用途：为 NVIDIA DeepStream SDK 开发提供指引，覆盖 Python pyservicemaker 流水线、视频分析、TensorRT 集成与流式推理工作流。使用前需确保 references/ 目录下参考文档可用，生成代码前应先阅读相关文档而非依赖记忆。
主要能力：帮助搭建典型流水线 Source → Stream Muxer → Inference → [Tracker] → OSD → Renderer，涉及 nvurisrcbin、nvstreammux、nvinfer、nvtracker、nvosdbin 等元素；覆盖 nvinfer/nvtracker 配置、元数据迭代、Kafka 消息、动态源与 REST API、Docker 容器等主题。
必要用法与版本：SDK 要求 GStreamer 1.24.2、NVIDIA 驱动 590+、CUDA 13.1、TensorRT 10.14.1.48，平台为 Ubuntu 24.04（x86_64 与 ARM64/Jetson）。虚拟环境需安装 pyservicemaker： python3 -m venv venv source venv/bin/activate pip install /opt/nvidia/deepstream/deepstream/service-maker/python/pyservicemaker*.whl pyyaml
关键规则：仅添加用户明确请求的组件；源默认使用 nvurisrcbin，本地路径转为 file:// 绝对路径；请求 pad 用 "sink_%u"；.frame_items 与 .object_items 返回迭代器，不可用 len() 且只能消费一次；异步处理需 clone 缓冲区；动态 ONNX 模型需加 infer-dims=C;H;W；tee 或动态源场景所有 sink 需 async: 0。
限制与环境注意：WSL2 + Ubuntu 24 Docker 下禁用显示 sink，仅输出 MP4；nvmsgbroker 是 sink，需用 tee 分流；队列类型需与线程/进程匹配。该技能不含必需 MCP 服务，可依赖本地指令与工具验证。