编者摘要：NVIDIA 推出 Jetson Agent Skills，为边缘 AI 开发提供智能体驱动的全新范式，解决传统 Jetson 开发需要兼顾硬件、内存、容器、部署约束等大量手工重复工作的痛点。Agent Skills 分为 Device 设备技能与 BSP 板级支持包技能，封装设备专属流程、安全边界与脚本，赋予编码智能体硬件感知能力，遵循检查→运行→实测闭环。

开发者只需描述业务目标，智能体即可生成方案、自动化配置，所有结果以硬件实测数据为准。JetPack 7.2.1 新增视频智能体技能，基于 PyNvVideoCodec 实现视频编解码流水线自动化构建与性能验证。官方 Jetson AI Lab 提供完整 Codex 实操教程，演示从硬件连接到本地 VLM 视觉语言模型应用部署。

相比传统开发，该方案大幅减少重复工程工作，让开发者聚焦产品业务逻辑，缩短交付周期。整套方案智能体无关，支持受控权限、变更审批、硬件验证，配套开源仓库、教学视频与开发者直播，便于上手落地边缘 AI 项目。

10 个关键问题 Q&A

1. Q：什么是 Jetson Agent Skills？
   A：一套封装硬件知识、指令脚本、安全边界的技能包，让编码智能体掌握 Jetson 边缘设备开发流程，实现 AI 辅助边缘开发。
2. Q：Device Skills 和 BSP Skills 有什么区别？
   A：Device Skills 用于 Jetson 设备运行时的诊断、模型部署、视频加速；BSP Skills 用于烧录前主机侧的板级平台定制。
3. Q：这套方案只能用 Codex 智能体吗？
   A：不是，底层框架智能体无关，Codex 仅作为演示工具，其他编码智能体也可以适配这套工作流。
4. Q：Jetson Agent Skills 核心闭环是什么？
   A：Inspect 检查 → Run 运行 → Measure 实测，硬件实测数据是判断结果的唯一依据。
5. Q：JetPack7.2.1 新增了什么核心能力？
   A：新增视频智能体技能，基于 PyNvVideoCodec，自动构建视频编解码 + CV/AI 流水线并完成性能验证。
6. Q：开发者如何使用这套系统？
   A：开发者只需要描述业务目标，智能体生成实施方案，人工审核计划、批准有限变更，最后在硬件验证效果。
7. Q：相比传统边缘 AI 开发，最大优势是什么？
   A：大量减少硬件适配、环境配置等重复性手工工作，开发者聚焦产品业务，缩短项目交付周期。
8. Q：这套机制有安全管控吗？
   A：有，采用受控访问、只读基线、安全检查点，所有变更需要人工审核批准，防止设备误操作。
9. Q：官方提供哪些落地学习资源？
   A：Jetson AI Lab 交互式教程、两段实操视频、开源仓库、开发者直播，覆盖从硬件连接到 VLM 应用部署。
10. Q：视频技能可以完成哪些验证指标？
    A：自动检测编解码配置，验证吞吐量、延迟，输出运行告警、配置参数以及可复现的测试证据。

开发边缘 AI 并不仅仅是编写代码。开发者还必须充分考虑目标硬件、可用内存、JetPack 软件版本、容器、加速运行时、摄像头设备，以及各类部署约束条件。

Agent Skills（智能体技能）将这些硬件设备专属知识融入 AI 辅助开发流程。开发者可以直接描述最终想要达成的效果：

“检测这台 Jetson 设备状态，为其部署一套可运行的视觉语言模型应用，在实际修改设备配置前先展示完整实施方案。”

Jetson Agent Skills 工作原理

一项Skill（技能）是一套可被检查的指令、参考资料、安全边界以及可选辅助脚本，教会 AI 编码智能体如何完成特定 Jetson 开发工作流。

1. Device Skills（设备技能）
   用于操控正在运行的 Jetson 硬件，覆盖设备诊断、环境配置、模型部署服务、基准性能测试、内存管理、硬件加速视频处理等任务。
2. BSP Skills（板级支持包技能）
   在主机端完成烧录前的平台定制，包含硬件接口配置、电源参数设置、编译构建、部署烧录、有效性验证。

编码智能体负责逻辑推理、代码编辑与自动化操作；Jetson Agent Skills提供平台专属流程与上下文信息；来自硬件设备或者 BSP 工作区的实时测量结果才是判断结果是否有效的根本依据。

完整 Codex 实操工作流

Jetson AI Lab 上提供全新交互式教程，带你完成从连接 Jetson 硬件，直至运行独立的视觉语言（VLM）应用的完整流程。

虽然演示视频使用 Codex，但这套方案兼容各类编码智能体：为智能体授予受控访问权限、建立只读基线状态、审阅执行方案、批准限定范围内的变更，最后在真实硬件上验证运行结果。

教程页面整合全套资源：配置指引、可复用提示词、安全检查点、两段配套教学视频。

• 第 1 部分：准备 Jetson 设备
  视频演示：Mac 电脑连接 Jetson Orin 硬件，配置 SSH，部署 Codex，建立设备基线，安装 Jetson Device Skills，验证 GPU 容器可正常工作。
• 第 2 部分：构建并验证应用
  视频演示：基于已有软件与预构建容器，用 Codex 搭建本地 VLM 演示程序；接入 USB 摄像头，校验 GPU 加速与内存稳定性，配置开机自动启动该应用。

从提示词到可验证视频处理流水线

Codex 演示聚焦应用开发；JetPack 7.2.1 把这套基于技能的开发模式扩展到更多专业平台工作流当中。

JetPack7.2.1 在Video Codec SDK和PyNvVideoCodec之上新增基础视频智能体技能。这些技能让编码智能体可以检测真实硬件、筛选可用编解码参数、生成可直接运行的配置方案、执行任务并返回实测数据结果。

开发者可以直接下达指令：

“解码该视频，运行计算机视觉处理，验证编解码环节满足性能指标。”

最终输出一套经过验证的完整工作流，附带配置参数、吞吐量、延迟、风险警告，以及可复现的运行证据。

进一步学习资源

1. Jetson‑AI‑Lab 交互式教程页面，提供全套提示词模板
2. 配套两段实操视频，完成硬件准备与 VLM 应用开发
3. 开发者直播：NVIDIA 工程师演示完整工作流，讲解编码智能体和 Jetson Agent Skills 如何协同，解答 JetPack、容器、推理运行时、硬件资源相关实际问题
4. 开源仓库：jetson‑device‑skills，获取全部技能源码

核心逻辑：Agent Skills 不会替代文档或者 AI 编码智能体；它把平台工程知识封装成可复用工作流，把推理决策和真实硬件实测结合在一起。

关键名词对照表