免费在 GitHub 公开中文介绍

onboard

帮助选择RuView的入门路径：无需测量设备的演示、从源码构建，或使用ESP32进行实测，并引导下一步操作，区分样本数据回放与真实房间感知。

原文查看原文说明

Zero-to-sensing path picker for RuView (WiFi-DensePose) — pick docker-demo, repo-build, or live-esp32 and run the next concrete step.

ruvnet/RuView

AI 评分80分/ 100 查看安装方法

适用场景

无需测量设备即可体验界面
从源码构建并运行测试
使用ESP32开始房间感知
了解精度声明的验证步骤

中文介绍

功能

根据目标选择RuView（WiFi-DensePose）的入门方式，并引导第一个具体操作。共有三条路径：回放样本数据的docker-demo、面向开发者的repo-build，以及使用ESP32感知真实房间的live-esp32。通过ruview_onboard {path}指定路径，即可进入启动演示、测试或实机设置的后续步骤。

适用场景

无论是想先体验界面、从源码构建，还是在实际房间中开始感知，都可以用它确定入口。实测会先引导至provision-node，再进入calibrate-room；评估精度声明时则转向verify。

使用示例

“请在没有测量设备的情况下启动RuView演示。”
“请介绍使用ESP32感知房间所需的下一步操作。”

注意事项

WiFi感知利用反映通信信道状态的CSI，估计粗略姿态、是否有人及呼吸，并不具备摄像头级精度。演示需要Docker，实测需要为ESP32烧录并校准房间。只有live-esp32感知真实房间，精度数值必须通过与基准对照测量得出。

本介绍由 AI（OpenAI Codex）根据公开的 SKILL.md 撰写。准确的规格请查看下方原文。

客观评估

AI 仅根据 SKILL.md 的内容，从 4 个方面进行了评估。星标数和热度不计入评估。

指令清晰度能否看出何时使用、做什么: A良好明确说明了三条入门路径的用途，并指出哪条路径感知真实房间。
步骤具体性步骤、输入输出和示例是否具体: A良好提供了具体的docker run、cargo test命令及实测后续技能。
安全性发送数据、删除文件、执行命令等是否有说明: B部分不足引导运行Docker和烧录设备，但未提供执行前的确认步骤。
安装难易度所需工具和 API 密钥是否少且有说明: B部分不足说明了Docker和ESP32等前提，但没有Docker或Rust环境的安装步骤。

总分按每项 A=25 分、B=15 分、C=5 分相加。由 AI（OpenAI Codex）于 2026年10月21日评估。仅供参考，安装前请同时查看原文。

如果您认为评估有误，请申请复核

包含的文件（1）

SKILL.md1.3 KB

SKILL.md（原文）

安装前可以查看交给 AI 代理的指令内容。

onboard

Get a newcomer from nothing to a working RuView setup. First fact to set: WiFi sensing infers coarse pose/presence/breathing from Channel State Information — it is not a camera, and any accuracy number must be MEASURED against a baseline (use the verify skill / ruview_claim_check tool). Never present WiFi output as camera-grade.

Pick a path

Run ruview_onboard {path} or decide from:

docker-demo — fastest, no hardware. Replays sample CSI into the dashboard. docker run -p 8000:8000 ruvnet/wifi-densepose → open http://localhost:8000. Use to see what it looks like.
repo-build — for developers. cd v2 && cargo test --workspace --no-default-features (1,031+ tests pass), then cargo run -p wifi-densepose-cli -- --help.
live-esp32 — a real install. Flash a node (provision-node skill), point it at the sensing-server, then calibrate-room. This is the only path that senses a real room.

Then

Live sensing → go to provision-node, then calibrate-room.
Evaluating a model/claim → go to verify and run ruview_claim_check on any report before you quote a number.

评价

还没有评价。欢迎分享你的使用感受。

无需登录即可发表。欢迎分享使用感受、提问，或说明在哪些环境下无法运行。

还没有评论。来写第一条吧。

同一仓库的技能