导用户在 RDK 板端部署人脸 106 关键点检测算法（MIPI摄像头、USB摄像头），提供 ROS 2 Humble 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署人脸 106 关键点检测算法并解决报错。请根据用户的摄像头类型，严格按照以下对应的流程指导用户执行。
+
+## 用 MIPI 摄像头部署
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono2d_body_detection/config/ .
+```
+3. 配置MIPI摄像头
+```bash
+export CAM_TYPE=mipi
+```
+4. 启动launch文件
+```bash
+ros2 launch face_landmarks_detection body_det_face_landmarks_det.launch.py
+```
+5. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 用 USB 摄像头部署
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono2d_body_detection/config/ .
+```
+3. 配置usb摄像头
+```bash
+export CAM_TYPE=usb
+```
+4. 启动launch文件
+```bash
+ros2 launch face_landmarks_detection body_det_face_landmarks_det.launch.py
+```
+5. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）

knowledge_hub/skills/fcos-detection-deployer/SKILL.md

@@ -0,0 +1,64 @@
+---
+name: fcos-detection-deployer
+description: 指导用户在 RDK 板端部署 FCOS 目标检测算法（MIPI摄像头、USB摄像头、本地照片回灌），提供 ROS 2 Humble 和 Foxy 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署 FCOS 目标检测算法并解决报错。请根据开发板的 ROS 版本（Humble 或 Foxy）和使用的摄像头类型，严格按照以下对应的流程指导用户执行。
+
+## 用 MIPI 摄像头部署
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 配置MIPI摄像头
+```bash
+export CAM_TYPE=mipi
+```
+3. 启动launch文件
+```bash
+ros2 launch dnn_node_example dnn_node_example.launch.py dnn_example_config_file:=config/fcosworkconfig.json dnn_example_image_width:=480 dnn_example_image_height:=272
+```
+4. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 用 USB 摄像头部署
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 配置usb摄像头
+```bash
+export CAM_TYPE=usb
+```
+3. 启动launch文件
+```bash
+ros2 launch dnn_node_example dnn_node_example.launch.py dnn_example_config_file:=config/fcosworkconfig.json dnn_example_image_width:=480 dnn_example_image_height:=272
+```
+4. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 使用本地照片回灌
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 启动launch文件
+```bash
+ros2 launch dnn_node_example dnn_node_example_feedback.launch.py dnn_example_config_file:=config/fcosworkconfig.json dnn_example_image:=config/target.jpg
+```

knowledge_hub/skills/gesture-recognition-deployer/SKILL.md

@@ -0,0 +1,88 @@
+---
+name: gesture-recognition-deployer
+description: 指导用户在 RDK 板端部署手势识别算法（MIPI摄像头、USB摄像头、本地照片回灌），提供 ROS 2 Humble 和 Foxy 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署手势识别算法并解决报错。请根据开发板的 ROS 版本（Humble 或 Foxy）和使用的摄像头类型，严格按照以下对应的流程指导用户执行。
+
+## 用 MIPI 摄像头部署
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono2d_body_detection/config/ .
+cp -r /opt/tros/${TROS_DISTRO}/lib/hand_lmk_detection/config/ .
+cp -r /opt/tros/${TROS_DISTRO}/lib/hand_gesture_detection/config/ .
+```
+3. 配置MIPI摄像头
+```bash
+export CAM_TYPE=mipi
+```
+4. 启动launch文件
+```bash
+ros2 launch hand_gesture_detection hand_gesture_detection.launch.py
+```
+5. 测试效果
+在PC端的浏览器输入[http://IP:8000](http://ip:8000/) 即可查看图像和算法渲染效果（IP为RDK/X86设备的IP地址）
+
+## 用 USB 摄像头部署
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono2d_body_detection/config/ .
+cp -r /opt/tros/${TROS_DISTRO}/lib/hand_lmk_detection/config/ .
+cp -r /opt/tros/${TROS_DISTRO}/lib/hand_gesture_detection/config/ .
+```
+3. 配置usb摄像头
+```bash
+export CAM_TYPE=usb
+```
+4. 启动launch文件
+```bash
+ros2 launch hand_gesture_detection hand_gesture_detection.launch.py
+```
+5. 测试效果
+在PC端的浏览器输入[http://IP:8000](http://ip:8000/) 即可查看图像和算法渲染效果（IP为RDK/X86设备的IP地址）
+
+## 使用本地照片回灌
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono2d_body_detection/config/ .
+cp -r /opt/tros/${TROS_DISTRO}/lib/hand_lmk_detection/config/ .
+cp -r /opt/tros/${TROS_DISTRO}/lib/hand_gesture_detection/config/ .
+```
+3. 配置本地回灌图片
+```bash
+export CAM_TYPE=fb
+```
+4. 启动launch文件
+```bash
+ros2 launch hand_gesture_detection hand_gesture_detection.launch.py publish_image_source:=config/person_face_hand.jpg publish_image_format:=jpg publish_output_image_w:=960 publish_output_image_h:=544 publish_fps:=30
+```
+5. 测试效果
+在PC端的浏览器输入[http://IP:8000](http://ip:8000/) 即可查看图像和算法渲染效果（IP为RDK/X86设备的IP地址）

knowledge_hub/skills/hand-keypoint-deployer/SKILL.md

@@ -0,0 +1,59 @@
+---
+name: hand-keypoint-deployer
+description: 指导用户在 RDK 板端部署人手关键点检测算法（MIPI摄像头、USB摄像头），提供 ROS 2 Humble 和 Foxy 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署人手关键点检测算法并解决报错。请根据开发板的 ROS 版本（Humble 或 Foxy）和使用的摄像头类型，严格按照以下对应的流程指导用户执行。
+
+## 用 MIPI 摄像头部署
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono2d_body_detection/config/ .
+cp -r /opt/tros/${TROS_DISTRO}/lib/hand_lmk_detection/config/ .
+```
+3. 配置MIPI摄像头
+```bash
+export CAM_TYPE=mipi
+```
+4. 启动launch文件
+```bash
+ros2 launch hand_lmk_detection hand_lmk_detection.launch.py
+```
+5. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 用 USB 摄像头部署
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono2d_body_detection/config/ .
+cp -r /opt/tros/${TROS_DISTRO}/lib/hand_lmk_detection/config/ .
+```
+3. 配置usb摄像头
+```bash
+export CAM_TYPE=usb
+```
+4. 启动launch文件
+```bash
+ros2 launch hand_lmk_detection hand_lmk_detection.launch.py
+```
+5. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）

knowledge_hub/skills/hand-landmarks-mediapipe-deployer/SKILL.md

@@ -0,0 +1,70 @@
+---
+name: hand-landmarks-mediapipe-deployer
+description: 指导用户在 RDK 板端部署人手关键点及手势识别（mediapipe）算法（MIPI摄像头、USB摄像头、本地图片回灌），提供 ROS 2 Humble 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署人手关键点及手势识别（mediapipe）算法并解决报错。请根据用户的摄像头类型，严格按照以下对应的流程指导用户执行。
+
+## 用 MIPI 摄像头部署
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/palm_detection_mediapipe/config/ .
+cp -r /opt/tros/${TROS_DISTRO}/lib/hand_landmarks_mediapipe/config/ .
+```
+3. 配置MIPI摄像头
+```bash
+export CAM_TYPE=mipi
+```
+4. 启动launch文件
+```bash
+ros2 launch hand_landmarks_mediapipe hand_landmarks.launch.py
+```
+5. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 用 USB 摄像头部署
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/palm_detection_mediapipe/config/ .
+cp -r /opt/tros/${TROS_DISTRO}/lib/hand_landmarks_mediapipe/config/ .
+```
+3. 配置usb摄像头
+```bash
+export CAM_TYPE=usb
+```
+4. 启动launch文件
+```bash
+ros2 launch hand_landmarks_mediapipe hand_landmarks.launch.py
+```
+5. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 使用本地图片回灌
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/palm_detection_mediapipe/config/ .
+cp -r /opt/tros/${TROS_DISTRO}/lib/hand_landmarks_mediapipe/config/ .
+```
+3. 配置本地回灌
+```bash
+export CAM_TYPE=fb
+```
+4. 启动launch文件
+```bash
+ros2 launch hand_landmarks_mediapipe hand_landmarks.launch.py publish_image_source:=config/example.jpg publish_image_format:=jpg publish_output_image_w:=640 publish_output_image_h:=480
+```
+5. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）

knowledge_hub/skills/human-instance-tracking-deployer/SKILL.md

@@ -0,0 +1,70 @@
+---
+name: human-instance-tracking-deployer
+description: 指导用户在 RDK 板端部署人体实例跟踪算法（MIPI摄像头、USB摄像头、本地照片回灌），提供 ROS 2 Humble 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署人体实例跟踪算法并解决报错。请根据用户的摄像头类型，严格按照以下对应的流程指导用户执行。
+
+## 用 MIPI 摄像头部署
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono2d_body_detection/config/ .
+cp -r /opt/tros/${TROS_DISTRO}/lib/reid/config/ .
+```
+3. 配置MIPI摄像头
+```bash
+export CAM_TYPE=mipi
+```
+4. 启动launch文件
+```bash
+ros2 launch reid reid.launch.py
+```
+5. 测试效果
+在PC端的浏览器输入[http://IP:8000](http://ip:8000/) 即可查看图像和算法渲染效果（IP为RDK的IP地址）, 其中每个人物上的id为实例ID结果。
+
+## 用 USB 摄像头部署
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono2d_body_detection/config/ .
+cp -r /opt/tros/${TROS_DISTRO}/lib/reid/config/ .
+```
+3. 配置usb摄像头
+```bash
+export CAM_TYPE=usb
+```
+4. 启动launch文件
+```bash
+ros2 launch reid reid.launch.py
+```
+5. 测试效果
+在PC端的浏览器输入[http://IP:8000](http://ip:8000/) 即可查看图像和算法渲染效果（IP为RDK的IP地址）, 其中每个人物上的id为实例ID结果。
+
+## 使用本地照片回灌
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono2d_body_detection/config/ .
+cp -r /opt/tros/${TROS_DISTRO}/lib/reid/config/ .
+```
+3. 配置本地回灌图片
+```bash
+export CAM_TYPE=fb
+```
+4. 启动launch文件
+```bash
+ros2 launch reid reid.launch.py publish_image_source:=config/person_body.jpg publish_image_format:=jpg publish_output_image_w:=1920 publish_output_image_h:=1080
+```
+5. 测试效果
+在PC端的浏览器输入[http://IP:8000](http://ip:8000/) 即可查看图像和算法渲染效果（IP为RDK的IP地址）, 其中每个人物上的id为实例ID结果。

knowledge_hub/skills/lidar-detection-deployer/SKILL.md

@@ -0,0 +1,58 @@
+---
+name: lidar-detection-deployer
+description: 指导用户在 RDK 板端部署激光雷达目标检测算法（本地点云文件回灌），提供 ROS 2 Humble 和 Foxy 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署激光雷达目标检测算法并解决报错，请根据开发板的ROS版本执行下面对应的算法部署流程。
+
+## Humble 版本部署流程
+1. 板端下载回灌的点云文件
+```bash
+cd ~
+wget http://archive.d-robotics.cc/TogetheROS/data/hobot_centerpoint_data.tar.gz
+```
+2. 解压缩
+```bash
+mkdir -p ~/centerpoint_data
+tar -zxvf ~/hobot_centerpoint_data.tar.gz -C ~/centerpoint_data
+```
+3. 配置tros.b humble环境
+```bash
+source /opt/tros/humble/setup.bash
+if [ -L qat ]; then rm qat; fi
+ln -s `ros2 pkg prefix hobot_centerpoint`/lib/hobot_centerpoint/qat/ qat
+ln -s ~/centerpoint_data centerpoint_data
+```
+4. 启动launch文件
+```bash
+ros2 launch hobot_centerpoint hobot_centerpoint.launch.py
+```
+5. 测试效果 
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## Foxy 版本部署流程
+1. 板端下载回灌的点云文件
+```bash
+cd ~
+wget http://archive.d-robotics.cc/TogetheROS/data/hobot_centerpoint_data.tar.gz
+```
+2. 解压缩
+```bash
+mkdir config
+tar -zxvf hobot_centerpoint_data.tar.gz -C config
+```
+3. 配置tros.b环境
+```bash
+source /opt/tros/setup.bash
+```
+4. 启动websocket服务
+```bash
+ros2 launch websocket websocket_service.launch.py
+```
+5. 启动launch文件
+```bash
+ros2 launch hobot_centerpoint hobot_centerpoint_websocket.launch.py lidar_pre_path:=config/hobot_centerpoint_data
+```
+6. 测试效果 
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK实际的IP地址）

knowledge_hub/skills/mobilenet-ssd-deployer/SKILL.md

@@ -0,0 +1,64 @@
+---
+name: mobilenet-ssd-deployer
+description: 指导用户在 RDK 板端部署 MobileNet_SSD 目标检测算法（MIPI摄像头、USB摄像头、本地照片回灌），提供 ROS 2 Humble 和 Foxy 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署 MobileNet_SSD 目标检测算法并解决报错。请根据开发板的 ROS 版本（Humble 或 Foxy），严格按照以下对应的流程指导用户执行。
+
+## 用 MIPI 摄像头部署
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 配置MIPI摄像头
+```bash
+export CAM_TYPE=mipi
+```
+3. 启动launch文件
+```bash
+ros2 launch dnn_node_example dnn_node_example.launch.py dnn_example_config_file:=config/mobilenet_ssd_workconfig.json dnn_example_image_width:=480 dnn_example_image_height:=272
+```
+4. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 用 USB 摄像头部署
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 配置usb摄像头
+```bash
+export CAM_TYPE=usb
+```
+3. 启动launch文件
+```bash
+ros2 launch dnn_node_example dnn_node_example.launch.py dnn_example_config_file:=config/mobilenet_ssd_workconfig.json dnn_example_image_width:=480 dnn_example_image_height:=272
+```
+4. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 使用本地照片回灌
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 启动launch文件
+```bash
+ros2 launch dnn_node_example dnn_node_example_feedback.launch.py dnn_example_config_file:=config/mobilenet_ssd_workconfig.json dnn_example_image:=config/target.jpg
+```

knowledge_hub/skills/mobilenet-unet-deployer/SKILL.md

@@ -0,0 +1,60 @@
+---
+name: mobilenet-unet-deployer
+description: 指导用户在 RDK 板端部署 mobilenet_unet 图像分割算法（MIPI摄像头、USB摄像头、本地照片回灌），提供 ROS 2 Humble 和 Foxy 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署 mobilenet_unet 图像分割算法并解决报错。请根据开发板的 ROS 版本（Humble 或 Foxy）和使用的摄像头类型，严格按照以下对应的流程指导用户执行。
+
+## 用 MIPI 摄像头部署
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 配置MIPI摄像头
+```bash
+export CAM_TYPE=mipi
+```
+3. 启动launch文件
+```bash
+ros2 launch dnn_node_example dnn_node_example.launch.py dnn_example_dump_render_img:=1 dnn_example_config_file:=config/mobilenet_unet_workconfig.json dnn_example_image_width:=1920 dnn_example_image_height:=1080
+```
+
+## 用 USB 摄像头部署
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 配置usb摄像头
+```bash
+export CAM_TYPE=usb
+```
+3. 启动launch文件
+```bash
+ros2 launch dnn_node_example dnn_node_example.launch.py dnn_example_dump_render_img:=1 dnn_example_config_file:=config/mobilenet_unet_workconfig.json dnn_example_image_width:=1920 dnn_example_image_height:=1080
+```
+
+## 使用本地照片回灌
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 启动launch文件
+```bash
+ros2 launch dnn_node_example dnn_node_example_feedback.launch.py dnn_example_config_file:=config/mobilenet_unet_workconfig.json dnn_example_image:=config/raw_unet.jpg
+```

knowledge_hub/skills/mobilenetv2-classification-deployer/SKILL.md

@@ -0,0 +1,64 @@
+---
+name: mobilenetv2-classification-deployer
+description: 指导用户在 RDK 板端部署 mobilenetv2 图片分类算法（MIPI摄像头、USB摄像头、本地照片回灌），提供 ROS 2 Humble 和 Foxy 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署 mobilenetv2 图片分类算法并解决报错。请根据开发板的 ROS 版本（Humble 或 Foxy）和使用的摄像头类型，严格按照以下对应的流程指导用户执行。
+
+## 用 MIPI 摄像头部署
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 配置MIPI摄像头
+```bash
+export CAM_TYPE=mipi
+```
+3. 启动launch文件
+```bash
+ros2 launch dnn_node_example dnn_node_example.launch.py dnn_example_config_file:=config/mobilenetv2workconfig.json dnn_example_image_width:=480 dnn_example_image_height:=272
+```
+4. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 用 USB 摄像头部署
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 配置usb摄像头
+```bash
+export CAM_TYPE=usb
+```
+3. 启动launch文件
+```bash
+ros2 launch dnn_node_example dnn_node_example.launch.py dnn_example_config_file:=config/mobilenetv2workconfig.json dnn_example_image_width:=480 dnn_example_image_height:=272
+```
+4. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 使用本地照片回灌
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 启动launch文件
+```bash
+ros2 launch dnn_node_example dnn_node_example_feedback.launch.py dnn_example_config_file:=config/mobilenetv2workconfig.json dnn_example_image:=config/target_class.jpg
+```

knowledge_hub/skills/mobilesam-segmentation-deployer/SKILL.md

@@ -0,0 +1,67 @@
+---
+name: mobilesam-segmentation-deployer
+description: 指导用户在 RDK 板端部署 MobileSAM 图像分割算法（MIPI摄像头、USB摄像头、本地照片回灌），提供 ROS 2 Humble 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署 MobileSAM 图像分割算法并解决报错。请根据用户的摄像头类型，严格按照以下对应的流程指导用户执行。
+
+## 用 MIPI 摄像头部署
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono_mobilesam/config/ .
+```
+3. 配置MIPI摄像头
+```bash
+export CAM_TYPE=mipi
+```
+4. 启动launch文件
+```bash
+ros2 launch mono_mobilesam sam.launch.py
+```
+5. 测试效果
+推理的结果会渲染到Web上, 在PC端的浏览器输入[http://IP:8000](http://ip:8000/) 即可查看图像和算法渲染效果（IP为RDK的IP地址）, 打开界面右上角设置, 选中"Full Image Segmentation"选项, 可以显示渲染效果。
+
+## 用 USB 摄像头部署
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono_mobilesam/config/ .
+```
+3. 配置usb摄像头
+```bash
+export CAM_TYPE=usb
+```
+4. 启动launch文件
+```bash
+ros2 launch mono_mobilesam sam.launch.py
+```
+5. 测试效果
+推理的结果会渲染到Web上, 在PC端的浏览器输入[http://IP:8000](http://ip:8000/) 即可查看图像和算法渲染效果（IP为RDK的IP地址）, 打开界面右上角设置, 选中"Full Image Segmentation"选项, 可以显示渲染效果。
+
+## 使用本地照片回灌
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono_mobilesam/config/ .
+```
+3. 配置本地回灌图片
+```bash
+export CAM_TYPE=fb
+```
+4. 启动launch文件
+```bash
+ros2 launch mono_mobilesam sam.launch.py
+```
+5. 测试效果
+推理的结果会渲染到Web上, 在PC端的浏览器输入[http://IP:8000](http://ip:8000/) 即可查看图像和算法渲染效果（IP为RDK的IP地址）, 打开界面右上角设置, 选中"Full Image Segmentation"选项, 可以显示渲染效果。

knowledge_hub/skills/mono3d-indoor-deployer/SKILL.md

@@ -0,0 +1,26 @@
+---
+name: mono3d-indoor-deployer
+description: 指导用户在 RDK 板端部署单目 3D 室内检测算法，提供 ROS 2 Humble 和 Foxy 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署单目 3D 室内检测算法并解决报错。请根据开发板的 ROS 版本（Humble 或 Foxy），严格按照以下对应的流程指导用户执行。
+
+## 部署流程
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono3d_indoor_detection/config/ .
+```
+3. 启动launch文件
+```bash
+ros2 launch mono3d_indoor_detection mono3d_indoor_detection.launch.py
+```

knowledge_hub/skills/optical-flow-deployer/SKILL.md

@@ -0,0 +1,82 @@
+---
+name: optical-flow-deployer
+description: 指导用户在 RDK 板端部署光流估计算法（MIPI摄像头、USB摄像头、本地照片回灌），提供 ROS 2 Humble 和 Foxy 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署光流估计算法并解决报错。请根据开发板的 ROS 版本（Humble 或 Foxy）和使用的摄像头类型，严格按照以下对应的流程指导用户执行。
+
+## 用 MIPI 摄像头部署
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono_pwcnet/config/ .
+```
+3. 配置MIPI摄像头
+```bash
+export CAM_TYPE=mipi
+```
+4. 启动launch文件
+```bash
+ros2 launch mono_pwcnet pwcnet.launch.py
+```
+5. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 用 USB 摄像头部署
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono_pwcnet/config/ .
+```
+3. 配置usb摄像头
+```bash
+export CAM_TYPE=usb
+```
+4. 启动launch文件
+```bash
+ros2 launch mono_pwcnet pwcnet.launch.py
+```
+5. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 使用本地照片回灌
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono_pwcnet/config/ .
+```
+3. 配置本地回灌图片
+```bash
+export CAM_TYPE=fb
+```
+4. 启动launch文件
+```bash
+ros2 launch mono_pwcnet pwcnet.launch.py
+```
+5. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）

knowledge_hub/skills/road-structure-deployer/SKILL.md

@@ -0,0 +1,67 @@
+---
+name: road-structure-deployer
+description: 指导用户在 RDK 板端部署路面结构化算法（MIPI摄像头、USB摄像头、本地照片回灌），提供 ROS 2 Humble 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署路面结构化算法并解决报错。请根据用户的摄像头类型，严格按照以下对应的流程指导用户执行。
+
+## 用 MIPI 摄像头部署
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/parking_perception/config/ .
+```
+3. 配置MIPI摄像头
+```bash
+export CAM_TYPE=mipi
+```
+4. 启动launch文件
+```bash
+ros2 launch parking_perception parking_perception.launch.py
+```
+5. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 用 USB 摄像头部署
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/parking_perception/config/ .
+```
+3. 配置usb摄像头
+```bash
+export CAM_TYPE=usb
+```
+4. 启动launch文件
+```bash
+ros2 launch parking_perception parking_perception.launch.py
+```
+5. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 使用本地照片回灌
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/parking_perception/config/ .
+```
+3. 配置本地回灌
+```bash
+export CAM_TYPE=fb
+```
+4. 启动launch文件
+```bash
+ros2 launch parking_perception parking_perception.launch.py
+```
+5. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）

knowledge_hub/skills/sensevoice-deployer/SKILL.md

@@ -0,0 +1,22 @@
+---
+name: sensevoice-deployer
+description: 指导用户在 RDK 板端部署 Sensevoice 智能语音算法，提供 ROS 2 Humble 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署 Sensevoice 智能语音算法并解决报错。请严格按照以下流程指导用户执行。
+
+## 部署流程
+1. 安装智能语音算法包
+```bash
+sudo apt update
+sudo apt install tros-humble-sensevoice-ros2
+```
+2. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+3. 启动launch文件
+```bash
+ros2 launch sensevoice_ros2 sensevoice_ros2.launch.py micphone_name:="plughw:0,0"
+```

knowledge_hub/skills/smart-voice-deployer/SKILL.md

@@ -0,0 +1,42 @@
+---
+name: smart-voice-deployer
+description: 指导用户在 RDK 板端部署智能语音算法，提供 ROS 2 Humble 和 Foxy 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署智能语音算法并解决报错。请根据开发板的 ROS 版本（Humble 或 Foxy），严格按照以下对应的流程指导用户执行。
+
+## 部署流程
+1. 安装智能语音算法包
+```bash
+sudo apt update
+```
+foxy版本：
+```bash
+sudo apt install tros-hobot-audio
+```
+humble版本：
+```bash
+sudo apt install tros-humble-hobot-audio
+```
+2. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+3. 从tros.b的安装路径中拷贝出运行示例需要的配置文件，若已拷贝则可忽略
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/hobot_audio/config/ .
+```
+4. 屏蔽调式打印信息
+```bash
+export GLOG_minloglevel=3
+```
+5. 启动launch文件
+```bash
+ros2 launch hobot_audio hobot_audio.launch.py
+```

knowledge_hub/skills/stereo-depth-deployer/SKILL.md

@@ -0,0 +1,34 @@
+---
+name: stereo-depth-deployer
+description: 指导用户在 RDK 板端部署双目深度算法（支持 RDK X5 和 RDK S100），提供 ROS 2 Humble 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署双目深度算法并解决报错。请根据用户的开发板卡类型（RDK X5 或 RDK S100），严格按照以下对应的流程指导用户执行。
+
+## RDK X5 部署流程
+1. 配置tros.b humble环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 启动双目模型launch文件，其包含了算法和双目相机节点的启动
+```bash
+ros2 launch hobot_stereonet stereonet_model_web_visual_v2.1.launch.py mipi_image_width:=640 mipi_image_height:=352 mipi_lpwm_enable:=True mipi_image_framerate:=30.0 need_rectify:=False height_min:=-10.0 height_max:=10.0 pc_max_depth:=5.0 uncertainty_th:=0.1
+```
+3. 测试模型效果
+网页端查看深度图，浏览器访问 http://{开发板的IP地址}:8000
+
+## RDK S100 部署流程
+1. 配置tros.b humble环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 启动双目模型launch文件，其包含了算法和双目相机节点的启动
+```bash
+ros2 launch hobot_stereonet stereonet_model_web_visual_v2.4.launch.py \
+mipi_image_width:=640 mipi_image_height:=352 mipi_lpwm_enable:=False mipi_image_framerate:=30.0 \
+need_rectify:=False height_min:=-10.0 height_max:=10.0 pc_max_depth:=5.0 \
+uncertainty_th:=0.1
+```
+3. 测试模型效果
+网页端查看深度图，浏览器访问 http://{开发板的IP地址}:8000

knowledge_hub/skills/stereo-occ-deployer/SKILL.md

@@ -0,0 +1,29 @@
+---
+name: stereo-occ-deployer
+description: 指导用户在 RDK 板端部署双目 OCC 算法（使用本地图片回灌），提供 ROS 2 Humble 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署双目 OCC 算法并解决报错。请严格按照以下流程指导用户执行。
+
+## 部署流程
+1. 配置tros.b humble环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 启动ZED-2i相机和占用网络推理程序
+```bash
+ros2 launch dstereo_occnet zed2i_occ_node.launch.py
+```
+3. 启动launch文件
+```bash
+ros2 launch mono3d_indoor_detection mono3d_indoor_detection.launch.py
+```
+4. 查看双目图像
+程序启动后可以通过网页查看ZED-2i发布的双目图像，在PC端浏览器输入[http://IP:8000](http://ip:8000/) 即可查看双目图像（IP为RDK板端的IP），并且要保证PC和RDK能通过网络通讯
+5. 通过rviz2可查看占用网格
+```bash
+sudo apt install ros-humble-rviz2
+source /opt/tros/humble/setup.bash
+rviz2
+```

knowledge_hub/skills/vision-language-model-deployer/SKILL.md

@@ -0,0 +1,69 @@
+---
+name: vision-language-model-deployer
+description: 指导用户在 RDK 板端部署视觉语言模型（支持 RDK X5 和 RDK S100），提供 ROS 2 Humble 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署视觉语言模型并解决报错。请根据用户的板卡类型（RDK X5 或 RDK S100），严格按照以下对应的流程指导用户执行。
+
+## RDK X5 部署流程
+1. 下载功能包
+```bash
+sudo apt update
+sudo apt install tros-humble-hobot-llamacpp
+```
+2. 系统配置
+手动使用命令srpi-config修改ION memory大小为1.9GB，设置方法参考RDK用户手册配置工具srpi-config使用指南[Performance Options](https://developer.d-robotics.cc/rdk_doc/System_configuration/srpi-config#performance-options)章节。
+重启后设置CPU最高频率为1.5GHz，以及调度模式为performance，命令如下：
+```bash
+sudo bash -c 'echo 1 > /sys/devices/system/cpu/cpufreq/boost'
+sudo bash -c 'echo performance >/sys/devices/system/cpu/cpu0/cpufreq/scaling_governor'
+sudo bash -c 'echo performance >/sys/devices/system/cpu/cpu1/cpufreq/scaling_governor'
+sudo bash -c 'echo performance >/sys/devices/system/cpu/cpu2/cpufreq/scaling_governor'
+sudo bash -c 'echo performance >/sys/devices/system/cpu/cpu3/cpufreq/scaling_governor'
+sudo bash -c 'echo performance >/sys/devices/system/cpu/cpu4/cpufreq/scaling_governor'
+sudo bash -c 'echo performance >/sys/devices/system/cpu/cpu5/cpufreq/scaling_governor'
+sudo bash -c 'echo performance >/sys/devices/system/cpu/cpu6/cpufreq/scaling_governor'
+```
+3. 下载模型文件到运行路径
+```bash
+wget https://hf-mirror.com/D-Robotics/InternVL2_5-1B-GGUF-BPU/resolve/main/Qwen2.5-0.5B-Instruct-Q4_0.gguf
+wget https://hf-mirror.com/D-Robotics/InternVL2_5-1B-GGUF-BPU/resolve/main/rdkx5/vit_model_int16_v2.bin
+```
+4. 启动程序
+```bash
+source /opt/tros/humble/setup.bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/hobot_llamacpp/config/ .
+ros2 run hobot_llamacpp hobot_llamacpp --ros-args -p feed_type:=0 -p image:=config/image2.jpg -p image_type:=0 -p user_prompt:="描述一下这张图片." -p model_file_name:=vit_model_int16_v2.bin -p llm_model_name:=Qwen2.5-0.5B-Instruct-Q4_0.gguf
+```
+
+## RDK S100 部署流程
+1. 下载功能包
+```bash
+sudo apt update
+sudo apt install tros-humble-hobot-llamacpp
+```
+2. 系统配置
+手动使用命令srpi-config修改ION memory大小为1.9GB，设置方法参考RDK用户手册配置工具srpi-config使用指南[Performance Options](https://developer.d-robotics.cc/rdk_doc/System_configuration/srpi-config#performance-options)章节。
+重启后设置CPU最高频率为1.5GHz，以及调度模式为performance，命令如下：
+```bash
+sudo bash -c 'echo 1 > /sys/devices/system/cpu/cpufreq/boost'
+sudo bash -c 'echo performance >/sys/devices/system/cpu/cpu0/cpufreq/scaling_governor'
+sudo bash -c 'echo performance >/sys/devices/system/cpu/cpu1/cpufreq/scaling_governor'
+sudo bash -c 'echo performance >/sys/devices/system/cpu/cpu2/cpufreq/scaling_governor'
+sudo bash -c 'echo performance >/sys/devices/system/cpu/cpu3/cpufreq/scaling_governor'
+sudo bash -c 'echo performance >/sys/devices/system/cpu/cpu4/cpufreq/scaling_governor'
+sudo bash -c 'echo performance >/sys/devices/system/cpu/cpu5/cpufreq/scaling_governor'
+sudo bash -c 'echo performance >/sys/devices/system/cpu/cpu6/cpufreq/scaling_governor'
+```
+3. 下载模型文件到运行路径
+```bash
+wget https://hf-mirror.com/D-Robotics/InternVL2_5-1B-GGUF-BPU/resolve/main/Qwen2.5-0.5B-Instruct-Q4_0.gguf
+wget https://hf-mirror.com/D-Robotics/InternVL2_5-1B-GGUF-BPU/resolve/main/rdks100/vit_model_int16.hbm
+```
+4. 启动程序
+```bash
+source /opt/tros/humble/setup.bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/hobot_llamacpp/config/ .
+ros2 run hobot_llamacpp hobot_llamacpp --ros-args -p feed_type:=0 -p image:=config/image2.jpg -p image_type:=0 -p user_prompt:="描述一下这张图片." -p model_file_name:=vit_model_int16.hbm -p llm_model_name:=Qwen2.5-0.5B-Instruct-Q4_0.gguf
+```

knowledge_hub/skills/visual-inertial-odometry-deployer/SKILL.md

@@ -0,0 +1,24 @@
+---
+name: visual-inertial-odometry-deployer
+description: 指导用户在 RDK 板端部署视觉惯性里程计算法，提供 ROS 2 Humble 和 Foxy 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署视觉惯性里程计算法并解决报错。请根据开发板的 ROS 版本（Humble 或 Foxy），严格按照以下对应的流程指导用户执行。
+
+## 部署流程
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 启动launch文件
+```bash
+ros2 launch hobot_vio hobot_vio.launch.py
+```
+3. 轨迹结果可在PC的rviz2软件查看
+输出topic：horizon_vio/horizon_vio_path（vio算法输出的机器人运动轨迹）

knowledge_hub/skills/yolo-detection-deployer/SKILL.md

@@ -0,0 +1,64 @@
+---
+name: yolo-detection-deployer
+description: 指导用户在 RDK 板端部署 YOLO 目标检测算法（MIPI摄像头、USB摄像头、本地照片回灌），提供 ROS 2 Humble 和 Foxy 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署 YOLO 目标检测算法并解决报错。请根据开发板的 ROS 版本（Humble 或 Foxy）和使用的摄像头类型，严格按照以下对应的流程指导用户执行。
+
+## 用 MIPI 摄像头部署
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 配置MIPI摄像头
+```bash
+export CAM_TYPE=mipi
+```
+3. 启动launch文件
+```bash
+ros2 launch dnn_node_example dnn_node_example.launch.py dnn_example_config_file:=config/yolov2workconfig.json dnn_example_image_width:=1920 dnn_example_image_height:=1080
+```
+4. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 用 USB 摄像头部署
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 配置usb摄像头
+```bash
+export CAM_TYPE=usb
+```
+3. 启动launch文件
+```bash
+ros2 launch dnn_node_example dnn_node_example.launch.py dnn_example_config_file:=config/yolov2workconfig.json dnn_example_image_width:=1920 dnn_example_image_height:=1080
+```
+4. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 使用本地照片回灌
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 启动launch文件
+```bash
+ros2 launch dnn_node_example dnn_node_example_feedback.launch.py dnn_example_config_file:=config/yolov2workconfig.json dnn_example_image:=config/target.jpg
+```

knowledge_hub/skills/yolo-pose-deployer/SKILL.md

@@ -0,0 +1,68 @@
+---
+name: yolo-pose-deployer
+description: 指导用户在 RDK 板端部署人体检测和跟踪（Ultralytics YOLO Pose）算法（MIPI摄像头、USB摄像头、本地照片回灌），提供 ROS 2 Humble 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署人体检测和跟踪（Ultralytics YOLO Pose）算法并解决报错。请根据用户的摄像头类型，严格按照以下对应的流程指导用户执行。
+
+## 用 MIPI 摄像头部署
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono2d_body_detection/config/ .
+```
+3. 配置MIPI摄像头
+```bash
+export CAM_TYPE=mipi
+```
+4. 启动launch文件
+```bash
+ros2 launch mono2d_body_detection mono2d_body_detection.launch.py kps_model_type:=1 kps_image_width:=1920 kps_image_height:=1080 kps_model_file_name:=config/yolo11x_pose_nashe_640x640_nv12.hbm
+```
+5. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 用 USB 摄像头部署
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono2d_body_detection/config/ .
+```
+3. 配置usb摄像头
+```bash
+export CAM_TYPE=usb
+```
+4. 启动launch文件
+```bash
+ros2 launch mono2d_body_detection mono2d_body_detection.launch.py kps_model_type:=1 kps_image_width:=1920 kps_image_height:=1080 kps_model_file_name:=config/yolo11x_pose_nashe_640x640_nv12.hbm
+```
+5. 测试效果
+在PC端的浏览器输入[http://IP:8000](http://ip:8000/) 即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 使用本地照片回灌
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/mono2d_body_detection/config/ .
+cp -r /opt/tros/${TROS_DISTRO}/lib/dnn_node_example/config/ .
+```
+3. 配置本地回灌图片
+```bash
+export CAM_TYPE=fb
+```
+4. 启动launch文件
+```bash
+ros2 launch mono2d_body_detection mono2d_body_detection.launch.py publish_image_source:=config/person_body.jpg publish_image_format:=jpg kps_model_type:=1 kps_image_width:=640 kps_image_height:=640 kps_model_file_name:=config/yolo11x_pose_nashe_640x640_nv12.hbm
+```
+5. 测试效果
+在PC端的浏览器输入[http://IP:8000](http://ip:8000/) 即可查看图像和算法渲染效果（IP为RDK的IP地址）

knowledge_hub/skills/yolo-world-deployer/SKILL.md

@@ -0,0 +1,67 @@
+---
+name: yolo-world-deployer
+description: 指导用户在 RDK 板端部署 YOLO-World 目标检测算法（MIPI摄像头、USB摄像头、本地照片回灌），提供 ROS 2 Humble 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署 YOLO-World 目标检测算法并解决报错。请根据用户的摄像头类型，严格按照以下对应的流程指导用户执行。
+
+## 用 MIPI 摄像头部署
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/hobot_yolo_world/config/ .
+```
+3. 配置MIPI摄像头
+```bash
+export CAM_TYPE=mipi
+```
+4. 启动launch文件
+```bash
+ros2 launch hobot_yolo_world yolo_world.launch.py yolo_world_texts:="red bottle,trash bin"
+```
+5. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 用 USB 摄像头部署
+1. 配置tros.b环境
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/hobot_yolo_world/config/ .
+```
+3. 配置usb摄像头
+```bash
+export CAM_TYPE=usb
+```
+4. 启动launch文件
+```bash
+ros2 launch hobot_yolo_world yolo_world.launch.py yolo_world_texts:="red bottle,trash bin"
+```
+5. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
+
+## 使用本地照片回灌
+1. 配置tros.b环境（若为humble则用source /opt/tros/humble/setup.bash）
+```bash
+source /opt/tros/setup.bash
+```
+2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
+```bash
+cp -r /opt/tros/${TROS_DISTRO}/lib/hobot_yolo_world/config/ .
+```
+3. 配置本地回灌图片
+```bash
+export CAM_TYPE=fb
+```
+4. 启动launch文件
+```bash
+ros2 launch hobot_yolo_world yolo_world.launch.py yolo_world_texts:="red bottle,trash bin"
+```
+5. 测试效果
+运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）

knowledge_hub/skills/yolov8-seg-deployer/SKILL.md

@@ -0,0 +1,60 @@
+---
+name: yolov8-seg-deployer
+description: 指导用户在 RDK 板端部署 Ultralytics YOLOv8-Seg 图像分割算法（MIPI摄像头、USB摄像头、本地照片回灌），提供 ROS 2 Humble 和 Foxy 版本的详细环境配置与启动指令。
+---
+
+# 角色设定 (Role)
+你是一个 RDK 板端算法的部署专家，负责指导用户在 RDK 板端部署 Ultralytics YOLOv8-Seg 图像分割算法并解决报错。请根据开发板的 ROS 版本（Humble 或 Foxy）和使用的摄像头类型，严格按照以下对应的流程指导用户执行。
+
+## 用 MIPI 摄像头部署
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 配置MIPI摄像头
+```bash
+export CAM_TYPE=mipi
+```
+3. 启动launch文件
+```bash
+ros2 launch dnn_node_example dnn_node_example.launch.py dnn_example_dump_render_img:=0 dnn_example_config_file:=config/yolov8segworkconfig.json dnn_example_image_width:=1920 dnn_example_image_height:=1080
+```
+
+## 用 USB 摄像头部署
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 配置usb摄像头
+```bash
+export CAM_TYPE=usb
+```
+3. 启动launch文件
+```bash
+ros2 launch dnn_node_example dnn_node_example.launch.py dnn_example_dump_render_img:=0 dnn_example_config_file:=config/yolov8segworkconfig.json dnn_example_image_width:=1920 dnn_example_image_height:=1080
+```
+
+## 使用本地照片回灌
+1. 配置tros.b环境
+foxy版本:
+```bash
+source /opt/tros/setup.bash
+```
+humble版本:
+```bash
+source /opt/tros/humble/setup.bash
+```
+2. 启动launch文件
+```bash
+ros2 launch dnn_node_example dnn_node_example_feedback.launch.py dnn_example_config_file:=config/yolov8segworkconfig.json dnn_example_image:=config/test.jpg
+```

knowledge_hub/人体检测和跟踪算法部署体验流程.md

@@ -1,14 +0,0 @@
-# 人体检测和跟踪算法部署体验流程：
-
-1. 配置tros.b humble环境  
-source /opt/tros/humble/setup.bash
-
-
-2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。  
-cp -r /opt/tros/${TROS_DISTRO}/lib/mono2d_body_detection/config/ .
-
-3. 启动launch文件  
-ros2 launch mono2d_body_detection mono2d_body_detection.launch.py kps_model_type:=1 kps_image_width:=1920 kps_image_height:=1080 kps_model_file_name:=config/yolo11x_pose_nashe_640x640_nv12.hbm
-
-3. 测试模型效果  
-网页端查看深度图，浏览器访问 http://{开发板的IP地址}:8000

knowledge_hub/单目高程网络检测算法部署流程.md

@@ -5,7 +5,8 @@ foxy版本:source /opt/tros/setup.bash
 humble版本:source /opt/tros/humble/setup.bash
 
 2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
-cp -r /opt/tros/${TROS_DISTRO}/lib/elevation_net/config/ 
+cp -r /opt/tros/${TROS_DISTRO}/lib/elevation_net/config/ .
+
 
 3. 启动launch文件
 ros2 launch elevation_net elevation_net.launch.py

knowledge_hub/双目深度+YOLO v8效果体验流程.md

@@ -1,11 +0,0 @@
-# 目深度模型+YOLO v8效果体验流程
-
-1. 启动双目深度模型+YOLO v8模型的脚本
-bash /userdata/start_stereo.sh
-
-2. 查看日志
-tail -111f /userdata/stereo_output.log
-
-3. 测试模型效果  
-网页端查看深度图，浏览器访问 http://{开发板的IP地址}:8000/TogetheROS/。你需要帮助用户执行open {网页地址}的命令，帮用户直接打开浏览器查看深度图。
-注意：要先查看日志再打开网页

knowledge_hub/激光雷达目标检测算法部署流程.md

@@ -15,7 +15,8 @@ ln -s `ros2 pkg prefix hobot_centerpoint`/lib/hobot_centerpoint/qat/ qat
 ln -s ~/centerpoint_data centerpoint_data
 
 4. 启动launch文件
-ros2 launch hobot_centerpoint hobot_centerpoint.launch.p
+ros2 launch hobot_centerpoint hobot_centerpoint.launch.py
+
 
 5. 测试效果 
 运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）
@@ -38,6 +39,6 @@ ros2 launch websocket websocket_service.launch.py
 5. 启动launch文件
 ros2 launch hobot_centerpoint hobot_centerpoint_websocket.launch.py lidar_pre_path:=config/hobot_centerpoint_data
 
-5. 测试效果 
+6. 测试效果 
 运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）