fullseye

將 Fullseye 用作 AI 助理 RAG 的方法（針對 Claude Code）

日本語 · English · 简体中文 · 繁體中文 · 한국어 · Deutsch

Fullseye 建議的用法是「作為 AI 程式設計助理的知識庫（RAG）使用」。由於所有 op 都擁有機器可讀的 Markdown 筆記（docs/ops，單一真實來源），因此不需要額外的向量資料庫或嵌入服務。只要環境能夠 grep，本身就是一個 RAG。

我們提供三個階段的導入方式。Tier 0/1 沒有任何外部相依性（僅靠 Fullseye 儲存庫本身即可完成）。

從 PyPI 使用：在執行過 pip install fullseye 的環境中，可以使用主控台指令 fullseye-rag。若是 checkout（clone / pip install -e .），會將 docs/ops 的完整語料庫固定到技能中；若僅為 wheel 安裝，則會將隨附的 OP_CATALOG.md（面向 AI 的全 op 目錄）固定為技能（之後若需要完整的逐 op 筆記，只要 clone 儲存庫後重新執行即可）。更新方式為 py -3.11 tools/update_fullseye.py（拒絕在 dirty 樹上執行 · --ff-only · 在備份基礎上更新技能 · 不觸碰 Studio 設定——設計上不會破壞你的環境）。

Tier 0：只要開啟儲存庫（零步驟）

在 Claude Code 中開啟 Fullseye 儲存庫的 checkout，即可直接檢索並參照 docs/ops/INDEX.md 與各 op 筆記。語料庫屬於儲存庫內容（wheel 中不包含），因此若只做了 pip 安裝，也請一併 clone 儲存庫。

docs/ops/2d/<category>/<op>.md   # 呼叫形式·型別契約·HALCON 別名·參考文獻·相關 op
docs/ops/3d/<category>/<op>.md
docs/ops/INDEX.md                # 走訪資料夾階層自動產生的整體目錄
docs/ops/2d/guides/<family>.md   # 13 個家族的使用指南(公式·圖示·經典文獻引用)
docs/OP_INDEX.json               # 登錄庫的機器可讀索引

Tier 1：作為技能常駐（建議 · 內建安裝指令碼）

如果想在自己的專案中工作的同時參照 Fullseye，只需執行一次內建的安裝指令碼：

py -3.11 tools/setup_claude_rag.py              # 安裝(重新執行 = 更新)
py -3.11 tools/setup_claude_rag.py --uninstall  # 解除安裝

內建技能 skills/fullseye-ops 會被複製到 ~/.claude/skills/fullseye-ops，SKILL.md 中的 FULLSEYE_REPO = 那一行會自動固定為此 checkout 的絕對路徑（如此一來，無論 AI 在哪個專案中工作，都能知道語料庫的位置）。若在找不到語料庫（docs/ops）的 checkout 中執行，安裝會被拒絕（fail-closed）。

此後，只要話題涉及影像處理、幾何視覺，Claude Code 就會自動啟動此技能，依照「檢索（retrieve）docs/ops → 挑選型別（sort）相銜接的 op 並實作 → 以內建的 worked example 驗證」的流程運作。技能本文本身就是「給 AI 的使用說明書」。若想手動安裝，只要把 skills/fullseye-ops 複製到 ~/.claude/skills/ 也能運作（只是少了路徑固定，AI 每次都得自行尋找儲存庫位置）。

Tier 2（選用）：叢集化語料庫——藉助外部工具的進階型態

也可以把 1,947 篇筆記依主題分層叢集，並為每個叢集附上 LLM 摘要，做成「附導覽的語料庫」。我們內部使用的是 RAPTOR 分支的 corpus2skill（TF-IDF + k-means + LLM 摘要），但這只是一種選用的最佳化，並非必要。要求僅僅是「以 docs/ops 為輸入，輸出依叢集劃分的 SKILL.md 階層」，因此任何具同等功能的工具都可以替代。

重新匯入（筆記更新後）的範例——如實記錄內部的運作方式：

$env:RAPTOR_DIR="<path-to-raptor-checkout>"
py -3.11 raptor_corpus2skill.py --source <fullseye>/docs/ops --name fullseye_ops_corpus_v2 `
  --overwrite --max-depth 2 --max-clusters 6 --min-cluster-size 8   # 需要 ANTHROPIC_API_KEY

注意：叢集化語料庫是匯入當下的快照。更新 docs/ops 後若不重新匯入就會過時（Tier 0/1 一律讀取原始筆記，因此不會過時）。

為什麼這樣可行（設計依據）

  1. md = 單一真實來源：筆記由登錄庫確定性地自動產生，CI 的 drift 測試會強制要求「已提交的筆記 == 由目前程式碼產生的筆記」一致。AI 讀取的文件與實際程式碼永遠是同一版本（frontmatter 的 version + fingerprint）。
  2. 型別（sort）契約：每篇筆記都帶有 in:/out: 以及「型別相銜接的相關 op」，因此 AI 能在進行型別檢查的同時組裝管線。
  3. 可驗證：所有 op 都附有帶 ground truth 的 worked example（examples/ / examples_3d/），AI 可以自行執行其提案並加以確認。
  4. 一路貫通到顯示：開啟 Studio（py -3.11 studio.py），人類就能在同一畫面上以影像視窗、3D 顯示的形式檢查 AI 組裝的結果（也能透過 dev_open_window 等從指令碼中配置多個視窗）。
This site is open source. Improve this page.