用途
add-task-pipeline 是一个面向 React Native ExecuTorch 的开发技能,用于指导开发者从零构建 TypeScript 任务流水线。它覆盖从任务定义、模型加载、图像预处理/后处理到 React Hook 封装的完整流程,目标是在移动端设备上执行端到端推理任务(如分类、风格迁移、目标检测)。
主要能力
- 任务构造器规范:提供
create<Task>模式的设计原则,包括资源作用域(createResourceScope)、静态张量预分配(as const)、动态张量try/finally释放、命名前缀t等约定。 - 辅助函数与 worklet:要求辅助逻辑为纯函数、定义在构造函数外,并在 worklet 执行线程中标注
'worklet';指令;禁止在构造函数内添加额外内部闭包。 - PTE 模型导出优化:建议将复杂张量变形、归一化、激活、边界框解码等操作推入 PyTorch 模型,以利用 XNNPACK 或 CoreML 等原生后端;同时保持接口通用性。
- 参数分桶策略:按“谁在何时改变值”将参数分为任务选项(随模型变体变化)、任务文件常量(由模型架构或导出固定)、执行器参数(每次调用由应用决定)三类。
- 错误处理:统一使用
RnExecuTorchError('CODE', msg)抛出带错误码的异常,避免裸Error。 - 反模式清单:明确禁止索引访问张量、将选项参数命名为
opts、泄露原始 Tensor、不必要的线程边界传递、将导出固定值暴露为选项等。 - 实现模板:提供任务文件(
src/extensions/<domain>/tasks/<task>.ts)与 React Hook(src/hooks/use<Task>.ts)的代码模板,并引用classification.ts和useClassifier.ts作为完整示例。 - 验证清单:列出添加任务或 Hook 后需核对的要点,确保内存管理、错误处理、参数配置符合规范。
使用方式
该技能以开发指南形式提供,开发者需在 React Native ExecuTorch 代码库中按步骤实现:先创建任务文件,定义类型、辅助函数、createMyTask 构造函数(包含模型加载、规格校验、张量分配、dispose、runTaskWorklet),再创建 React Hook 封装(利用 useResourceDownload 和 useModel 管理下载、编译、生命周期清理和错误状态)。最后对照验证清单逐项检查。
适用场景
适用于需要在 React Native 应用中集成设备端 AI 推理流水线的开发场景,尤其是使用 ExecuTorch 和 PTE 模型、需要精细管理原生内存与线程边界、并希望以 React Hook 形式暴露任务能力的项目。
限制
该技能为开发规范与模板,不包含可直接运行的独立库或 CLI 工具;具体模型路径、张量形状、阈值等需根据实际任务配置。文档中未提供价格、平台兼容性细节或性能基准数据。