fullseye

将 Fullseye 用作 AI 助手 RAG 的方法（面向 Claude Code）

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

Fullseye 的推荐用法是”作为 AI 编码助手的知识库（RAG）使用“。由于所有 op 都拥有机器可读的 Markdown 笔记（docs/ops，唯一可信来源），因此不需要额外的向量数据库或嵌入服务。只要环境支持 grep，它本身就是一个 RAG。

我们提供三个阶段的引入方式。Tier 0/1 没有任何外部依赖（仅凭 Fullseye 仓库本身即可完成）。

从 PyPI 使用：在执行了 pip install fullseye 的环境中，可以使用控制台脚本 fullseye-rag。若是 checkout（clone / pip install -e .），会将 docs/ops 的完整语料库固定到技能中；若仅为 wheel 安装，则会将随附的 OP_CATALOG.md（面向 AI 的全 op 目录）固定为技能（之后如果需要完整的逐 op 笔记，只需 clone 仓库后重新执行即可）。更新方式为 py -3.11 tools/update_fullseye.py（拒绝在 dirty 树上执行 · --ff-only · 在备份基础上更新技能 · 不触碰 Studio 设置——设计上不会破坏你的环境）。

Tier 0：只需打开仓库（零步骤）

在 Claude Code 中打开 Fullseye 仓库的 checkout，即可直接检索和参照 docs/ops/INDEX.md 以及各 op 笔记。语料库属于仓库内容（wheel 中不包含），因此若只做了 pip 安装，请同时 clone 仓库。

docs/ops/2d/<category>/<op>.md   # 调用形式·类型契约·HALCON 别名·参考文献·相关 op
docs/ops/3d/<category>/<op>.md
docs/ops/INDEX.md                # 遍历文件夹层级自动生成的整体目录
docs/ops/2d/guides/<family>.md   # 13 个系列的使用指南(公式·图示·经典文献引用)
docs/OP_INDEX.json               # 注册表的机器可读索引

Tier 1：作为技能常驻（推荐 · 内置安装脚本）

如果想在自己的项目中工作的同时调用 Fullseye，只需运行一次内置的安装脚本：

py -3.11 tools/setup_claude_rag.py              # 安装(重新执行 = 更新)
py -3.11 tools/setup_claude_rag.py --uninstall  # 卸载

内置技能 skills/fullseye-ops 会被复制到 ~/.claude/skills/fullseye-ops，SKILL.md 中的 FULLSEYE_REPO = 一行会自动固定为此 checkout 的绝对路径（这样无论 AI 在哪个项目中工作，都能知道语料库的位置）。若在找不到语料库（docs/ops）的 checkout 中执行，安装会被拒绝（fail-closed）。

此后，在涉及图像处理、几何视觉的话题时，Claude Code 会自动启动此技能，按照”检索（retrieve）docs/ops → 选择类型（sort）相衔接的 op 并实现 → 用内置的 worked example 验证”的流程运作。技能正文本身就是”对 AI 的使用说明书”。若想手动安装，只需将 skills/fullseye-ops 复制到 ~/.claude/skills/ 也可以运作（只是没有路径固定，AI 每次都需要自行查找仓库位置）。

Tier 2（可选）：聚类语料库——借助外部工具的进阶形态

也可以将 1,947 条笔记按主题聚类分层，并为每个聚类附上 LLM 摘要，做成”带导航的语料库”。我们内部使用的是 RAPTOR 分支的 corpus2skill（TF-IDF + k-means + LLM 摘要），但这只是一种可选的优化，并非必需。要求仅仅是”以 docs/ops 为输入，输出按聚类划分的 SKILL.md 层级结构”，因此任何等效的工具都可以替代。

重新导入（笔记更新后）的示例——如实记录内部的运行方式：

$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：聚类语料库是导入时刻的快照。更新 docs/ops 后如果不重新导入就会过时（Tier 0/1 始终读取原始笔记，因此不会过时）。

为什么这样可行（设计依据）

  1. md = 唯一可信来源：笔记由注册表确定性地自动生成，CI 的 drift 测试会强制要求”已提交的笔记 == 由当前代码生成的笔记”一致。AI 阅读的文档与实际代码始终是同一版本（frontmatter 的 version + fingerprint）。
  2. 类型（sort）契约：每条笔记都带有 in:/out: 以及”类型相衔接的相关 op”，因此 AI 可以在进行类型检查的同时组装流水线。
  3. 可验证：所有 op 都配有带 ground truth 的 worked example（examples/ / examples_3d/），AI 可以自行执行其提案并加以确认。
  4. 一直贯通到显示：打开 Studio（py -3.11 studio.py），人类就能在同一屏幕上以图像窗口、3D 显示的形式检查 AI 组装的结果（也可以通过 dev_open_window 等从脚本中配置多个窗口）。
This site is open source. Improve this page.