DEEPX エージェント駆動型開発 - dx-agent-dev (ベータ)
エージェント駆動型開発のサポートは現在活発に開発中です。 スキル定義とルーティング動作はリリース間で変更される場合があります。
はじめに
DEEPX エージェント駆動型開発（dx-agent-dev）がベータとして登場。 自然言語でNPUアプリを構築：アプリやモデルタスクを自然言語で説明すると、AIコーディングエージェント（Claude Code、Cursor、GitHub Copilot、OpenCode、またはCodex）がDEEPXナレッジベースをエンドツーエンドで駆動します — ブレインストーミング → 計画 → TDD → 検証、ONNX/.ptコンパイルからDX-M1 NPUデバイスデプロイまで。UltralyticsモデルエコシステムにおけるDEEPX NPU専用のエージェント駆動型開発であり、以下のすべてのショーケースはこの方法で作成されています — プロンプト、測定結果、完全なビルドトランスクリプトとともに保存されています。
自然言語コマンドを使用してDEEPX AIアプリケーションを構築できます。AIコーディングエージェントはDEEPX SDKエコシステムを理解しています — GStreamerパイプラインの構成、.dxnnモデルの解釈、InferenceEngineの設定、DxPreprocess/DxInfer要素の接続など — 目的を説明するだけでエージェントが実装の詳細を処理します。
サポートするワークフロー:
IFactory、SyncRunner、AsyncRunnerを使用したスタンドアロン推論アプリ- DEEPXの6カテゴリ13カスタム要素を活用したGStreamerビデオパイプライン
- dx_app、dx_stream、dx-runtimeにまたがるクロスプロジェクトビルド
- DX-COM（dx-compiler）を使用したONNXからDXNN形式へのモデルコンパイル
ショーケース
以下のすべてのショーケースは、単一の自然言語プロンプトでDEEPX NPU SDKをベースに完全自律的に構築された実際のアプリで、プロンプト、測定結果、ワンコマンド再現方法、完全なビルドセッショントランスクリプトとともに保存されています。
NPU搭載AIアプリ（ミニゲーム）
自然言語一行で完全自律型DEEPX-NPUアプリを約20分・約$10で構築。 単一プロンプトでエンドツーエンド構築されたアーケードHUDポーズ駆動ミニゲーム。
| ショーケース | 内容 | ビルド時間 | エージェントターン | 出力トークン | ~コスト |
|---|---|---|---|---|---|
| スクワットカウントミニゲーム | 膝/股関節角度でスクワット回数を計測するアーケードHUD（回数/スコア/DOWN·UP·GOOD!）。 | ≈ 12分 | 132 | ≈ 109K | ≈ $7.3 |
| ストレッチコーチミニゲーム | 目標ポーズをデモするアニメーションコーチアバターとともに3種類のストレッチをガイド。 | ≈ 15分 | 130 | ≈ 142K | ≈ $8.1 |
Ultralyticsエコシステム統合
自然言語一行で、Ultralytics YOLOを一つのコマンドでDEEPX NPUにデプロイするか、ドメインに合わせて再トレーニング。 format=deepxエクスポート + 4方向評価（base/retrained × fp32-GPU / INT8-NPU）; INT8 ≈ fp32、ドメインモデルはNPUでより高速に実行。
| ショーケース | 内容 | ビルド時間 | エージェントターン | 出力トークン | ~コスト |
|---|---|---|---|---|---|
| Ultralytics YOLO → DeepXエクスポート | 単一のyolo export ... format=deepxコマンドでUltralytics YOLO .ptをデプロイ可能なDeepX NPUモデル（.dxnn）に変換後、NPU推論+検証実行。 | ≈ 12分 | 108 | ≈ 84K | ≈ $2.4 |
| アフリカ野生動物モニタリング | サファリ/保護カメラ用african-wildlife（バッファロー/ゾウ/サイ/シマウマ）でyolo26nを再トレーニング; base/retrained × fp32/INT8 4方向評価。 | ≈ 7分 | 78 | ≈ 85K | ≈ $3.2 |
| 建設現場PPE安全 | 現場安全カメラ用construction-ppe（ヘルメット/ベスト/...）でyolo26nを再トレーニング; 4方向評価。 | ≈ 17分 | 102 | ≈ 93K | ≈ $4.0 |
| 脳腫瘍スクリーニング | 医療エッジデバイス用brain-tumor（MRI/CT）でyolo26nを再トレーニング; 4方向評価。 | ≈ 9分 | 91 | ≈ 103K | ≈ $3.7 |
| 医薬品ピル検査 | 製薬カウントステーション用medical-pillsでyolo26nを再トレーニング; 4方向評価。 | ≈ 8分 | 118 | ≈ 103K | ≈ $5.1 |
PaddlePaddleエコシステム統合
DEEPX NPU上のPaddleOCR（PP-OCRv5）— 単一の簡潔なプロンプトでリアルタイム動画・ウェブカムOCR。 DX-M1 NPUで動作するBaidu PaddlePaddle OCR（テキスト検出 → 向き → 認識）。
| ショーケース | 内容 | ビルド時間 | エージェントターン | 出力トークン | ~コスト |
|---|---|---|---|---|---|
| 動画/ウェブカムOCR (PP-OCRv5) | DX-M1 NPUでのリアルタイムテキスト検出+認識 — 動画ファイルとライブウェブカムを単一コードで処理、検出ボックス+認識文字列オーバーレイ。 | ≈ 18分 | 175 | ≈ 184K | ≈ $12.0 |
RapidAIエコシステム統合
単一の簡潔な自然言語プロンプトでDEEPX NPU上のPDF → Markdownドキュメント変換アプリを構築。 RapidAIのRapidDoc（PP-StructureV3）: レイアウト、OCR、表、数式 — DX-M1 NPUでPaddlePaddle学習済みモデルを実行。
| ショーケース | 内容 | ビルド時間 | エージェントターン | 出力トークン | ~コスト |
|---|---|---|---|---|---|
| PDF → Markdown（ドキュメント変換アプリ） | RapidDocフォークを通じてDEEPX DX-M1 NPUでPDF（デジタルまたはスキャン）を構造化Markdown + JSONに変換。--parse-method auto|txt|ocr対応。 | ≈ 12分 | 133 | ≈ 148.5K | ≈ $6.2 |
完全カタログ + ショーケース別サマリー（ビルドGIF付き）→
dx-agent-dev-showcase/README.md。各行のリンクをクリックすると、そのショーケースのREADME — そのままのプロンプト、4方向評価/ゲームプレイの詳細、セッショントランスクリプト — が開きます。
仕組み — モデルだけでなくハーネス
各アプリには完全なエージェントセッショントランスクリプトが含まれています。これは結果が単純なモデルパフォーマンスよりも、ハーネスが課す命令指示、スキル、検証ゲートに依存していることを直接確認する最良の方法です。トランスクリプトを読むことで以下を確認できます:
- 命令遵守 — エージェントがスイートHARD GATESを遵守: セッションセンチネル（
[DX-AGENT-DEV: START]/DONE）、セッションディレクトリに隔離された出力（既存ソース未変更）、プレースホルダー/スタブコード禁止。 - スキルとエージェントの活用 — 必須シーケンスを実際のツール呼び出しで実行 —
dx-skill-router → dx-agent-brainstorm → dx-swe-writing-plans → dx-agent-tdd → dx-agent-verify— 単に言及するのではなく実際に実行。 - 実際の推論 — 最も類似した既存例のレビュー、ナレッジベースから実際のフレームワークAPIを確認、検証を先に作成（RED）、完了宣言前にファイル別生成+検証。
前提条件
| 要件 | 詳細 |
|---|---|
| DEEPX開発環境 | DX-RT SDKインストール済み、setup_env.shソース完了 |
| AIコーディングエージェント（以下のいずれか） | Claude Code、GitHub Copilot（VS Code）、Cursor、OpenCode、またはCodex CLI |
| Python | dx-all-suiteパッケージインストール済みの3.10以上 |
アーキテクチャ概要
エージェント駆動型ナレッジベースは3つの独立したレイヤーで構成されています。各レイヤーは、エージェントがタスク実行時に読み込むスキル、命令、メモリファイルを含む独自の.deepx/ディレクトリを持ちます。
dx_app — スタンドアロン推論
GStreamerなしで推論を実行するPythonおよびC++アプリケーション。主要な抽象化:
- IFactory — モデル固有の前/後処理パイプライン生成
- SyncRunner / AsyncRunner — ブロッキングおよびノンブロッキング推論ランナー
- DxInfer — InferenceEngineをラップする低レベル推論ラッパー
.deepx/ナレッジベースは、モデルロード、.dxnnの解釈、バッチ処理、結果の可視化をカバーします。
dx_stream — GStreamerパイプライン
GStreamerベースのリアルタイムビデオ分析。エージェントは6つの機能カテゴリ（ソース、推論、オーバーレイ、エンコーディング、ストリーミング、シンク）に分類された13個のDEEPX要素すべてを理解しており、単一の自然言語プロンプトで複数分岐パイプラインを構築できます。
dx-runtime — 統合レイヤー
クロスプロジェクトルーティングと統合検証。dx-runtimeは他の2つのレイヤーの上位に位置し、適切なサブプロジェクトビルダーにタスクをディスパッチし、一貫したコーディング標準、テストパターン、モデル管理規則を適用します。
dx-compiler — モデルコンパイル
DX-COMで駆動されるDXNNモデルコンパイル。エージェントはコンパイルパイプライン全体を理解しています — ONNXモデル検証、自動推論パラメータを含むconfig.json生成、キャリブレーションデータ準備、INT8量子化、PPU設定 — 単一の自然言語プロンプトでモデルをコンパイルできます。コンパイル前に、エージェントはNMS-freeモデル検出、ONNX単純化、PPUコンパイルに関する必須のブレインストーミング質問を通じて正確な設定を確保します。
利用可能なエージェントとスキル
エージェントとスキルはリポジトリのすべてのレベルで利用可能です。最上位のdx-all-suiteはタスクを分類して適切なサブモジュールにディスパッチするルーティングエージェントを提供します。
レベル別エージェント
| レベル | エージェント | 説明 |
|---|---|---|
| dx-all-suite | @dx-suite-builder | 最上位ルーター — タスクを分類し適切なサブモジュールにルーティング |
| dx-all-suite | @dx-suite-validator | スイート全体の検証 — 3レベルにまたがるフレームワーク検査実行 |
| dx-runtime | @dx-runtime-builder | クロスプロジェクトビルダー — dx_appまたはdx_streamにルーティング |
| dx-runtime | @dx-validator | フィードバックループを含む統合検証オーケストレーター |
| dx_app | @dx-app-builder | スタンドアロン推論ビルダー — 専門ビルダーにルーティング |
| dx_app | @dx-python-builder | Python推論アプリビルダー（4バリアント: sync、async、cpp_postprocess、async_cpp_postprocess） |
| dx_app | @dx-cpp-builder | C++推論アプリビルダー |
| dx_app | @dx-model-manager | モデルダウンロードとレジストリ管理 |
| dx_app | @dx-validator | dx_app検証とフィードバックループ |
| dx_stream | @dx-stream-builder | GStreamerパイプラインビルダー — 専門ビルダーにルーティング |
| dx_stream | @dx-pipeline-builder | パイプライン構成（ブローカー含む6カテゴリ） |
| dx_stream | @dx-validator | dx_stream検証とフィードバックループ |
| dx-compiler | @dx-compiler-builder | モデルコンパイルルーター — コンバーターまたはコンパイラーにルーティング |
| dx-compiler | @dx-model-converter | PyTorchからONNXモデルコンバーター |
| dx-compiler | @dx-dxnn-compiler | ONNXからDXNNコンパイラー（DX-COM） |
スキル（OpenCodeのみ）
| レベル | スキル | 説明 |
|---|---|---|
| dx-runtime | /dx-agent-runtime-validate | 検証、フィードバック収集、修正適用、再検証 |
| dx_app | /dx-agent-app-build-python | Python推論アプリのビルド |
| dx_app | /dx-agent-app-build-cpp | C++推論アプリのビルド |
| dx_app | /dx-agent-app-build-async | 非同期高パフォーマンスアプリのビルド |
| dx_app | /dx-agent-app-model-management | モデルダウンロードと設定 |
| dx_app | /dx-agent-app-validate | 検証チェックの実行 |
| dx_stream | /dx-agent-stream-build-pipeline | GStreamerパイプラインアプリのビルド |
| dx_stream | /dx-agent-stream-build-mqtt-kafka | MQTT/Kafkaパイプラインアプリのビルド |
| dx_stream | /dx-agent-stream-validate | 検証チェックの実行 |
| dx_stream | /dx-agent-stream-model-management | モデルダウンロードと設定 |
| dx-compiler | /dx-agent-compiler-convert | PyTorchモデルをONNXに変換 |
| dx-compiler | /dx-agent-compiler-compile | ONNXモデルをDXNNにコンパイル |
| dx-compiler | /dx-agent-compiler-validate | コンパイル済みDXNN出力の検証 |
| DX All Suite | /dx-swe-brainstorm | プロセス: 作業前の協調設計セッション |
| DX All Suite | /dx-swe-tdd | プロセス: テスト駆動開発 — インクリメンタル検証 |
| DX All Suite | /dx-swe-verify | プロセス: 完了宣言前の検証 — 主張前に証拠 |
| dx-runtime | /dx-swe-brainstorm | プロセス: コード生成前の協調設計セッション |
| dx-runtime | /dx-swe-tdd | プロセス: テスト駆動開発 — ファイル生成直後に検証 |
| dx-runtime | /dx-swe-verify | プロセス: 完了宣言前の検証 — 主張前に証拠 |
| dx_app | /dx-swe-brainstorm | プロセス: コード生成前の協調設計セッション |
| dx_app | /dx-swe-tdd | プロセス: テスト駆動開発 — ファイル生成直後に検証 |
| dx_app | /dx-swe-verify | プロセス: 完了宣言前の検証 — 主張前に証拠 |
| dx_stream | /dx-swe-brainstorm | プロセス: コード生成前の協調設計セッション |
| dx_stream | /dx-swe-tdd | プロセス: テスト駆動開発 — ファイル生成直後に検証 |
| dx_stream | /dx-swe-verify | プロセス: 完了宣言前の検証 — 主張前に証拠 |
| dx-compiler | /dx-swe-brainstorm | プロセス: コンパイル前の協調設計セッション |
| dx-compiler | /dx-swe-tdd | プロセス: テスト駆動開発 — 各ステップのインクリメンタル検証 |
| dx-compiler | /dx-swe-verify | プロセス: 完了宣言前の検証 — 主張前に証拠 |
どのサブモジュールをターゲットにすべきかわからない場合は、最上位レベルで@dx-suite-builderを使用してください — タスクを分類して適切なビルダーに自動ルーティングします。
サポートするAIツール
エージェント駆動型開発は5種類のAIコーディングツールで動作します。各ツールは独自の設定メカニズムを通じて.deepx/ナレッジベースを自動ロードします。
| ツール | 種類 | 自動ロードメカニズム | エージェント呼び出し | スキル呼び出し |
|---|---|---|---|---|
| Claude Code | CLI | プロジェクトルートのCLAUDE.md | 自由形式の会話; Context Routing Tableが自動ディスパッチ | — |
| GitHub Copilot | VS Code | .github/copilot-instructions.md | Copilot Chatで@agent-name "prompt" | — |
| Cursor | IDE | .cursor/rules/*.mdc | 自由形式の会話; alwaysApplyまたはglobsでルールをロード | — |
| OpenCode | CLI | AGENTS.md + opencode.json | @agent-name "prompt" | /skill-nameスラッシュコマンド |
| Codex CLI | CLI | AGENTS.md + .codex/skills/dx-codex-identity/SKILL.md | 自由形式の会話（~/bin/codex exec ...） | cat .deepx/skills/<name>/SKILL.md（直接読み込み） |
自動ロード項目
| ツール | グローバルコンテキスト | ファイル別コンテキスト | エージェント | スキル |
|---|---|---|---|---|
| Claude Code | CLAUDE.md | Context Routing Table（手動） | .claude/agents/*.md（生成済み） | .deepx/skills/（直接読み込み） |
| Copilot | .github/copilot-instructions.md | .github/instructions/*.instructions.md（applyTo: glob） | .github/agents/*.agent.md | .github/skills/（インラインコピー） |
| Cursor | .cursor/rules/dx-*.mdc（alwaysApply: true） | .cursor/rules/*.mdc（globs: [...]） | .cursor/rules/エージェント.mdcファイル | .cursor/rules/スキル.mdcファイル |
| OpenCode | AGENTS.md + opencode.jsonコマンド | — | .opencode/agents/*.md | .deepx/skills/*/SKILL.md |
| Codex CLI | AGENTS.md | — | .deepx/agents/*.md（直接cat） | .codex/skills/dx-codex-identity/（自動）+ .deepx/skills/（手動cat） |
初回セットアップ
追加設定は不要です。使用するツールでプロジェクトディレクトリを開くと、設定ファイルが自動的にロードされます:
# Claude Code
cd dx-all-suite
claude
# OpenCode
cd dx-all-suite
opencode
# Codex CLI
cd dx-all-suite
~/bin/codex
# GitHub Copilot — VS Codeでフォルダを開く
code dx-all-suite
# Cursor CLI
cd dx-all-suite
cursor-agent
プラットフォームファイルロードについて
各AIコーディングエージェントはスイートレベルで異なる設定ファイルを自動ロードします。自動表示のファイルはすべての会話でロードされ、@mentionファイルはエージェントまたはスキルコマンドで手動呼び出しします。
Copilot Chat/CLI、Claude Code、Codex CLIは現在のgitルートのファイルのみ参照できます。dx-all-suite/で開くとdx-compiler/、dx-runtime/などのサブプロジェクトファイルを自動ロードしません（別のgitサブモジュール）。OpenCodeはopencode.jsonの明示的なパス参照でこの境界を越えます。
自動ロードファイル
| ファイル | 自動ロードツール | ロード方式 |
|---|---|---|
.github/copilot-instructions.md | Copilot Chat/CLI | 自動 |
CLAUDE.md | Claude Code | 自動 |
AGENTS.md + opencode.json | OpenCode | 自動 |
AGENTS.md + .codex/skills/dx-codex-identity/SKILL.md | Codex CLI | 自動 |
.cursor/rules/dx-all-suite.mdc | Cursor | 自動 |
エージェントファイル（手動@mention）
| エージェント | Copilot（@mention） | OpenCode（@mention） |
|---|---|---|
dx-suite-builder | .github/agents/dx-suite-builder.agent.md | .opencode/agents/dx-suite-builder.md |
dx-suite-validator | .github/agents/dx-suite-validator.agent.md | .opencode/agents/dx-suite-validator.md |
Claude Codeは.claude/agents/に生成されたエージェントファイル（例: dx-suite-builder.md）があります。
Cursorは.cursor/rules/にエージェント.mdcファイル（例: dx-suite-builder.mdc）があります。
Claude CodeはCLAUDE.mdのContext Routing Tableを使用してタスクをディスパッチします。
スキルファイル（OpenCodeのみ — /スラッシュコマンド）
| スキル | ファイル |
|---|---|
/dx-swe-brainstorm | .deepx/skills/dx-swe-brainstorm/SKILL.md |
/dx-swe-verify | .deepx/skills/dx-swe-verify/SKILL.md |
/dx-swe-tdd | .deepx/skills/dx-swe-tdd/SKILL.md |
/dx-swe-parallel-agents | .deepx/skills/dx-swe-parallel-agents/SKILL.md |
/dx-swe-executing-plans | .deepx/skills/dx-swe-executing-plans/SKILL.md |
/dx-swe-receiving-review | .deepx/skills/dx-swe-receiving-review/SKILL.md |
/dx-swe-requesting-review | .deepx/skills/dx-swe-requesting-review/SKILL.md |
/dx-skill-router | .deepx/skills/dx-skill-router/SKILL.md |
/dx-swe-subagent-dev | .deepx/skills/dx-swe-subagent-dev/SKILL.md |
/dx-swe-debugging | .deepx/skills/dx-swe-debugging/SKILL.md |
/dx-swe-writing-plans | .deepx/skills/dx-swe-writing-plans/SKILL.md |
共有ナレッジベース（.deepx/）
.deepx/ディレクトリはすべてのプラットフォーム別ファイルの正規ソース（単一の真実の情報源）です。プラットフォームに依存しない形式でエージェント、スキル、テンプレート、フラグメントを含みます。dx-agent-genジェネレーターがこれをCopilot（.github/）、Claude Code（.claude/）、OpenCode（.opencode/）、Cursor（.cursor/rules/）用のプラットフォーム別ファイルに変換します。
| ディレクトリ | 内容 |
|---|---|
agents/ | dx-suite-builder、dx-suite-validator |
skills/ | 13スキル（ドメイン+共有プロセススキル） |
templates/ | {en,ko}/*.tmpl — 命令ファイルテンプレート |
templates/fragments/ | {en,ko}/*.md — リポジトリ全体で再利用される共有セクション |
memory/ | セッション間で永続するナレッジ |
knowledge/ | 構造化参照データ |
instructions/ | 内部エージェント命令 |
toolsets/ | ツールリファレンスドキュメント |
命令ファイル（CLAUDE.md、AGENTS.md、copilot-instructions.md、EN+KO）もテンプレートとフラグメントから生成されます — 直接編集しないでください。
プラットフォームファイル生成
すべてのプラットフォーム別ファイルはdx-agent-dev-genパッケージで.deepx/から生成されます。生成済みファイルを直接編集しないでください。
pip install -e .deepx/tools # ジェネレーターのインストール
dx-agent-gen generate # プラットフォームファイルの生成
dx-agent-gen check # ドリフトなしの確認
Pre-commitフックが生成済みファイルの同期を強制します:
.deepx/tools/scripts/install-hooks.sh # 1回限りのセットアップ
ツール別クイックスタート
dx-all-suiteから（最上位ルーティング）
最上位のdx-all-suiteディレクトリで作業し、エージェントが適切なサブモジュールに自動ルーティングする場合:
プロンプト:
"yolo26n.onnxをDXNNにコンパイルして、それを使った人物検出Pythonアプリを構築して"
| ツール | 使い方 |
|---|---|
| Claude Code | dx-all-suite/を開いてプロンプトを入力。CLAUDE.mdがコンパイルはdx-compilerに、アプリ生成はdx_appにルーティング。 |
| GitHub Copilot | Copilot Chatを開く: @dx-suite-builderとプロンプト。エージェントがタスクを分類して適切なサブモジュールにルーティング。 |
| Cursor | dx-all-suite/を開いてプロンプトを入力。alwaysApplyルールが適切なサブモジュールにルーティング。 |
| OpenCode | dx-all-suite/を開いて: @dx-suite-builderとプロンプト。エージェントが自動ルーティング。 |
| Codex CLI | dx-all-suite/を開いてプロンプト入力（または~/bin/codex exec "<prompt>"）。AGENTS.mdが自動読み込みされサブモジュール間をルーティング。 |
サブモジュールから（直接アクセス）
サブモジュールで直接作業する場合は、そのサブモジュールのスコープに合ったプロンプトを使用してください:
| サブモジュール | プロンプト例 |
|---|---|
| dx-compiler | "yolo26x.ptをONNXに変換してDX-M1用DXNNにコンパイルして" |
| dx_app | "Pythonを使ったyolo26n人物検出アプリを構築して" |
| dx_stream | "RTSPカメラとトラッキングを持つ検出パイプラインを構築して" |
| ツール | 使い方 |
|---|---|
| Claude Code | サブモジュールディレクトリを開いてプロンプトを直接入力。CLAUDE.mdが自動読み込み。Context Routing Tableが適切な.deepx/スキルファイルにディスパッチ。 |
| GitHub Copilot | Copilot Chatを開く: @dx-app-builder、@dx-stream-builder、または@dx-compiler-builderとプロンプト。Copilotはすべてのチャットで.github/copilot-instructions.mdを読み込み。 |
| Cursor | サブモジュールフォルダを開いてプロンプトを直接入力。alwaysApply: trueのルールがすべての会話でロード。globs:パターンのルールはマッチするファイル編集時にアクティブ化。 |
| OpenCode | サブモジュールディレクトリを開いて適切なエージェント（@dx-app-builder、@dx-stream-builder、または@dx-compiler-builder）または対応するスキルスラッシュコマンドを使用。 |
| Codex CLI | サブモジュールディレクトリを開いてプロンプト入力（または~/bin/codex exec "<prompt>"）。AGENTS.mdが自動読み込み、必要に応じて.deepx/skills/<name>/SKILL.mdを直接cat。 |
エンドツーエンドシナリオ
複数のサブモジュールにまたがるクロスプロジェクトワークフローシナリオです。サブプロジェクト別シナリオは以下にリンクされた個別ガイドを参照してください。
シナリオ1: カスタムモデル変換 + SDKポーティング + 検証
カスタムモデルをコンパイルし、推論コードをDEEPX SDKにポーティングして、結果を検証する完全パイプライン。
プロンプト:
"./models/にyolo26x-custom.onnxがあり、onnxruntimeを使う推論コードが./inference.pyにある。DXNNに変換して自分のコードをDEEPX SDKにポーティングして。"
| ツール | 使い方 |
|---|---|
| Claude Code | dx-all-suite/を開いてプロンプトを入力。スイートビルダーがオーケストレーション: (a) dx-compilerがONNXモデルをDXNNにコンパイル、(b) dx_appが推論コードをポーティング、(c) 検証でポーティング済みアプリの動作確認。 |
| GitHub Copilot | @dx-suite-builderとプロンプト。コンパイルはdx-compilerに、ポーティングはdx_appにルーティング。 |
| Cursor | dx-all-suite/を開いてプロンプトを入力。ルーターが適切なサブモジュールにディスパッチ。 |
| OpenCode | @dx-suite-builderとプロンプト。 |
| Codex CLI | dx-all-suite/を開いてプロンプトを入力。AGENTS.mdがクロスサブモジュール作業をオーケストレーション。 |
3ステップで実行:
- dx-compiler: 自動推論configで
yolo26x-custom.onnx→yolo26x-custom.dxnnをコンパイル - dx_app: コンパイル済みモデルを使う
InferenceEnginePython推論アプリを生成 - 検証: ポーティング済みアプリを実行し元のonnxruntimeコードと出力を比較
シナリオ2: モデルコンパイル + サンプルアプリ生成
モデルをコンパイルし、コンパイル済み出力を使うスタンドアロン推論アプリを生成。dx-compilerとdx_appにまたがるクロスプロジェクトシナリオ。
プロンプト:
"yolo26n.onnxをDXNNにコンパイルして、コンパイル済みモデルを使うPython検出アプリを生成して"
| ツール | 使い方 |
|---|---|
| Claude Code | dx-all-suite/を開いてプロンプトを入力。スイートビルダーがオーケストレーション: (a) dx-compilerがONNXをDXNNにコンパイル、(b) dx_appがコンパイル済みモデルを参照するPythonアプリを生成。 |
| GitHub Copilot | @dx-suite-builderとプロンプト。コンパイルはdx-compilerに、アプリ生成はdx_appにルーティング。 |
| Cursor | dx-all-suite/を開いてプロンプトを入力。ルーターが2つのサブモジュールにディスパッチ。 |
| OpenCode | @dx-suite-builderとプロンプト。 |
| Codex CLI | dx-all-suite/を開いてプロンプトを入力。AGENTS.mdがクロスサブモジュール作業をオーケストレーション。 |
2ステップで実行:
- dx-compiler: 自動推論configで
yolo26n.onnx→yolo26n.dxnnをコンパイル - dx_app: コンパイル済み
.dxnnモデルを使うPython検出アプリを生成
シナリオ3: モデルコンパイル + ストリーミングパイプライン生成
モデルをコンパイルし、コンパイル済み出力を使うGStreamerストリーミングパイプラインを生成。dx-compilerとdx_streamにまたがるクロスプロジェクトシナリオ。
プロンプト:
"yolo26n.onnxをDXNNにコンパイルしてRTSP出力付き検出ストリーミングパイプラインを構築して"
| ツール | 使い方 |
|---|---|
| Claude Code | dx-all-suite/を開いてプロンプトを入力。スイートビルダーがオーケストレーション: (a) dx-compilerがONNXをDXNNにコンパイル、(b) dx_streamがRTSP出力GStreamerパイプラインを生成。 |
| GitHub Copilot | @dx-suite-builderとプロンプト。コンパイルはdx-compilerに、パイプラインはdx_streamにルーティング。 |
| Cursor | dx-all-suite/を開いてプロンプトを入力。ルーターが2つのサブモジュールにディスパッチ。 |
| OpenCode | @dx-suite-builderとプロンプト。 |
| Codex CLI | dx-all-suite/を開いてプロンプトを入力。AGENTS.mdがクロスサブモジュール作業をオーケストレーション。 |
2ステップで実行:
- dx-compiler: 自動推論configで
yolo26n.onnx→yolo26n.dxnnをコンパイル - dx_stream: コンパイル済みモデルをDxInferで使いRTSPストリーミング出力を含む検出パイプラインを生成
シナリオ4: PPUモデルコンパイル + 検出アプリ
PPU（前後処理ユニット）サポートでモデルをコンパイルしてハードウェアアクセラレーション後処理を適用し、PPUモデルを使うアプリを生成。
プロンプト:
"yolo26n.onnxをPPUサポートでコンパイルしてPPUモデル用検出アプリを生成して"
| ツール | 使い方 |
|---|---|
| Claude Code | dx-all-suite/を開いてプロンプトを入力。スイートビルダーがオーケストレーション: (a) dx-compilerがPPU configでコンパイル（YOLOバージョン基準の自動検出）、(b) dx_appが簡略化された後処理を含むPPU専用アプリを生成。 |
| GitHub Copilot | @dx-suite-builderとプロンプト。PPUコンパイルはdx-compilerに、PPUアプリ生成はdx_appにルーティング。 |
| Cursor | dx-all-suite/を開いてプロンプトを入力。ルーターが2つのサブモジュールにディスパッチ。 |
| OpenCode | @dx-suite-builderとプロンプト。 |
| Codex CLI | dx-all-suite/を開いてプロンプトを入力。AGENTS.mdがクロスサブモジュール作業をオーケストレーション。 |
2ステップで実行:
- dx-compiler: PPU configでコンパイル — エージェントがPPUタイプを自動検出（アンカーベースYOLOはType 0、アンカーフリーYOLOはType 1）
- dx_app: ハードウェアデコードされたバウンディングボックスを含む簡略化後処理で
src/python_example/ppu/下にPPU専用検出アプリを生成
クロスプロジェクトルーティング
dx-all-suiteメタガイドはすべてのサブプロジェクトシナリオへのルーティングを提供します。タスクがサブプロジェクトガイドのシナリオに一致すれば、スイートビルダーが自動ルーティングします。
- dx-runtimeシナリオ（クロスプロジェクトビルド、統合検証）: dx-runtimeガイドを参照
- dx_appシナリオ（Python/C++推論アプリ）: dx_appガイドを参照
- dx_streamシナリオ（GStreamerパイプライン）: dx_streamガイドを参照
- dx-compilerシナリオ（モデルコンパイル）: dx-compilerガイドを参照
サブプロジェクトディレクトリに移動する必要はありません。dx-all-suiteレベルで@dx-suite-builderを使えば、どのサブプロジェクトにも自動ルーティングされます。
サブプロジェクトガイド
各サブプロジェクトは、特定のスキル、要素カタログ、実際の例をカバーする詳細なエージェント駆動型開発ガイドを提供します:
内部参考ドキュメント
コントリビューター向けの.deepx/正規ソース、ジェネレーターパイプライン、ハーネス開発モデルの詳細内容（エンドユーザー向けではありません）:
| ドキュメント | スコープ |
|---|---|
.deepx/docs/dx-agent-dev-overview.md | 5つのリポジトリ全体のすべての.deepx/ディレクトリの詳細説明 |
.deepx/README.md | .deepx/ナレッジベースの最上位マスターインデックス |
.deepx/docs/skill-architecture.md | 3層スキルモデル（SWE / エージェント駆動型 / ハーネス） |
.deepx/tools/README.md | dx-agent-genジェネレーターパッケージガイド |
.deepx/tools/scripts/README.md | 運用スクリプト（run_all.sh、フック、E2Eループ） |
出力の隔離
デフォルトでは、エージェントが生成したすべてのコードはターゲットサブプロジェクト内のdx-agent-dev/<session_id>/に保存されます。既存のプロダクションコードの偶発的な変更を防ぎます。
| 出力タイプ | パス | 条件 |
|---|---|---|
| デフォルト（隔離） | dx-agent-dev/<session_id>/ | ユーザーが別途指定しない限り常に |
| プロダクション | src/ | ユーザーが明示的に要求した場合のみ |
セッションID形式: YYYYMMDD-HHMMSS_<agent>_<model>_<task>（<agent>はclaude、codex、copilot、cursor、opencode）。
各セッションディレクトリには以下が含まれます:
README.md— セッションメタデータ、生成ファイルリスト、実行方法session.json— 機械可読なセッション設定
dx-agent-dev/ディレクトリはdx_appとdx_streamの両方でgit-ignoreされます。
dx-compilerセッションディレクトリ
dx-compilerの場合、セッションディレクトリには追加で以下が含まれます:
calibration_dataset—dx_com/calibration_dataset/へのシンボリックリンクconfig.json— 相対キャリブレーションパスを含む自動生成DX-COM設定compiler.log— コンパイルログ（--gen_log使用時）
エージェントはキャリブレーションデータを自動設定します（dx_com/calibration_dataset/確認、必要に応じてセットアップスクリプト実行、相対パスでシンボリックリンク作成）。
スイートレベルクロスプロジェクト出力
dx-all-suiteレベルからクロスプロジェクトタスク（例: コンパイル + デプロイ）を実行する場合、成果物は各ターゲットサブプロジェクトのdx-agent-dev/ディレクトリに生成されます。統合アクセスのため、dx-all-suite/dx-agent-dev/にもシンボリックリンクが作成されます:
dx-all-suite/dx-agent-dev/
├── dx-compiler_20260409-070940_yolo26n_pt_to_dxnn -> ../dx-compiler/dx-agent-dev/20260409-...
└── dx_app_20260409-071500_yolo26n_detection_app -> ../dx-runtime/dx_app/dx-agent-dev/20260409-...
シンボリックリンク命名規則: {subproject}_{session_id}。
セッションセンチネル
エージェントは自動化テストのため、各タスクの開始と終了に固定マーカーを出力します:
| マーカー | 条件 |
|---|---|
[DX-AGENT-DEV: START] | 必須 — 他のテキスト、ツール呼び出し、推論よりも前に、エージェントの最初の応答の絶対的な最初の行。ユーザーが「進めて」と言っても省略不可 — このマーカーなしでは自動化テストが失敗します。 |
[DX-AGENT-DEV: DONE (output-dir: <relative_path>)] | すべての作業完了後の最終行。<relative_path>はプロジェクトルート基準のセッション出力ディレクトリ。ファイルが生成されていない場合は(output-dir: ...)部分を省略。 |
重要: DONEはすべての成果物が生成されたことを意味します — 実装コード、スクリプト、設定、検証結果。実際のコード実装なしに計画成果物（仕様、計画、設計ドキュメント）のみ生成した場合、DONEを出力してはいけません。