用途：该技能用于 NVIDIA DeepStream SDK 开发，基于 Python pyservicemaker API 构建视频分析流水线，覆盖 GStreamer 视频处理与 TensorRT 推理。
主要能力：典型流水线为 Source → Stream Muxer → Inference → [Tracker] → OSD → Renderer，方括号组件按需添加。支持 nvurisrcbin 接入文件、RTSP、HTTP 等源，nvstreammux 批处理，nvinfer/nvinferserver 推理，nvtracker 跟踪，nvosdbin 叠加显示，以及 nvmsgbroker/nvmsgconv 消息代理。使用 NVMM 零拷贝 GPU 缓冲，caps 以 memory:NVMM 标识。
使用方式：生成代码前必须先阅读 references/ 下的参考文档，不依赖记忆。源默认用 nvurisrcbin，本地路径转为 file:// 加绝对路径；RTSP 实时源需设 live-source=1 与 sink 的 sync=0。请求 pad 用 "sink_%u" 模板。元数据用 .frame_items 与 .object_items 迭代，不能用 len()。异步处理需 clone buffer。nvinfer 配置 YAML 用 property: 段，INI 用 [property] 段。使用 tee 或动态源时所有 sink 需 async=0。动态 ONNX 模型需加 infer-dims=C;H;W。venv 内需安装 pyservicemaker 与 pyyaml。
适用场景：视频分析流水线、多路流推理、目标检测与跟踪、可视化输出、Kafka 消息推送、REST API 动态增删源、Docker 容器部署等。
限制：需满足 SDK 版本要求（GStreamer 1.24.2、驱动 590+、CUDA 13.1、TensorRT 10.14.1.48，平台 Ubuntu 24.04 x86_64 与 ARM64/Jetson）。WSL2 Ubuntu 24 Docker 下禁用显示 sink，仅输出 MP4。measure_fps_probe 不能挂到 sink 元素。具体收费、价格与效果资料暂未提供。