用 Claude Code + 这个 Skill，1 分钟生成可直接运行的 VM 脚本，连 3D 点云都支持

---

写在前面

如果你用过 VisionMaster（以下简称 VM），一定对它的 C# 脚本模块又爱又恨。

• 变量类型映射全靠记，IMAGE、POINT、ROIBOX……经常搞混
• GetIntValue/SetFloatValue 接口又臭又长，每写一行都要翻 API
• 想用 OpenCV 处理图像？还得自己去查 ImageData 和 Mat 怎么互转
• 偶尔碰个 3D 激光轮廓仪，深度图怎么解析、点云怎么提——两眼一抹黑

这些问题，我曾经都经历过。直到我整理了一个开源项目——visionmaster-scripthelper，把它作为 Claude Code 的 Skill 来用，从此写 VM 脚本的效率至少提升了 5 倍。

今天就把这个工具分享给你。

---

这是个什么东西？

简单说：它是一个 Claude Code Skill，让 AI 助手深度理解 VM 脚本开发的全部细节——从变量类型映射、API 签名，到代码模式、编译校验，一应俱全。

项目地址：https://github.com/Chris-zixuan/AgentHub（在 visionmaster-scripthelper 目录下）

它不是什么黑盒插件，而是一套结构化的知识库 + AI 工作流指引，所有内容用 Markdown 和 C# 源码开放，你可以随时审查、修改、扩展。

---

核心一：告别 Get/Set，拥抱直接赋值

VM 4.x 之前的脚本风格是这样写的：

GetIntValue("in0", ref val);
SetFloatValue("out0", result);

不仅啰嗦，而且变量名是字符串，没有编译期检查，运行时出错了都不知道。

这个 Skill 从 v2.5 开始强制推行直接赋值范式：

int val = in0;          // 读取标量输入
out0 = val * 2;         // 写入标量输出
ImageData img = imgIn;  // 读取图像
imgOut = img;           // 写入图像
PointData[] pts = in0;  // 读取复合类型
out0 = pts;             // 写入复合类型

干净、直观、类型安全。AI 生成的代码全部遵循这个范式，你不用再手动改。

唯一保留 Get/Set 的场景：需要按字符串动态访问变量名时（比如遍历全局变量列表），可以用遗留接口作为后备。

---

核心二：14 种代码模式，直接抄

Skill 库内置了一份 code-patterns.md，收录了 14 种高频场景的代码模板：

模式	场景	说明
1	基础数据透传	最简单的输入→处理→输出
2	多类型数据读写	int/float/string/byte[] 混用
3	数组数据处理	批量处理数组元素
4	图像处理管道（OpenCV）	ImageData↔Mat 互转 + OpenCvSharp 算法
4b	图像处理管道（Bitmap）	用 System.Drawing，不用 OpenCV
5	ROI 处理	RoiboxData 几何变换
6	ROI 网格分割	一个 ROI 切分成 rows×cols 个子区域
7	全局变量控制流程	模块间通过全局变量传参
8	模块参数动态调整	根据条件改其他模块的配置
9	带状态的多次执行	Process 间保持累积状态
10	通信数据发送	TCP/PLC/Modbus 发送结果
11	异常处理模板	try-catch 的错误处理框架
12	资源管理模板	Mat 等非托管资源的生命周期管理
13	深度图转点云	StereoImageData → 物理坐标点云
14	深度图区间过滤	Z 阈值过滤 + 回写 StereoImageData

模式 13 和 14 是最新加入的 3D 支持（后面会详说）。

你只需要告诉 AI 你的场景，它会自动匹配模式、组合、生成完整脚本。你也可以手动翻阅，直接复制代码片段。

---

核心三：3D 支持——激光轮廓仪深度图处理

今年制造业视觉检测中 3D 的需求越来越多。这个 Skill 在最新版本中完整支持了 VM 的 3D 数据类型。

支持的 3D 类型

VM 类型	C# 类型	说明
STEREO_IMAGE	StereoImageData	立体图像（深度图容器）
POINT3D	Point3DData	3D 点坐标
POSE_INFO	PoseInfoData	位姿数据（欧拉角/四元数/变换矩阵）

深度图解析

激光轮廓仪采集的深度图格式：

• 每像素 2 字节，S16 有符号整型
• 无效值：-32768
• 物理坐标转换：x = col * Xscale + Xoffset，z = raw * Zscale + Zoffset

// 逐行提取有效点，转换为物理坐标
StereoImageData rangeImg = 深度图in;
short raw = BitConverter.ToInt16(buf, row * width * 2 + col * 2);
if (raw != -32768) {
    float x = col * rangeImg.Xscale + rangeImg.Xoffset;
    float z = raw * rangeImg.Zscale + rangeImg.Zoffset;
    // 加入点云列表...
}

完整示例见 05-stereo-depth-pointcloud.cs，可以直接复制使用。

---

核心四：类型映射速查——再也不怕搞混

Skill 里有一份 interface-quickref.md，所有变量类型映射一表打尽：

VM 类型	C# 类型	赋值示例
INT	int	int val = in0;
FLOAT	float	float val = in1;
IMAGE	ImageData	ImageData img = imgIn;
POINT	PointData[]	PointData[] pts = in0;
ROIBOX	RoiboxData[]	RoiboxData[] rs = in0;
CIRCLE	CircleData[]	CircleData[] cs = in0;
LINE	LineData[]	LineData[] ls = in0;
STEREO_IMAGE	StereoImageData	StereoImageData img = 深度图in;

规律很好记：

• 标量 → 基础类型（int, float 等）
• IMAGE → ImageData（唯一的非数组特例）
• 其他所有复合类型 → <Type>Data[] 数组
• 3D 类型 → 对应类名

---

核心五：图像处理——OpenCV 和 Bitmap 两条路都通了

这是日常最高频的需求。Skill 里封装好了 ImageData 和 Mat/Bitmap 之间的互转方法：

// 方案 A：OpenCvSharp
Mat matImage = ImageDataToMat(imgData);
// 用 OpenCV 算法处理...
ImageData result = MatToImageData(matImage);

// 方案 B：System.Drawing（不用额外装库）
Bitmap bmpImage = ImageDataToBitmap(imgData);
// 用 Graphics 绘制...
ImageData result = BitmapToImageData(bmpImage);

转换方法自动处理了 BGR↔RGB 通道顺序、stride 对齐、灰度图调色板等细节，你只管写业务逻辑。

---

它是怎么工作的？

整个 Skill 采用分层架构设计：

visionmaster-scripthelper/
├── SKILL.md                 # 规则定义 + 代码生成工作流（AI 的行为准则）
├── references/              # 原始 API 定义
│   ├── Script.Interface.cs  # 遗留接口签名
│   ├── Script.DataStruct.cs # 数据结构定义
│   └── Script.ExMethods.cs  # Mat/Bitmap↔ImageData 转换
├── examples/                # 可参考的代码
│   ├── 01~05*.cs            # 完整脚本示例
│   ├── interface-quickref.md# 类型映射速查
│   └── code-patterns.md     # 14 种代码模式
└── assets/
    └── find_msbuild.ps1     # 编译校验脚本

当你通过 Claude Code 请求生成脚本时，AI 会：

1. 读取你的 UserProperty.cs 和 UserScript.cs，理解现有代码
2. 查阅类型映射表、数据结构定义、转换方法
3. 匹配最合适的代码模式，组合生成
4. 校验编译（调用 MSBuild，或做静态审查）
5. 输出可直接粘贴到 VM 中的代码

整个过程你不是在"问 AI"，而是在和一个懂 VM 的专家结对编程。

---

怎么使用？

环境准备

1. 安装 Claude Code（推荐 VS Code 扩展或命令行版本）
2. 克隆 Skill 仓库到 ~/.claude/skills/ 目录
3. 在 VM 项目中打开终端，运行 claude 启动对话

使用示例

“帮我把这张图做 Canny 边缘检测，结果输出到下一模块”

AI 会自动：

• 读取你的 UserProperty.cs 确认输入输出变量
• 引用 02-canny-edge-detection.cs 示例
• 生成带 ImageData↔Mat 转换的完整脚本
• 检查变量名是否一致

“我的激光轮廓仪深度图需要过滤 Z 在 -10~10mm 以外的点，输出点云”

AI 会：

• 匹配模式 13 + 模式 14
• 读取 05-stereo-depth-pointcloud.cs 示例
• 生成完整脚本，包含 S16 解析、坐标转换、阈值过滤

---

写在最后

VisionMaster 作为国内主流的机器视觉平台，其 C# 脚本模块的潜力其实很大，但官方文档分散、接口风格老派，导致很多开发者宁愿用外部程序绕一圈，也不愿意写 VM 脚本。

这个 Skill 的目标就是填平这些坑，让开发者专注于业务逻辑本身，而不是在 API 细节上浪费时间。

项目基于 Apache 2.0 协议 完全开源：

👉 https://github.com/Chris-zixuan/AgentHub

这是一个开放共建的项目。当前 Skill 虽然已经覆盖了大部分常见场景，但 VM 的生态太庞大了——总会有新的传感器型号、新的算法需求、新的数据类型出现。

所以我非常希望你能：

• 下载试用 — 克隆到本地，在真实项目中跑一遍，看看能省多少时间
• 提 Issue / 反馈 — 遇到 bug、有困惑、或者发现某个场景没覆盖到，直接去 GitHub 开 Issue
• 一起增强 Skill — 如果你熟悉 VM 的某个特定领域（比如通信协议、特定品牌相机、3D 重建……），欢迎提交 PR 来扩展 references、examples 和 code patterns

一个人的精力有限，但一群人可以把这个 Skill 打磨成 VM 脚本开发的事实标准工具。

如果你觉得有用，不妨点个 Star ⭐，让更多 VM 开发者看到。

---

希望有一天，每个 VM 开发者都能用 AI 写脚本——你负责思考，代码交给 AI。