用 NVIDIA VSS Blueprint 3.3 在 30 分钟内构建视觉 AI Agent

NVIDIA Developer 发布视频，介绍通过 NVIDIA Blueprint for Video Search and Summarization（VSS）构建视觉 AI Agent。该 Agent 处理摄像头视频、实时检测异常并自动生成事件报告，由 NVIDIA Cosmos 和 Nemotron 驱动。新增的 vss-build-vision-ai skill 可读取 VSS Blueprint 的微服务目录，从一条提示自动组装告警、搜索、摘要等完整栈，30 分钟内完成部署，并在自有硬件上运行。

此前构建多能力视觉 AI Agent 需手工串联告警、搜索、摘要等微服务，开发与运维成本高。此次新增 skill 把微服务编排放进编码 Agent 自动完成，并通过 Adaptive Efficient Video Sampling 将推理时 VLM token 用量降低 80%，把部署门槛和运行成本同时压低。

VSS Blueprint 提供一套微服务目录，vss-build-vision-ai skill 读取该目录并自动组合告警、搜索、摘要等能力，省去人工接线；Cosmos 与 Nemotron 分别承担视频理解与语言推理，Adaptive Efficient Video Sampling 在推理阶段动态减少送入 VLM 的视频帧，从而削减 token 消耗，最终从一条提示生成可本地部署的 Agent。

产品与研发团队可用一条提示在 30 分钟内搭出可运行的视觉 Agent，减少前期集成投入，把精力放到场景规则与报告格式上；运行在自有硬件且按操作计费较低，使摄像头异常检测与事件报告类功能的边际成本更可控，适合先做小规模验证再扩展。

• 在安防、工业质检或门店巡检场景，用 vss-build-vision-ai skill 在自有硬件上快速搭建异常检测与事件报告原型。
• 将 Adaptive Efficient Video Sampling 纳入视频分析方案的选型评估，用 token 用量降幅作为成本测算依据。
• 基于自动生成的事件报告能力，设计面向运维或合规团队的告警与归档工作流。

• 30 分钟部署与运行成本的具体测量条件和硬件配置未在证据中说明。
• Adaptive Efficient Video Sampling 降低 80% token 用量的测试场景与精度影响未给出。
• vss-build-vision-ai skill 支持哪些编码 Agent、对自定义微服务的兼容范围尚不明确。