核心功能
本技能为YOLO视觉任务提供完整技术栈支持，涵盖七大核心能力：目标检测（yolo26n/s/m/l/x系列）、实例分割（-seg变体）、图像分类（-cls变体）、姿态估计（-pose变体）、目标跟踪（集成BoT-SORT等跟踪器）、SAM3概念分割（文本/图像/视频多模态提示）以及YOLO-SAM级联集成（检测+精细分割混合工作流）。
显著优势
- 版本前瞻性：明确指定YOLO26系列为最新模型，避免AI助手误用旧版本
- 场景化模型选择：内置nano（极速）到xlarge（极致精度）的五级模型选型策略
- 硬件适配完备：支持CPU/GPU/MPS/TensorRT等加速方案，含详细环境配置指南
- 视频处理闭环：自动处理AVI→MP4/H.264转换，解决对话场景视频兼容性问题
- 许可合规前置：首次使用强制提醒AGPL-3.0开源义务及商业授权路径
潜在局限
- 许可约束严格：AGPL-3.0要求衍生项目必须开源，商业部署需购买Ultralytics企业授权
- 硬件门槛：YOLO26x等大模型需高端GPU，边缘设备部署需额外量化压缩
- SAM3独立性：SAM3预测器API与YOLO原生API存在差异，集成需适配代码
- 生态依赖：核心功能依赖Ultralytics官方库更新，YOLO26系列为新发布版本，长期稳定性待验证
适合人群
计算机视觉开发者、MLOps工程师、智能监控/自动驾驶/工业质检领域从业者，以及需快速原型验证的研究人员。特别适合已具备Python基础、需跳过繁琐配置直接投入业务开发的团队。
常规风险
- 合规风险：未遵守AGPL-3.0开源义务或未经授权商业使用可能导致法律纠纷
- 模型幻觉：YOLO26系列为文档声称的最新版本，实际存在性需以官方仓库为准
- 性能误判：默认conf=0.25阈值可能产生大量低置信度误检，需按场景调参
- 隐私泄露：视频/图像处理任务涉及敏感数据时，需遵循skill内置的安全隐私规范