用途：该技能定位为资深计算机视觉工程师能力，用于构建生产级图像与视频处理、目标检测、分割及视觉AI系统，并覆盖MLOps、DataOps、分布式计算、部署监控与安全合规等工程实践。
主要能力：涵盖高级生产架构与模式、可扩展系统设计、大规模性能优化、实时处理与推理、模型部署与监控、成本优化及团队技术领导。技术栈包括Python、SQL、R、Scala、Go；PyTorch、TensorFlow、Scikit-learn、XGBoost；Spark、Airflow、dbt、Kafka、Databricks；LangChain、LlamaIndex、DSPy；Docker、Kubernetes、AWS/GCP/Azure；MLflow、Weights & Biases、Prometheus；PostgreSQL、BigQuery、Snowflake、Pinecone。
使用方式：提供三个核心脚本入口：python scripts/vision_model_trainer.py --input data/ --output results/；python scripts/inference_optimizer.py --target project/ --analyze；python scripts/dataset_pipeline_builder.py --config config.yaml --deploy。参考文档位于references/computer_vision_architectures.md、references/object_detection_optimization.md、references/production_vision_systems.md。常见命令包括训练、评估、Docker构建、kubectl部署与健康检查等。
适用场景：生产视觉系统、目标检测优化、实时高吞吐推理、分布式数据处理、模型部署与漂移监控、A/B测试与自动重训。
限制：资料未提供具体收费、价格、平台支持范围、效果指标验证方式及安装步骤；性能目标（如P50<50ms、可用性99.9%）为文档列出的目标值，非实测保证。