Metro AI App Recipe 是一个面向 Intel 硬件的计算机视觉分析栈搭建技能，通过 Docker Compose 在指定目录中生成并运行一套完整的端到端分析系统。该技能与垂直领域无关，同一套七容器拓扑可服务于任意 DL Streamer / OpenVINO 视觉流水线，仅需调整模型、类别过滤、告警规则、仪表板和主题等参数。
用途
该技能适用于构建对象检测、分类、对象计数或区域/越线告警流水线，覆盖智慧城市/ITS、零售、工业/物流、医疗/设施等垂直领域，也支持自定义 OpenVINO IR 或 ONNX 检测器加可选分类器。它不适用于非 Intel 或纯云部署、Prometheus/OpenTelemetry 指标栈，以及模型训练或导出。
主要能力
- 一键部署七容器栈：DL Streamer Pipeline Server、MediaMTX、Coturn、Mosquitto、Node-RED、Grafana、Nginx。
- 支持 CPU、GPU、NPU 或 AUTO 推理设备选择。
- 支持文件、RTSP、/dev/videoN 或本地路径作为输入源。
- 通过 Node-RED 实现基于规则的告警（如 count>2 in 10s），支持按源或聚合范围。
- 通过 MQTT 发布检测结果、计数和告警主题。
- Grafana 仪表板展示实时对象计数和告警数据，并嵌入 WebRTC 视频面板。
- 可选 Scenescape 多摄像头空间分析路径。
- 提供 Demo/PoC 单应用轻量路径，用于快速验证模型在 Intel 硬件上运行。
使用方式
技能通过调用提示词触发，首先询问打包方式（demo/function/port 或 microservice），若选择单应用路径则跳过后续问题；否则批量询问七个问题，包括模型、分类器、目标硬件、输入源、Node-RED 规则、告警通道和是否启用 Scenescape。随后进行参数验证，按需加载参考文件，并执行安装脚本。安装脚本会下载模型、量化 INT8、生成 TLS 证书、下载示例视频，并启动 Docker Compose 栈。用户可通过 sample_start.sh 启动流水线，通过 Grafana、DLSPS REST 和 WHEP 地址访问服务。
适用场景
- 智慧城市：行人/车辆检测、车牌识别、智能停车、逆行检测。
- 零售：顾客计数、队列长度、货架缺货、停留时间。
- 工业/物流：表面缺陷、PPE 合规、区域入侵、叉车跟踪。
- 医疗/设施：跌倒检测、手卫生、占用率、周界入侵。
- 自定义：任意 OpenVINO IR / ONNX 检测器加可选分类器。
限制
- 仅支持 Intel 硬件，不支持非 Intel 或纯云部署。
- 不包含 Prometheus/OpenTelemetry 指标栈。
- 不用于模型训练或导出。
- Scenescape 默认关闭，需显式启用。
- 镜像需固定到最新稳定标签，Grafana 固定为 11.5.4。
- 执行有硬超时和重试限制，失败后停止并输出日志。
- 需绕过主机代理访问本地服务，使用 --noproxy '*' 和指定证书。
- 测试环境需在栈目录内创建 Python 虚拟环境。