日本語 · English · 简体中文 · 繁體中文 · 한국어 · Deutsch · हिन्दी
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）。
只拿到文件的 Codex / Copilot 第一次都沒能找到依用途查找的索引(2026-09-15),原因是本指南沒有指向它。入口共有 5 個:
docs/CAPABILITIES.md。每個課題一個檔案(docs/capabilities/),給出建議流程(有序 op)/ 替代 / 限制 / 實際尺寸校正;tests/test_capabilities.py 檢查 op 名確實存在,且型別(in → out)從前一步銜接到後一步。fullseye-rag search / fullseye.search_ops(下一節)。docs/ops/INDEX.md → 族目錄 → op 筆記。fs.op_find(query)(自由詞、詞幹)/ fs.op_assist(op)(規格、預設、下一步可接的 op)/ fs.op_path(from_sort, to_sort)(連接型別 A → 型別 B 的 op 序列)/ fs.op_producers(sort)(產生該型別的 op)/ fs.op_accepts(op)(實測可接受的型別);命令列為 fullseye has <op>(也可用 HALCON 名)。docs/OP_INDEX.json(全部 op 的型別契約)、wheel 附帶的 OP_CATALOG.md。在 Windows 的 shell 中讀取時請明確指定 UTF-8 —— 筆記是無 BOM 的 UTF-8,用預設字碼頁開啟會亂碼,AI 會在「讀不懂」的情況下判斷為「沒有」(Codex 實際發生過)。PowerShell 用 Get-Content -Encoding utf8,Python 用 PYTHONUTF8=1。
fullseye-rag search "雜訊去除" --lang tw # 命令(只需 pip install fullseye)
fullseye-rag search "edge detection" -k 5 --lang tw
import fullseye
fullseye.search_ops("邊緣", k=5, lang="tw") # Python；MCP 中為 fullseye_find_ops
所有 op 的摘要都以七種語言(日文原文 + 英文、簡體中文、繁體中文、韓文、德文、印地文譯文；印地文譯文的專業術語保留英文)建立索引，
並與 op 名稱、HALCON 名稱、輸入/輸出型別一起比對，依排名回傳「摘要 + 筆記位置」。繁體與簡體無法從
文字種類區分，請以 --lang tw 指定。筆記本文為日文，用 grep 搜尋母語詞彙常得到 0 筆，而此搜尋可以用
母語查找。不使用嵌入向量或外部服務(BM25，僅標準函式庫)。不辨識同義詞(摘要寫「偵測」時，
「檢測」的命中會較弱)：命中較少時請換個說法或改用英文。可執行範例：py -3.11 examples/find_ops_by_meaning.py。
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/<family>/guides/<name>.md # 各家族的使用指南(公式·圖示·經典文獻引用)
docs/OP_INDEX.json # 登錄庫的機器可讀索引
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）。
也可以把 3,629 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）。
op 筆記回答「這個 op 做什麼」，卻不回答「在這道工序、這個零件上該量什麼」。
docs/literature/ 填補這個空隙：外部文獻語料（機械設計、機電零組件、製造製程、駕駛模擬與評估、感測器模擬，約 8,900 筆 OpenAlex
中繼資料；主題 → op 對照表依領域分開）依叢集摘要，並附上每個叢集要用的 op（人工撰寫的主題 → op 對照表，生成時以出貨筆記核對 op 名是否存在）以及代表
論文的標題 / 年份 / DOI 作為來源。閱讀順序：製程、零件或駕駛評估話題 → 文獻叢集 → 要用的 op → op 筆記（型別契約、可執行範例）→ 實作。
不複製摘要，也從不用字面重合挑 op（實測會被通用詞帶出無關 op，已捨棄）。語料本體不在儲存庫裡，因此只有這一層用
tools/gen_literature_notes.py --rad-root <RAD> 重建，tests/test_literature_notes.py 守住它的形狀。
光學量測與外觀檢查的可靠性(POD、雷射散斑、偏振恢復形狀、全域光傳輸、驗收測試與不確定度、合成資料,共 6 個軸)是人工精選的層:論文由人挑選,每個軸的概述由人撰寫(清單 docs/literature/curated/)。
實際能檢索到的範圍:該層只有在讀取儲存庫檔案時可用(Claude Code 技能 fullseye-ops,checkout 模式)。MCP 伺服器的搜尋(fullseye_search_ops / fullseye_find_ops)和 fullseye-rag search 不會傳回文獻層的叢集與論文。不過主題 → op 對照表中人工撰寫的脈絡(「主題: 為什麼用這個 op」,日文原文及英譯)已加入依語意搜尋的索引詞,因此用現場的說法(焊道高度、拋光去除量)也能找到 op,並顯示在結果的 contexts 欄位中。wheel(pip install)也不包含 docs/literature。
version + fingerprint）。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。examples/ / examples_3d/），AI 可以自行執行其提案並加以確認。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）。