智能体驱动开发展示

dx-agent-dev 展示

只需一个自然语言提示，AI编程智能体便可基于DEEPX NPU SDK构建真实应用 — 连同提示词、测量结果、一键复现方法和完整构建会话记录一起保存。

以下是展示**dx-agent-dev（测试版）**的示例案例。用自然语言描述应用或任务，智能体将端到端驱动DEEPX知识库（头脑风暴 → 规划 → TDD → 验证）。功能介绍及工作原理 → 智能体驱动开发文档。以下各卡片链接至对应展示案例的README（完整详情 + 记录）。

构建时间与成本说明 — 各展示案例中显示的构建时间、输出Token数和成本，均为从对应展示案例构建会话记录（*-session.md）中测量的实际数据，按编程智能体的公开定价计算。并非估算值或精选最优运行结果。由于AI编程智能体具有不确定性，相同提示词在不同环境和模型版本下的构建时间与成本可能有所不同。

NPU驱动AI应用（小游戏）

只需一个自然语言提示，约20分钟、约$10，即可构建完全自主的DEEPX-NPU应用。 基于姿态检测的小游戏，搭配街机HUD，由单个提示端到端构建。

Showcase	Kind	Highlight
Squat-Counting Mini-Game	game	pose game + arcade HUD
Stretching Coach Mini-Game	game	coach avatar + 3 stages

Squat-Counting Mini-Game

通过膝盖/髋关节角度计算深蹲次数，并显示街机HUD（次数 / 分数 / DOWN·UP·GOOD!）。

Highlight: pose game + arcade HUD · Claude Opus 4.8 · ≈ 12 min · ≈ $7.3 — details →

Stretching Coach Mini-Game

动画教练头像演示每个目标姿势，引导完成3种拉伸动作。

Highlight: coach avatar + 3 stages · Claude Opus 4.8 · ≈ 15 min · ≈ $8.1 — details →

Ultralytics生态系统集成

只需一行自然语言，一条命令即可将所有Ultralytics YOLO移植到DEEPX NPU，或进行领域定制再训练。 format=deepx导出 + 四向评估（base/retrained × fp32-GPU / INT8-NPU）；INT8精度≈fp32，领域模型在NPU上运行更快。

Showcase	Kind	Highlight
Ultralytics YOLO → DeepX Export	export	1-cmd .pt → .dxnn
African Wildlife Monitoring	retrain	mAP ~0.0007→0.79, 59→80 FPS
Construction PPE Safety	retrain	mAP 0.0001→0.257, 58→80 FPS
Brain-Tumor Screening	retrain	mAP ~0.0005→0.40, 59→83 FPS
Pharmaceutical Pill Inspection	retrain	mAP ~0.001→0.75 (mAP50 0.97), 55→78 FPS

Ultralytics YOLO → DeepX Export

通过一条yolo export ... format=deepx命令将Ultralytics YOLO .pt模型转换为可部署的DeepX NPU模型（.dxnn），然后运行NPU推理和验证。

Highlight: 1-cmd .pt → .dxnn · Claude Sonnet 4.6 · ≈ 12 min · ≈ $2.4 — details →

African Wildlife Monitoring

在african-wildlife（水牛/大象/犀牛/斑马）数据集上对yolo26n进行再训练，用于野生动物保护摄像头；base/retrained × fp32/INT8四向评估。

Highlight: mAP ~0.0007→0.79, 59→80 FPS · Claude Opus 4.8 · ≈ 7 min · ≈ $3.2 — details →

Construction PPE Safety

在construction-ppe（安全帽/背心/...）数据集上对yolo26n进行再训练，用于工地安全摄像头；四向评估。

Highlight: mAP 0.0001→0.257, 58→80 FPS · Claude Opus 4.8 · ≈ 17 min · ≈ $4.0 — details →

Brain-Tumor Screening

在brain-tumor（MRI/CT）数据集上对yolo26n进行再训练，用于医疗边缘设备；四向评估。

Highlight: mAP ~0.0005→0.40, 59→83 FPS · Claude Opus 4.8 · ≈ 9 min · ≈ $3.7 — details →

Pharmaceutical Pill Inspection

在medical-pills数据集上对yolo26n进行再训练，用于药品计数站；四向评估。

Highlight: mAP ~0.001→0.75 (mAP50 0.97), 55→78 FPS · Claude Opus 4.8 · ≈ 8 min · ≈ $5.1 — details →

PaddlePaddle生态系统集成

只需一个简洁的提示词，即可在DEEPX NPU上实现实时视频和摄像头OCR的PaddleOCR（PP-OCRv5）。 在DX-M1 NPU上运行Baidu的PaddlePaddle OCR（文本检测 → 方向校正 → 识别）。

Showcase	Kind	Highlight
Video / Webcam OCR (PP-OCRv5)	app	PP-OCRv5 det→cls→rec on-device (~2.8 FPS, 341 ms/frame); 14 text regions/frame; video + webcam from one --source flag

Video / Webcam OCR (PP-OCRv5)

在DX-M1 NPU上进行实时文本检测和识别 — 通过单一代码路径处理视频文件和实时摄像头画面，并叠加显示检测框和识别字符串。

Highlight: PP-OCRv5 det→cls→rec on-device (~2.8 FPS, 341 ms/frame); 14 text regions/frame; video + webcam from one --source flag · Claude Opus 4.8 · ≈ 18 min · ≈ $12.0 — details →

RapidAI生态系统集成

只需一个简洁的自然语言提示词，即可在DEEPX NPU上实现PDF → Markdown文档转换应用。 RapidAI的RapidDoc（PP-StructureV3）：布局、OCR、表格、公式 — 在DX-M1 NPU上运行PaddlePaddle训练模型。这是从fork流水线生成的独立自包含应用。

Showcase	Kind	Highlight
PDF → Markdown (document conversion app)	app	9-page financial report parsed on-device; standalone app — vendored rapid_doc, own entry, no fork clone; 21 headings + 9 HTML tables preserved (auto 12.6s / ocr 14.7s)

PDF → Markdown (document conversion app)

通过RapidDoc fork，在DEEPX DX-M1 NPU上将PDF（数字版或扫描版）转换为结构化Markdown + JSON — 支持布局分析、OCR、表格和公式。支持--parse-method auto|txt|ocr选项。

Highlight: 9-page financial report parsed on-device; standalone app — vendored rapid_doc, own entry, no fork clone; 21 headings + 9 HTML tables preserved (auto 12.6s / ocr 14.7s) · Claude Opus 4.8 · ≈ 12 min · ≈ $6.2 — details →

复现展示案例

cd dx-agent-dev-showcase/<showcase>
bash setup.sh && bash run.sh        # retrain/export showcases
## games: ./setup.sh then ./run.sh (or ./run.sh --camera 0)

需要x86-64 Linux + DeepX运行时（dx_engine）。各展示案例的前提条件和确切提示词请参阅各案例的README。

中文版：README-zh.md.