RuView Quickstart 是 RuView（WiFi-DensePose）的入门与首次运行技能，目标是把新手从零带到可运行的 RuView 感知仪表盘。它按手头硬件分为三个层级，用户可任选其一。
用途 该技能用于快速上手 RuView 感知系统，覆盖从纯软件演示到真实硬件感知的完整路径，并给出后续可用的相关技能与命令建议。
主要能力
- Tier 0：Docker 演示，无需硬件，约 2 分钟。通过 docker pull ruvnet/wifi-densepose:latest 与 docker run -p 3000:3000 ruvnet/wifi-densepose:latest 启动，打开 http://localhost:3000 即可看到模拟 CSI 数据的完整 UI。适合演示仪表盘、探索 API 或在无传感器情况下开发 UI。
- Tier 1：从源码构建仓库。包括 Rust 工作区测试（1,400+ 测试，约 2 分钟）、单 crate 健全性检查（无 GPU）、以及 Python 确定性 SHA-256 流水线校验。若 verify.py 因 numpy/scipy 升级导致哈希不匹配，可先运行 --generate-hash 再重新校验。
- Tier 2：使用 ESP32-S3（约 9 美元）进行真实感知。需先交接给 ruview-hardware-setup 技能完成烧录/配置/监控循环，然后运行轻量感知服务器（消费 ESP32 UDP CSI 流），以及实时 RF 房间扫描与 SNN 学习辅助脚本。
使用方式 按层级选择对应命令。Tier 0 直接使用 Docker 命令；Tier 1 进入 v2 目录执行 cargo 测试与检查，再运行 Python 校验脚本；Tier 2 先完成硬件设置，再运行 cargo run -p wifi-densepose-sensing-server 及 node 脚本。文档还提供后续步骤表，指向硬件设置、配置、应用、模型训练、高级感知、验证等技能与命令。
适用场景
- 无硬件时演示仪表盘或开发 UI。
- 从源码构建并验证 RuView 仓库。
- 使用 ESP32-S3 进行真实 RF 感知、房间扫描与 SNN 学习。
限制
- 不支持 ESP32-C3 和初代 ESP32（单核，无法运行 CSI DSP 流水线），应使用 ESP32-S3（8MB 或 4MB）或 ESP32-C6。
- 单个 ESP32 空间分辨率有限，建议 2 个以上节点或添加 Cognitum Seed。
- 无摄像头姿态精度有限（约 84 秒训练，PCK 一般）；如需 92.9% PCK@20 需摄像头监督训练（见 ruview-model-training 技能，ADR-079）。
- 无需云、互联网或摄像头，全部在边缘硬件运行。
参考 README.md（功能矩阵、硬件表、安装选项）、docs/user-guide.md、docs/wifi-mat-user-guide.md、docs/build-guide.md、docs/TROUBLESHOOTING.md、docs/tutorials/、examples/（可运行示例：environment、medical、sleep、stress、ruview_live.py）。