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
dx-agent-dev (ベータ) が登場しました。 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知識ベースをエンドツーエンドで主導します: ブレインストーミング → 計画 → TDD → 検証、ONNX/.pt コンパイルからオンデバイスDX-M1 NPUデプロイメントまで。これは Ultralytics モデルエコシステムにおけるDEEPX NPU向けに特別に構築された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制作されました — プロンプト、測定結果、完全なビルドトランスクリプトと共にコミットされています。
自然言語の指示を使用してDEEPX AIアプリケーションを構築します。AIコーディングエージェントはDEEPX SDKエコシステム — GStreamerパイプライン構築、.dxnn モデル解決、InferenceEngine設定、DxPreprocess/DxInferエレメントの配線 — を理解しているため、何をしたいかを説明するだけで、エージェントが実装の詳細を処理します。
サポートされるワークフロー:
IFactory、SyncRunner、AsyncRunnerを使用したスタンドアロン推論アプリ- DEEPXの6カテゴリにわたる13のカスタムエレメントを使用した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、DEEPX NPU SDKで単一の自然言語プロンプトだけから完全自律的に構築された実際のアプリであり、プロンプト、測定結果、ワンコマンド再現方法、完全に記録されたビルドセッショントランスクリプトと共にスイートにコミットされています。
NPU搭載AIアプリ（ミニゲーム）
自然言語1つで約20分、約$10で完全自律的なDEEPX-NPUアプリをビルド。 アーケードHUDを持つポーズ駆動型ミニゲームを単一のプロンプトからエンドツーエンドで構築します。
| ショーケース | 説明 | ビルド時間 | エージェントターン | 出力トークン | 概算コスト |
|---|---|---|---|---|---|
| スクワットカウントミニゲーム | 膝/腰の角度からスクワット回数を数え、アーケードHUD（回数/スコア/DOWN·UP·GOOD!）を表示します。 | ≈ 12分 | 132 | ≈ 109K | ≈ $7.3 |
| ストレッチングコーチミニゲーム | 各目標ポーズをデモンストレーションするアニメーションコーチアバターと共に3つのストレッチをガイドします。 | ≈ 15分 | 130 | ≈ 142K | ≈ $8.1 |
Ultralyticsエコシステム統合
自然言語1つでUltralytics YOLOをDEEPX NPUに — またはドメイン向けに再学習 — すべて自然言語で。 format=deepx エクスポート + 4方向評価（ベース/再学習 × fp32-GPU/INT8-NPU）; INT8 ≈ fp32、ドメインモデルはNPUでより高速に動作します。
| ショーケース | 説明 | ビルド時間 | エージェントターン | 出力トークン | 概算コスト |
|---|---|---|---|---|---|
| Ultralytics YOLO → DeepXエクスポート | yolo export ... format=deepx コマンド1つでUltralytics YOLO .pt を配備可能なDeepX NPUモデル（.dxnn）に変換し、NPU推論 + 検証を実行します。 | ≈ 12分 | 108 | ≈ 84K | ≈ $2.4 |
| アフリカ野生動物モニタリング | サファリ/保全カメラ向けに african-wildlife（バッファロー/象/サイ/シマウマ）で yolo26n を再学習; ベース/再学習 × fp32/INT8 4方向評価。 | ≈ 7分 | 78 | ≈ 85K | ≈ $3.2 |
| 建設現場PPE安全 | 現場安全カメラ向けに construction-ppe（ヘルメット/ベスト/...）で yolo26n を再学習; ベース/再学習 × fp32/INT8 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向けに brain-tumor（MRI/CT）で yolo26n を再学習; ベース/再学習 × fp32/INT8 4方向評価。 | ≈ 9分 | 91 | ≈ 103K | ≈ $3.7 |
| 製薬錠剤検査 | 製薬計数ステーション向けに medical-pills で yolo26n を再学習; ベース/再学習 × fp32/INT8 4方向評価。 | ≈ 8分 | 118 | ≈ 103K | ≈ $5.1 |
PaddlePaddleエコシステム統合
簡潔な単一プロンプトでDEEPX NPU上のPaddleOCR（PP-OCRv5） — リアルタイムビデオ & ウェブカムOCR。 DX-M1 NPUで動作するBaiduのPaddlePaddle OCR（テキスト検出 → 向き → 認識）。
| ショーケース | 説明 | ビルド時間 | エージェントターン | 出力トークン | 概算コスト |
|---|---|---|---|---|---|
| ビデオ / ウェブカムOCR（PP-OCRv5） | DX-M1 NPU上でリアルタイムテキスト検出 + 認識 — ビデオファイルとライブウェブカムの両方に対応する単一コードパス、検出されたボックスと認識された文字列をオーバーレイします。 | ≈ 18分 | 175 | ≈ 184K | ≈ $12.0 |
RapidAIエコシステム統合
簡潔な単一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。 RapidAIのRapidDoc（PP-StructureV3）: レイアウト、OCR、表、数式 — DX-M1 NPUでPaddlePaddle学習モデルを実行。フォークのパイプラインから生成されたスタンドアロン・自己完結型アプリ。
| ショーケース | 説明 | ビルド時間 | エージェントターン | 出力トークン | 概算コスト |
|---|---|---|---|---|---|
| PDF → Markdown（ドキュメント変換アプリ） | DEEPX DX-M1 NPU上でRapidDocフォークを通じてPDF（デジタルまたはスキャン）を構造化されたMarkdown + JSONに変換 — レイアウト分析、OCR、表と数式。`--parse-method auto | txt | ocr` をサポート。 | ≈ 12分 | 133 |
全カタログ + ショーケースごとのサマリー（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、そのショーケース独自のREADME — そのままのプロンプト、4方向評価/ゲームプレイ詳細、セッショントランスクリプト — が開きます。
仕組み — ハーネス（単なるモデルだけではない）
各アプリは完全なエージェントセッショントランスクリプトと共に提供されます。これは結果が単なる生のモデルからではなく、ハーネスが課す指示、スキル、検証ゲートからより多く生まれることを示す最も直接的な方法です。トランスクリプトを読むと以下が確認できます:
- 指示への従順 — エージェントがスイートのHARD GATEを遵守します: 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（既存ソースへの接触なし）、プレースホルダー/スタブコードなし。 - スキル & エージェント活用 — 必須シーケンスを単に言及するのではなく、実際のツール呼び出しとして実行します —
dx-skill-router → dx-agent-brainstorm → dx-swe-writing-plans → dx-agent-tdd → dx-agent-verify。 - 実際の推論 — 最も近い既存例を検査し、知識ベースから実際のフレームワークAPIを確認し、検証を先に書き（RED）、完了を宣言する前にファイルごとに生成 + 検証します。
前提条件
| 要件 | 詳細 |
|---|---|
| DEEPX開発環境 | DX-RT SDKインストール済みかつ setup_env.sh がソース済み |
| AIコーディングエージェント（いずれか1つ） | Claude Code、GitHub Copilot（VS Code）、Cursor、OpenCode、またはCodex CLI |
| Python | dx-all-suiteパッケージがインストールされた3.10以上 |
アーキテクチャ概要
エージェント駆動型知識ベースは3つの独立したレイヤーで構成されています。各レイヤーには、エージェントがタスク時に読み込むスキル、指示、メモリファイルを含む独自の .deepx/ ディレクトリがあります。
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の作成
- SyncRunner / AsyncRunner — ブロッキングおよびノンブロッキング推論エグゼキューター
- DxInfer — InferenceEngineをラップする低レベル推論ラッパー
.deepx/ 知識ベースはモデルロード、.dxnn 解決、バッチ処理、結果の視覚化をカバーします。
dx_stream — GStreamerパイプライン
GStreamerを基盤とした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）で構成された13のDEEPXエレメントすべてを理解し、単一の自然言語プロンプトからマルチブランチパイプラインを組み立てることができます。
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つのレイヤーの上に位置し、タスクを正しいサブプロジェクトビルダーにディスパッチして一貫したコーディング標準、テストパターン、モデル管理ルールを適用します。
dx-compiler — モデルコンパイル
DX-COMで動くDXNNモデルコンパイル。エージェントは完全なコンパイルパイプライン — ONNXモデル検証、自動推論パラメーターを含む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 — を理解し、単一の自然言語プロンプトからモデルをコンパイルできます。コンパイル前に、エージェントは正しい設定を確保するためにNMSフリーモデル検出、ONNX簡略化、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行います。
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正しい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 — タスクを分類して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レベル全体のフレームワークチェックを実行 |
| 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持つ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マネージャー |
| 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 | パイプライン構築（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への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 | 非同期高性能アプリのビルド |
| dx_app | /dx-agent-app-model-management | モデルの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 | モデルの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 | コンパイルされたDXNN出力の検証 |
| DX All Suite | /dx-swe-brainstorm | プロセス: 作業前の協働設計セッション |
| DX All Suite | /dx-swe-tdd | プロセス: テスト駆動開発 — 段階的検証 |
| DX All Suite | /dx-swe-verify | プロセス: 完了宣言前の検証 — 主張前の証拠 |
| dx-runtime | /dx-swe-brainstorm | プロセス: コード生成前の協働設計セッション |
| dx-runtime | /dx-swe-tdd | プロセス: テスト駆動開発 — 生成直後に各ファイルを検証 |
| dx-runtime | /dx-swe-verify | プロセス: 完了宣言前の検証 — 主張前の証拠 |
| dx_app | /dx-swe-brainstorm | プロセス: コード生成前の協働設計セッション |
| dx_app | /dx-swe-tdd | プロセス: テスト駆動開発 — 生成直後に各ファイルを検証 |
| dx_app | /dx-swe-verify | プロセス: 完了宣言前の検証 — 主張前の証拠 |
| dx_stream | /dx-swe-brainstorm | プロセス: コード生成前の協働設計セッション |
| dx_stream | /dx-swe-tdd | プロセス: テスト駆動開発 — 生成直後に各ファイルを検証 |
| dx_stream | /dx-swe-verify | プロセス: 完了宣言前の検証 — 主張前の証拠 |
| dx-compiler | /dx-swe-brainstorm | プロセス: コンパイル前の協働設計セッション |
| dx-compiler | /dx-swe-tdd | プロセス: テスト駆動開発 — 各ステップを段階的に検証 |
| dx-compiler | /dx-swe-verify | プロセス: 完了宣言前の検証 — 主張前の証拠 |
どのサブモジュールをターゲットにすべきか分からない場合は、最上位レベルで @dx-suite-builder を使用してください — タスクを分類して正しいビルダーにルーティングします。
サポートされるAIツール
エージェント駆動型開発は5つのAIコーディングツールと連携します。各ツールは独自の設定メカニズムを通じて .deepx/ 知識ベースを自動的にロードします。
| ツール | タイプ | 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 | 自由会話; コンテキストルーティングテーブル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 | 自由会話（~/bin/codex exec ...） | cat .deepx/skills/<name>/SKILL.md（直接読み込み） |
自動ロードされるもの
| ツール | グローバルコンテキスト | ファイル固有コンテキスト | エージェント | スキル |
|---|---|---|---|---|
| Claude Code | CLAUDE.md | コンテキストルーティングテーブル（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: patterns） | .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 指示 | — | .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
追加の設定は不要です。お好みの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リファレンス
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的にロードします。Auto とマークされたファイルはすべての会話でロードされます; @mention ファイルはエージェントまたはスキルコマンドを通じて手動で呼び出されます。
Copilot Chat/CLI、Claude Code、Codex CLIは現在のgitルートのファイルのみを参照します。dx-all-suite/ で開いた場合、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（これらは別のgitサブモジュール）。OpenCodeは opencode.json の明示的なパス参照を通じてこの境界を橋渡しします。
自動ロードファイル
| ファイル | 自動ロード主体 | 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には .claude/agents/ に生成されたエージェントファイルがあります（例: dx-suite-builder.md）。
Cursorには .cursor/rules/ にエージェント .mdc ファイルがあります（例: dx-suite-builder.mdc）。
Claude Codeも CLAUDE.md のコンテキストルーティングテーブル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 |
共有知識ベース（.deepx/）
.deepx/ ディレクトリはすべてのプラットフォーム固有ファイルの正規ソース（単一の真実の出処）です。エージェント、スキル、テンプレート、フラグメントをプラットフォーム非依存の形式で含みます。dx-agent-gen ジェネレーターがこれをCopilot（.github/）、Claude Code（.claude/）、OpenCode（.opencode/）、Cursor（.cursor/rules/）向けのプラットフォーム固有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 — 指示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/ | 永続的なクロスセッション知識 |
knowledge/ | 構造化された参照データ |
instructions/ | 内部エージェント指示 |
toolsets/ | ツールリファレンスドキュメント |
指示ファイル（CLAUDE.md、AGENTS.md、copilot-instructions.md、英語+韓国語）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固有ファイルは dx-agent-dev-gen パッケージによって .deepx/ から生成されます。生成された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 # ドリフトがないことを確認
プリコミットフックが生成されたファイルが同期を保つように強制します:
.deepx/tools/scripts/install-hooks.sh # 一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ており、エージェントに正しいサブモジュールへ自動ルーティングさせたい場合:
プロンプト:
"Compile yolo26n.onnx to DXNN and build a person detection Python app with it"
| ツール | 使用方法 |
|---|---|
| Claude Code | dx-all-suite/ を開いてプロンプトを入力します。CLAUDE.md がコンパイルのためにdx-compilerへ、アプリ生成のためにdx_appへルーティングします。 |
| GitHub Copilot | Copilot Chatを開く: @dx-suite-builder に続けてプロンプト。エージェントがタスクを分類して正しいサブモジュールにルーティングします。 |
| Cursor | dx-all-suite/ を開いてプロンプトを入力します。alwaysApply ルールが適切なサブモジュールにルーティングします。 |
| OpenCode | dx-all-suite/ を開く: @dx-suite-builder に続けてプロンプト。エージェントが自動的にルーティングします。 |
| Codex CLI | dx-all-suite/ を開いてプロンプトを入力します（または ~/bin/codex exec "<prompt>"）。AGENTS.md が自動的に読み込まれてサブモジュール間でルーティングされます。 |
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、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 | "Convert my yolo26x.pt to ONNX and compile it to DXNN for DX-M1" |
| dx_app | "Build a yolo26n person detection app using Python" |
| dx_stream | "Build a detection pipeline with RTSP camera and tracking" |
| ツール | 使用方法 |
|---|---|
| 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します。CLAUDE.md が自動的に読み込まれます。コンテキストルーティングテーブルが正しい .deepx/ スキルファイルにディスパッチします。 |
| GitHub Copilot | Copilot Chatを開く: @dx-app-builder、@dx-stream-builder、または @dx-compiler-builder に続けてプロンプト。Copilotはすべてのチャットで .github/copilot-instructions.md を読み込みます。 |
| 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します。alwaysApply: true のルールはすべての会話でロードされます。globs: パターンのルールは一致するファイル編集時に有効になります。 |
| OpenCode | サブモジュールディレクトリを開き、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します。 |
| Codex CLI | サブモジュールディレクトリを開いてプロンプトを入力します（または ~/bin/codex exec "<prompt>"）。AGENTS.md が自動的に読み込まれ; 必要に応じて関連する .deepx/skills/<name>/SKILL.md を直接 cat します。 |
エンドツーエンドシナリオ
これらのシナリオは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を示します。サブプロジェクト固有のシナリオについては、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にポートし、結果を検証する完全なパイプラインです。
プロンプト:
"I have yolo26x-custom.onnx at ./models/ and my inference code at ./inference.py using onnxruntime. Convert it to DXNN and port my code to DEEPX SDK."
| ツール | 使用方法 |
|---|---|
| Claude Code | dx-all-suite/ を開いてプロンプトを入力します。スイートビルダーがオーケストレーションします: (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ト、(c) 検証がポートされたアプリの動作を確認します。 |
| GitHub Copilot | @dx-suite-builder に続けてプロンプト。エージェントがコンパイルをdx-compilerに、ポーティングをdx_appにルーティングします。 |
| Cursor | dx-all-suite/ を開いてプロンプトを入力します。ルーターが正しいサブモジュールにディスパッチします。 |
| OpenCode | @dx-suite-builder に続けてプロンプト。 |
| Codex CLI | dx-all-suite/ を開いてプロンプトを入力します。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します。 |
このシナリオは3つのステージで構成されます:
- dx-compiler: 自動推論設定で
yolo26x-custom.onnx→yolo26x-custom.dxnnをコンパイル - dx_app: コンパイルされたモデルを使用する
InferenceEngineを持つPython推論アプリを生成 - 検証: ポートされたアプリを実行し、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、コンパイルされた出力を使用するスタンドアロン推論アプリを生成します。このクロスプロジェクトシナリオはdx-compilerとdx_appにまたがります。
プロンプト:
"Compile yolo26n.onnx to DXNN and generate a Python detection app that uses the compiled model"
| ツール | 使用方法 |
|---|---|
| Claude Code | dx-all-suite/ を開いてプロンプトを入力します。スイートビルダーがオーケストレーションします: (a) dx-compilerがONNXをDXNNにコンパイル、(b) dx_appがコンパイルされたモデルを参照するPythonアプリを生成。 |
| GitHub Copilot | @dx-suite-builder に続けてプロンプト。コンパイルをdx-compilerに、アプリ生成をdx_appにルーティングします。 |
| Cursor | dx-all-suite/ を開いてプロンプトを入力します。ルーターが両方のサブモジュールにディスパッチします。 |
| OpenCode | @dx-suite-builder に続けてプロンプト。 |
| Codex CLI | dx-all-suite/ を開いてプロンプトを入力します。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します。 |
このシナリオは2つのステージで構成されます:
- dx-compiler: 自動推論設定で
yolo26n.onnx→yolo26n.dxnnをコンパイル - dx_app: コンパイルされた
.dxnnモデルを使用する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、コンパイルされた出力を使用するGStreamerストリーミングパイプラインを生成します。このクロスプロジェクトシナリオはdx-compilerとdx_streamにまたがります。
プロンプト:
"Compile yolo26n.onnx to DXNN and build a detection streaming pipeline with RTSP output"
| ツール | 使用方法 |
|---|---|
| Claude Code | dx-all-suite/ を開いてプロンプトを入力します。スイートビルダーがオーケストレーションします: (a) dx-compilerがONNXをDXNNにコンパイル、(b) dx_streamがRTSP出力付きのGStreamerパイプラインを生成。 |
| GitHub Copilot | @dx-suite-builder に続けてプロンプト。コンパイルをdx-compilerに、パイプラインをdx_streamにルーティングします。 |
| Cursor | dx-all-suite/ を開いてプロンプトを入力します。ルーターが両方のサブモジュールにディスパッチします。 |
| OpenCode | @dx-suite-builder に続けてプロンプト。 |
| Codex CLI | dx-all-suite/ を開いてプロンプトを入力します。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します。 |
このシナリオは2つのステージで構成されます:
- dx-compiler: 自動推論設定で
yolo26n.onnx→yolo26n.dxnnをコンパイル - dx_stream: コンパイルされたモデルを使用するDxInferとRTSPストリーミング出力を持つ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
ハードウェア加速後処理のためのPPU（前/後処理ユニット）サポート付きでYOLOモデルをコンパイルし、PPUモデルを使用するアプリを生成します。
プロンプト:
"Compile yolo26n.onnx with PPU support and generate a detection app for the PPU model"
| ツール | 使用方法 |
|---|---|
| Claude Code | dx-all-suite/ を開いてプロンプトを入力します。スイートビルダーがオーケストレーションします: (a) dx-compilerがPPU設定でコンパイル（YOLOバージョンに基づいて自動検出タイプ）、(b) dx_appが簡略化された後処理を持つPPU専用アプリを生成。 |
| GitHub Copilot | @dx-suite-builder に続けてプロンプト。PPUコンパイルのためにdx-compilerに、PPUアプリ生成のためにdx_appにルーティングします。 |
| Cursor | dx-all-suite/ を開いてプロンプトを入力します。ルーターが両方のサブモジュールにディスパッチします。 |
| OpenCode | @dx-suite-builder に続けてプロンプト。 |
| Codex CLI | dx-all-suite/ を開いてプロンプトを入力します。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します。 |
このシナリオは2つのステージで構成されます:
- dx-compiler: PPU設定でコンパイル — エージェントがPPUタイプを自動検出（アンカーベースYOLOはタイプ0、アンカーフリーYOLOはタイプ1）
- dx_app: ハードウェアでデコードされたバウンディングボックスを持つ簡略化された後処理の
src/python_example/ppu/下の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る場合、スイートビルダーが自動的に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 を使用してください — すべてのサブプロジェクトに自動的にルーティングします。
サブプロジェクトガイド
各サブプロジェクトには、特定のスキル、エレメントカタログ、作業例を網羅した詳細なエージェント駆動型開発ガイドがあります:
内部参照ドキュメント
.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については（コントリビューター向け、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/ ディレクトリの包括的なウォークスルー |
.deepx/README.md | .deepx/ 知識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 / 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） |
出力の分離
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>/ に配置されます。これにより既存のプロダクションコードの誤修正を防ぎます。
| 出力タイプ | パス | 時期 |
|---|---|---|
| デフォルト（隔離済み） | 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、または 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、生成されたファイルリスト、実行手順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されています。
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さらに以下が含まれます:
calibration_dataset—dx_com/calibration_dataset/へのシンリンクconfig.json— 相対キャリブレーションパスを持つ自動生成された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的にセットアップします（dx_com/calibration_dataset/ を確認し、必要に応じてセットアップスクリプトを実行し、相対パスでシンリンクを作成します）。
スイートレベルの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）を実行すると、各ターゲットサブプロジェクトの dx-agent-dev/ ディレクトリにアーティファクトが作成されます。さらに、統合アクセスのために dx-all-suite/dx-agent-dev/ に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テストのために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 | 時期 |
|---|---|
[DX-AGENT-DEV: START] | 重要 — 他のテキスト、ツール呼び出し、推論よりも先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「そのまま進めて」と言っても交渉不可 — 自動テストはこれがないと失敗します。 |
[DX-AGENT-DEV: DONE (output-dir: <relative_path>)] | すべての作業完了後の最後の行。<relative_path> はプロジェクトルートに対するセッション出力ディレクトリの相対パスです。ファイルが生成されなかった場合は (output-dir: ...) 部分を省略します。 |
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。エージェントが実際のコードを実装せずに計画アーティファクト（仕様、計画、設計ドキュメント）のみを生成した場合、DONEを出力してはなりません。