開發流程
本頁面提供一份概略的地圖，說明您實際上如何每天使用 SiMa.ai Neat。當您準備好時，每個步驟都會連結到更深入的頁面。
迴圈
典型的 Neat 開發週期如下：
- 安裝 — 在您的主機或裝置上取得
sima-neat套件，並可選擇性地安裝pyneatPython 介面。 - 試用 Hello Neat — 編譯一個最簡化的範例，以確認函式庫是否已正確連接。
- 選擇一個已編譯的模型 — Neat 會使用一個已編譯的模型封存檔（
.tar.gz，通常稱為 MPK）。您可以從 Model Zoo 中選擇一個，或者使用 Model Compiler 編譯您自己的模型。 - 撰寫
Model/Graph/Run— 載入模型，建構圖，並以最適合該任務的最小執行階段路徑來執行它。 - 執行並檢查 — 提供輸入，獲取輸出，並使用
GraphReport/MeasureReport來驗證行為。 - 透過教學逐步學習 — 從單次推論開始，進而學習如何建立管線、多輸入模型、多串流圖，以及達到生產級別的錯誤處理能力。
- 部署 — 將您的應用程式與目標裝置上已安裝的 Neat 函式庫連結。
選擇模型、圖或執行
從最小的、能夠解決問題的表面開始。當應用程式的運作機制變得更複雜時，您可以隨時升級。
| 如果您需要…… | 從以下開始 | 為什麼 | 下一站 |
|---|---|---|---|
| 執行一次已編譯的模型。 | Model.run(...) | 從成品到輸出張量之間的最短路徑。 | 執行您的第一個模型 |
| 在已連接的 Modalix PCIe 卡上執行模型。 | pcie::Model / pyneatpcie.Model | 在不建立原生卡片應用程式的情況下，於主機端進行協同處理。 | PCIe 協同處理 |
| 檢查範本合約或路線。 | Model | 規格、中繼資料和路由資訊會告訴您模型接受和輸出的內容。 | 模型 |
| 將模型新增到應用程式流程中。 | Graph | 命名輸入和輸出，組成節點，並保持拓撲結構的明確性。 | 圖 |
| 在不同時間點重複使用同一個圖。 | graph.build(...) → Run | 提供推送/拉取、關閉/排空控制、測量和佇列策略功能。 | 執行圖 |
| 同時處理多個資料流，或追求最高的處理量。 | RunOptions + 測量 | 調整傳輸量需要佇列策略、封包丟棄計數器，以及針對每個資料流的證據。 | 調整吞吐量與佇列深度 |
如果這是您第一次進行實作練習，請從 教學指南 中的預先檢查清單開始，然後在新增圖形相關機制之前，先執行一個模型。
核心概念概覽
「開發流程」頁面會詳細說明上述各個環節。以下是重點摘要：
- 模型 — 載入已編譯的模型套件，並將其公開為可執行的單元。
- PCIe 協同處理 — 在主機應用程式中執行已編譯的模型，並在連接的 Modalix PCIe 卡上執行。
- 生成式 AI 模型 — 直接執行生成式模型，或透過 HTTP 提供服務。
- 張量與樣本——這是各個階段之間傳遞的資料和中繼資料封包。
- 執行／推論 — 以同步方式執行 (
run) 或以非同步方式執行 (push/pull)。 - 圖 — 將模型階段、節點、輸入和輸出組合成一個應用程式圖。
- 執行圖形 — 將圖嵌入到即時
Run中，然後進行推送、拉取、排空、測量和調整，以最佳化吞吐量。 - 節點 ——圖的基本組成單元。
如果您只想先學習一頁內容，請從 執行／推論概觀 開始——它將 Model、Graph 和 Run 串聯起來。
接下來要去哪裡？
針對新使用者的逐步入門指南：
- Neat SDK — 安裝 Neat SDK，配對一個 DevKit，並在搭載
dk的硬體上執行。 - 建立 — 使用
build.sh（貢獻者工作流程）從原始碼建立 Neat。 - 您好，Neat！——一個簡潔的 CMake 應用程式，它會連結到已安裝的函式庫。
- 教學指南 — 循序漸進的教學章節，內容從「第一個模型」到「生產管線」不等。
當您需要更深入的資訊時，請參考以下資料：
- 執行／推論——將
Model、Graph、Run、節點和輸入/輸出逐一分解的概念。 - C++ 參考資料 — 提供已安裝標頭檔的完整 API 介面。
- Python 參考資料 —
pyneat繫結參考資料。
您寫的內容與 Neat 提供的內容之間的差異
Neat 擁有執行階段：模型載入、驗證、管線建構、排程、清理和診斷。您擁有應用程式程式碼，該程式碼將輸入連接到輸出，並對結果做出反應。界線是 include/ 中的公開 API，它被視為穩定的——您可以升級 Neat，而無需重寫您的應用程式。
如果您只記得 Neat 中的三行程式碼，請記住以下內容：
simaai::neat::Model model(mpk_path);
simaai::neat::TensorList outputs = model.run(input_tensors, /*timeout_ms=*/2000);
simaai::neat::Mapping view = outputs[0].map_read(); // inspect the output bytes
本檔案中所有其他內容——包括圖、執行句柄、非同步佇列和多串流應用程式——都是對那段核心三行故事的擴展，並且受到控制。