AndersOnLin4 视觉AI本地部署 Skill
在用户 Windows 主机上部署与维护本地视觉 AI 模型的操作手册。所有路径、依赖版本、硬件约束均已固定，直接复用，避免重复踩坑。
环境与硬件（固定事实，不可变）
- 硬件：CPU 9700X ｜ GPU RTX 4060 Ti 8GB ｜ 内存 DDR5 32GB
- 显示器：双屏混合 DPI——主屏 4K(3840×2160@200%) + 副屏 1080p(1920×1080@100%)
- 系统：Win11 ｜ 代理 FlClashX（127.0.0.1:7893）
- 主项目目录：
G:\LocateAnything\（Python、venv、模型、脚本、.bat 全在此） - TensorRT 方案目录：
G:\YOLO-TensorRT\ - 打包产物目录：
G:\YOLO-Package\
详见 references/environment.md
关键约束（必须遵守）
- C 盘敏感：一切安装到 G 盘；HF_HOME、pip cache、YOLO_CONFIG_DIR 必须重定向到 G，禁止写 C。
- 8GB 显存约束：LocateAnything-3B 权重 7.66GB，bf16 装不下，必须 4-bit 量化（bitsandbytes
load_in_4bit）。 - 分辨率上限 1280：8GB 显存下 LocateAnything 检测分辨率最高 1280px；1600px 实测 68 秒/峰值 11.92GB（爆显存颠簸），1080p 及以上不可行。YOLO/TensorRT 无此限制。
- 硬件超限先询问：当部署超出用户硬件配置的模型/软件时，必须先询问用户；用户拒绝则选轻量化版本。
- 许可证约束：LocateAnything = NVIDIA 非商用（仅学术研究，用户大创可用，商用需换模型）；YOLO = AGPL-3.0（商用分发有开源义务）。打包分发前必须提示。
调用方式
本 skill 为知识型 skill，无需执行脚本。当用户提出视觉 AI 部署/运行/排查需求时：
- 先读 references/environment.md 确认环境与路径。
- 按需求匹配对应功能域（见下方），读取对应 reference 执行。
- 遇到报错/异常，先查 references/pitfalls.md 的踩坑记录，避免重复排查。
功能域
环境与依赖
Python 3.11、venv、torch cu124、pip 镜像、缓存重定向。详见 references/environment.md
模型部署（三套）
- LocateAnything-3B：VLM 定位模型，4-bit 量化部署。详见 references/deployment.md
- YOLO11：实时检测，ultralytics，本地训练。详见 references/deployment.md
- TensorRT：YOLO 引擎加速（300 FPS），直接 TensorRT API。详见 references/deployment.md
工具与启动
网页版、悬浮框、标注工具、训练、打包分发。详见 references/tools.md
踩坑与排查
编码、DPI、置顶、双重 sigmoid、类过滤、torch 降级等全部已踩坑记录。详见 references/pitfalls.md
踩坑速查（最高频）
- torch 装成 CPU 版 → 走 CUDA 索引 cu124，装完
torch.cuda.is_available()验证 - 8GB 显存 OOM → 4-bit 量化
- .bat 启动没反应 → 纯 ASCII + CRLF 换行
- UI 跨屏大小错乱 →
SetProcessDpiAwareness(2)+ 手动按屏设tk scaling - 悬浮框看不见 → 别用底层 API 写
WS_EX_LAYERED，用 Tk 原生-topmost+lift - YOLO 置信度偏低+满屏 0.5 → 别再 sigmoid（TRT 输出已是概率）
- 勾选类别无效 → 检查是否把 classes 用于过滤
注意事项
- 不重复安装：环境已建好（
G:\LocateAnything\venv、模型、.bat），优先复用，除非用户明确要求重建。 - 不碰 C 盘：任何安装/缓存/下载先确认落盘位置为 G。
- 诚实告知利弊：量化会略降精度、TensorRT 固定 640 输入、打包产物约 4GB（torch CUDA 库占大头）等事实必须如实说明，不做过度承诺。
- 许可证提示：涉及分发/商用意图时，必须提示 LocateAnything 非商用、YOLO AGPL 条款。