用途：部署并操作 DL Streamer Pipeline Server 微服务，将 DL Streamer 流水线封装在 REST API 之后，实现容器化、无代码的实时视频分析。
主要能力：通过 Docker Compose 或 Helm 部署容器；用 REST API 启动、停止、监控流水线实例；在 config.json 中配置流水线定义；为容器配置 GPU/NPU 设备访问（RENDER_GID、设备插件）；配置元数据发布目标（MQTT、OPC UA、S3、InfluxDB、ROS2、文件）；排查服务级问题（容器启动、REST 错误、端口冲突）。
使用方式：REST API 基址为 http://localhost:8080。GET /pipelines 列出流水线定义，POST /pipelines/{name}/{version} 启动实例并返回实例 ID，GET /pipelines/status 查看状态，DELETE /pipelines/{instance_id} 停止。启动请求体包含 source、destination（metadata/frame）和 parameters。帧输出支持 RTSP（rtsp://<host>:8554/<path>）与 WebRTC（http://<host>:8889）。流水线定义放在挂载进容器的 config.json 中。GPU/NPU 场景需先导出 RENDER_GID，例如 RENDER_GID=$(stat -c "%g" /dev/dri/render* | head -1)。
适用场景：本地视频文件目标检测、GPU 加速推理配合 MQTT 元数据发布等。
限制：该技能处于预览阶段。若需编写新的 DL Streamer 应用、从零创建自定义 GStreamer 流水线或开发 Python/C++ 视频分析代码，应改用 dlstreamer-coding-agent 技能。GPU 流水线使用 RTSP/MQTT 时需在 appsink 前加 vapostproc ! video/x-raw；UDF 加载器配合 RTSP 需加 videoconvert ! video/x-raw, format=(string)NV12。NPU 使用同一容器，设置 device=NPU 即可。