SKILLEMALL.ai

AC rdk-x5-toolchain-quantization

Навык уровня Toolchain для пост-тренировочной квантизации (PTQ) D-Robotics / Horizon Robotics RDK X5 OpenExplorer v1.2.8. Используйте при преобразовании произвольных моделей ONNX в развертываемые артефакты .bin / .hbm для RDK X5 с помощью hb_mapper, hb_perf и hrt_model_exec. Охватывает настройку OE Docker, проверку совместимости операторов, подготовку калибровочных данных (nv12, RGBCHW, YUV, резервный вариант featuremap), конфигурацию YAML (calibration_type, node_info, optimization), компиляцию makertbin с помощью hb_mapper, проверку точности (cosine, hb_verifier, infer с помощью hb_mapper), профилирование производительности и настройку точности при проблемах с падением cosine или утилизацией BPU. Независим от моделей для YOLO, ResNet, ViT, Transformer и других моделей ONNX. Активируется по ключевым словам, таким как RDK X5, OpenExplorer, OE 1.2.8, PTQ, hb_mapper, hb_perf, hrt_model_exec, квантизация ONNX, конвертировать в .bin, конвертировать в .hbm, калибровочные данные, calibration_type, featuremap, несоответствие cosine, падение точности и утилизация BPU.

машинный переводПоказать оригиналСкрыть оригинал«Toolchain-level skill for D-Robotics / Horizon Robotics RDK X5 OpenExp…»

Toolchain-level skill for D-Robotics / Horizon Robotics RDK X5 OpenExplorer v1.2.8 post-training quantization (PTQ). Use when converting arbitrary ONNX models to RDK X5 deployable .bin / .hbm artifacts with hb_mapper, hb_perf, and hrt_model_exec. Covers OE Docker setup, operator compatibility checks, calibration data preparation (nv12, RGBCHW, YUV, featuremap fallback), YAML configuration (calibration_type, node_info, optimization), hb_mapper makertbin compilation, accuracy verification (cosine, hb_verifier, hb_mapper infer), performance profiling, and accuracy tuning for cosine drops or BPU utilization issues. Model-agnostic for YOLO, ResNet, ViT, Transformer, and other ONNX models. Trigger on keywords such as RDK X5, OpenExplorer, OE 1.2.8, PTQ, hb_mapper, hb_perf, hrt_model_exec, ONNX quantization, convert to .bin, convert to .hbm, calibration data, calibration_type, featuremap, cosine mismatch, accuracy drop, and BPU utilization.

ClawHub Agent Skills автор: Shockley v1.0.2 MIT-0 10 файлов тело ≈ 1 512 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Навык уровня Toolchain для пост-тренировочной квантизации (PTQ) D-Robotics / Horizon Robotics RDK X5 OpenExplorer v1.2.8. Используйте при преобразовании…

Как процесс C 60/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

АнализаторDockerИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
C
60/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 10. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 60/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 7, без проверки текущего состояния
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 23
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1512 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Длина description 947: рекомендуется 120–800 символов
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 23 пунктов
    • +4Есть примеры (8 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (7 из 7)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.

    Внешние проверки

    ClawHub: clean
    This skill is a documentation-only guide for RDK X5 model quantization and does not show hidden, credential-seeking, persistent, or destructive behavior.
    LLM: benign (high) · VirusTotal: · 9 июл. 2026 г.