NVIDIA VSS Blueprint 3.3 用单条提示在 30 分钟内搭出视觉 AI 智能体，并让 VLM 输入 token 减少 80%

Build Vision Agent 技能把告警、搜索、摘要等多工作流组合进一个部署计划，并复用 VIOS、Kafka、Redis、Elasticsearch、HAProxy 入口与 MCP 等共享基础设施。 此前的 VSS 技能只处理部署、相机设置、摘要、搜索、告警、分析等单项操作；3.3 把它们组织为部署技能、操作技能、工具与基准，由 vss-build-vision-ai 负责组合其余部分。 文中给出四个已验证配置档（base、alerts、lvs、search）及其能力，并说明技能从最接近的配置档出发、只增删精确的服务键、把共享角色收敛到单一实例；在双 GPU RTX PRO 6000 Blackwell 主机上，组合搜索与告警时只新增告警桥与实时 VLM，FP8 Cosmos 3 Nano 与检测器共用 GPU，录制告警构建在 30 分钟内达到可实时预览的部署。

Adaptive EVS 通过动态剪枝与事件感知批处理降低 VLM 运行成本：逐 patch 与前一帧做余弦相似度比较，未变化 patch 在进入语言模型前被丢弃；token 保留率高于约 70% 的片段按事件批处理，低于约 30% 的被丢弃或冲刷，其余正常处理。 EVS 已以固定剪枝率随 vLLM 与 Cosmos NIM 微服务发布；3.3 的自适应版本集成进实时 VLM 微服务，按 patch、按帧决定保留哪些 token。 在 RTX PRO 6000 Blackwell 上运行 Cosmos 3 Super FP8 的测量显示：告警上下文延迟下降 17%（1,021 ms 到 844 ms），并发实时 VLM 流增加 46%（13 到 19），60 分钟视频摘要耗时约减半且 VLM 输入 token 减少 80%；文中同时说明结果随场景运动、块长度与相似度阈值变化，建议先用代表性素材做基准测试。

部署产物是自包含构建：_builds/<name>/override.env（配置档、生效的 Compose profiles 与仅被修改的设置）、compose.yml，以及由 docker compose config 生成的扁平化 resolved.yml，可独立部署，且不修改仓库的 deploy/docker/ 目录。 技能在写入或部署前先展示架构图供审阅，随后执行校验、部署与就绪检查；并询问是否部署智能体运行框架，默认是装有 VSS 技能的宿主侧沙箱 NemoClaw，选择否则得到由 VSS CLI 驱动的无头栈。 文中以清单形式列出这些产物与流程步骤，并说明扩展运行中部署时走更小的增量、复用既有服务。

该方案面向多工作流生产部署的三类成本驱动：开发成本（连接微服务、共享服务、模型端点、环境变量与 API 而不重复基础设施）、运营成本（每条流、每个帧窗口、每个提示与视觉 token 都可能增加 GPU 占用、排队延迟与端到端摘要延迟）、变更成本（从概念验证走向生产、增加能力并保持配置、文档与运维一致）。 3.3 从开发侧与运行侧同时压缩成本，而非只优化其中一侧。 文中以智慧城市与仓储两类应用场景说明工作流组合的价值，并给出上述三类成本的具体构成。

该方案面向在自有或隔离网络上部署实时与录制视频智能体的开发团队，适用于需要把告警、搜索、摘要、报告与问答组合起来的场景，如灌装线、仓储与智慧城市。Adaptive EVS 在 VLM 读取大量帧而输出较短时最有用，例如密集描述、长视频摘要与告警验证；它运行在 RT-VLM 容器内而非针对远程端点，且为可选功能，可在 override.env 中通过 VIA_EVS_SESSION、VLM_VIDEO_PRUNING_RATE 与 VLLM_EVS_SIMILARITY_THRESHOLD 启用与调参。文中建议在可信隔离网络上配合认证、TLS、限流与外部控制进行部署。

文中明确说明 Adaptive EVS 的效果随场景运动、块长度与相似度阈值变化，并建议在选定生产默认值前用代表性素材做基准测试，因此 80% token 削减、46% 并发流提升与 17% 延迟下降应视为特定硬件与模型配置下的测量值，而非通用保证。事件感知批处理中约 70% 与约 30% 的阈值以“约”表述，实际取值与场景相关。此外，本文为蓝图发布说明，未提供独立第三方复现、跨硬件对比或准确率损失的完整评估，这些是读者在采用前仍需自行验证的开放问题。