---
name: edge-framework-learner
description: edge_collector 框架、SDK、协议库和工具链学习沉淀规范。用于需要学习并沉淀 ONNX Runtime、RKNN、FOCAS SDK、Snap7、Drogon、React/Vite、Playwright、交叉编译工具链、AI Provider SDK 等新技术，并生成适合本仓库使用的 skill 或技术笔记。
---

# edge_collector 技术学习沉淀

## 适用场景

- 用户要求“学习某框架并生成 skill”。
- 新接入第三方 SDK、协议库、AI Provider 或模型推理框架。
- 当前知识可能过期，需要联网查官方文档。
- 需要把一次调研变成后续可复用的项目规则。

## 信息来源

优先级：

1. 官方文档、官方仓库、官方示例。
2. 当前仓库已有实现和构建脚本。
3. 设备或 SDK 随包文档。
4. 社区资料，仅用于补充，并标注来源。

涉及外部技术版本、接口或模型能力时必须联网确认，避免凭记忆。

## 学习输出

```text
技术定位
适用版本
当前项目使用场景
安装与依赖
最小可用示例
项目集成方式
构建/部署注意事项
常见错误
验证命令
是否需要新增 skill
```

## 生成 skill 时

- 名称使用小写短横线。
- 放到 `.agents/skills/<name>/SKILL.md`。
- frontmatter 只保留 `name` 和 `description`。
- 内容必须面向 `edge_collector`，不要生成通用教程。
- 复杂资料可放 `references/`，但优先保持 SKILL.md 简洁。
- 用 `skill-creator` 的 `quick_validate.py` 校验。

## 本项目集成检查

新增技术必须检查：

- 是否影响 `collector` 稳定性。
- 是否需要新增第三方库目录和架构分层。
- 是否需要修改 `package.sh` 或 `scripts/migrate_edge.sh`。
- 是否会引入运行配置覆盖风险。
- 是否需要 82/97/94/87 或云平台验证。
- 是否需要文档区分用户说明和技术细节。

## 输出语气

给用户的是选型和落地建议，不堆砌官方概念；每条建议都要说明对当前工程的影响。