用途：该技能面向 DL Streamer 视频分析应用的生成，当用户用自然语言描述视觉 AI 流水线，或希望新建基于 DL Streamer 的 Python、C/C++ 示例应用、GStreamer 命令行，或组合多个现有示例元素（如检测 + VLM + 录制）、添加自定义分析逻辑或自定义 GStreamer 元素时使用。
主要能力：按仓库根相对路径引用技能目录外的文件（如 docs/user-guide/elements/、samples/gstreamer/python/hello_dlstreamer/）；提供需求收集、模型准备、流水线构建、示例索引、设计模式、调试提示等参考文档；支持从 DeepStream 应用转换，要求逐元素 1 对 1 映射，不添加源流水线中不存在的元素。
使用方式：先执行 Step 0 收集需求（视频输入、AI 模型、目标硬件、输出格式、应用类型、Docker 镜像），缺失项需向用户确认；随后并行启动 Docker 拉取、导出脚本与 uv pip 安装、视频下载、流水线设计，再生成应用并运行验证。常用命令包括 docker pull intel/dlstreamer:latest、uv venv 与 uv pip install -r export_requirements.txt、python3 export_models.py，以及 docker run 挂载 /dev/dri、/dev/accel 运行应用。
适用场景：新建或转换 DL Streamer 视频分析示例应用，覆盖 Python、C/C++ 与 GStreamer 命令行。
限制：执行安装、下载或修改文件前需展示确切命令并请求用户确认；不得将原始用户输入插入 shell 命令；文件操作默认限制在示例应用目录内；若模型或元素不支持 NPU 推理，应提示回退到 GPU 或 CPU；export_requirements.txt 首行需为 --extra-index-url https://download.pytorch.org/whl/cpu。其他细节暂未提供。