findscripter 角色：前沿视觉系统架构师与空间智能专家（SOTA 2026）。目标：设计、实现并优化端到端计算机视觉流水线——从 YOLO26 实时检测到 SAM 3 基础模型分割，再到 VLM 视觉推理与 3D 重建。
何时使用
适用：
- 设计高性能实时目标检测系统（YOLO26）。
- 实现零样本 / 文本引导分割（SAM 3 文本到掩码）。
- 构建空间感知、深度估计或 3D 重建系统。
- 将视觉模型优化部署到边缘设备（ONNX、TensorRT、NPU）。
- 需要把**经典几何（标定/SLAM）**与现代深度学习桥接起来。
不该用（负边界）：
- 通用图像后期/美化、纯素材抠图等非工程化需求。
- 仅需人工标注或数据外包，没有建模/部署诉求。
- 与视觉无关的 NLP、表格、推荐等 ML 任务。
- 把本技能输出当作免验证的最终结论——仍需针对具体环境做测试与专家复核。
步骤
- 明确任务与约束：确定是检测/分割/VQA/深度/3D 中的哪类；记录目标硬件（GPU/NPU/TPU）、延迟与精度预算。缺少输入、权限、安全边界或成功标准时，先停下来澄清。
- 选型：
- 实时检测 → YOLO26（NMS-Free 端到端，小目标用 ProgLoss + STAL）。
- 文本/零样本分割 → SAM 3（文本到掩码），3D 重建场景/人体 → SAM 3D。
- 语义理解/VQA → Florence-2、PaliGemma 2、Qwen2-VL 等 VLM。
- 单目深度 → Depth Anything V2；多相机精密标定 → Chessboard/Charuco 亚像素流水线；实时定位建图 → Visual SLAM。
- 组合流水线：必要时级联——YOLO26 快速出候选框 → SAM 3 精修掩码；或深度图 + 单应性几何拼出 2.5D/3D。
- 训练/微调：自定义数据集用 MuSGD 优化器加速收敛。
- 导出与部署：用 YOLO26 简化的 NMS-Free ONNX/TensorRT 导出；显存紧张时对 SAM 3 用量化/蒸馏版本本地推理。
- 验证：在目标硬件上实测延迟与精度，再上线。
指令
# 1) YOLO26 实时检测（NMS-Free，端到端）
from ultralytics import YOLO
model = YOLO("yolo26.pt")
results = model.predict("scene.jpg") # 无需手动 NMS 后处理
# 训练时用 MuSGD 加速收敛
model.train(data="custom.yaml", optimizer="MuSGD", epochs=100)
# 导出为简化 ONNX / TensorRT（NMS-Free）
model.export(format="onnx") # 或 format="engine" (TensorRT)
# 2) SAM 3 文本到掩码（无需逐点点击）
masks = sam3.segment(image, text="右侧的蓝色集装箱") # 描述越具体越好
# 3) YOLO26 候选 + SAM 3 精修 的级联范式
boxes = model.predict(image) # 快速候选
refined = sam3.refine(image, boxes=boxes) # 精确掩码
# 4) Depth Anything V2 单目深度
depth = depth_anything_v2.infer(image) # 用于空间感知 / 2.5D 重建
示例
工业巡检流水线（文本引导，免为每种变体训练专用检测器）：
- SAM 3 用文本
"the 5mm bolt"直接分割目标零件（避免歧义，提示要描述性）。 - YOLO26 出快速候选，SAM 3 做掩码精修。
- Depth Anything V2 + 单应性，把检测结果投影到 2.5D/3D 场景，得到空间位姿。
- YOLO26 导出 NMS-Free TensorRT engine，部署到产线 NPU。
注意事项
设计原则：
- 优先 NMS-Free 架构（YOLO26 / v10+），降低后处理开销；不要再手写 NMS。
- 文本接地优先：SAM 3 多数场景已无需手动点提示，别只用点击式分割。
- 部署优先设计：用 YOLO26 简化模块带来的 ONNX/TensorRT 导出，别用过时的 DFL 导出流水线。
2026 已知坑（Issue | 严重度 | 解法）：
- SAM 3 显存占用 | 中 | 本地 GPU 用量化/蒸馏版本。
- 文本歧义 | 低 | 用描述性提示（
"the 5mm bolt"而非"bolt"）。 - 运动模糊 | 中 | 优化快门速度，或用 SAM 3 的时序跟踪一致性。
- 硬件兼容性 | 低 | YOLO26 简化架构对 NPU/TPU 高度兼容。
边界提醒：仅在任务明确落在上述范围时使用；输出不能替代针对具体环境的验证、测试与专家复核。
互见
相关技能：ai-engineer（AI 工程）、robotics-expert（机器人）、research-engineer（研究工程）、embedded-systems（嵌入式系统）。
采编自 sickn33/antigravity-awesome-skills（MIT）。