该技能为计算机视觉模型选型与部署流程提供引导，适用于用户希望使用现成模型完成检测、分割或分类任务而无需先训练的场景。
用途：帮助用户理解目标、选择合适的模型、在用户媒体上试用、在需要时部署到项目实时端点，并在必要时改进或训练模型。
主要能力：
- 根据任务类型推荐模型：COCO 类别目标检测用 RF-DETR（rfdetr-nano 起步），实例分割用 RF-DETR Segmentation，关键点用 YOLO26 Pose，描述分类用 Qwen 3.5 VL 2B；非 COCO 检测使用工作区检测默认值。
- 支持明确指定模型 ID 或显式请求特定模型，不虚构模型 ID。
- 处理工作区检测默认值和 OpenAI 检测可用性，包括 managed-key-denied 和 region-unavailable 限制的处理方式。
- 提供试用方式：models_infer 对单张图片使用训练模型 ID 或预训练别名返回 JSON 预测；autolabel_preview 对项目单张图片使用基础模型预览。
- 端点配置：仅在任务需要稳定服务端点或主动学习时配置，每个项目一个稳定端点；新项目或已有项目通过 project_deployment_launch 或 project_deployment_set_model 设置模型，可启用主动学习。
- 训练改进：当结果不理想时，先与用户查看结果；SAM 3 可尝试多个简单描述；需要自定义模型时，采样并标注代表性帧，默认训练 RF-DETR（目标检测）或 RF-DETR Segmentation（实例分割），除非用户明确选择其他支持架构。
使用方式：该技能以 SKILL.md 形式提供，可通过 skills://roboflow/<name>/SKILL.md MCP 资源加载；若客户端已通过 Roboflow 插件加载该技能，则直接使用已加载副本。遵循技能内规则执行模型选择、试用、部署和训练建议。
适用场景：需要快速获得检测、分割、分类能力但未训练模型时；需要为项目配置稳定推理端点时；需要基于试用结果决定是否训练自定义模型时。
限制：视频处理（Gemini、Sol、Astra）逐帧运行且可能快速消耗积分，运行前需与用户确认；持续视频建议采样帧、标注并训练 RF-DETR。端点模型设置会保存配置，非临时更改，未经用户明确请求不得替换已配置的服务模型或保存的提示。训练完成、自动标注设置或试用预览不授权替换端点模型。