套餐

Rockchip NPU —— RK3588 / RK3576

reComputer RK3588 或 RK3576 在 NPU 上运行商品检测和嵌入，一台 Linux 服务器运行注册服务、管理界面、MQTT broker 和商品库。

服务器： 一台装有 Docker 的 Linux 服务器，不需要 GPU。
摄像头： RTSP 或 USB 摄像头，对准收银台或货架。
模型转换： 一台 x86_64 机器，rknn-toolkit2 不能在板卡上运行。
模型许可： 检测器和嵌入模型仅限非商用，不随本方案提供；商用部署需要用自采或许可宽松的数据重训。

部署注册管理端

在服务器上启动注册服务、管理界面和 MQTT broker，并设置角色 token。

前置条件

一台装有 Docker 和 compose 插件的 Linux 服务器，识别设备能访问到它。
至少设置一个 admin token，服务不允许匿名访问。
需要从本地网络之外访问管理界面时，在前面加一个 TLS 反向代理。
默认使用已发布的镜像；使用自建镜像时覆盖 RETAIL_SERVER_IMAGE 和 RETAIL_WEB_IMAGE。

故障排查

现象	处理
compose 运行前提示 "MISSING: `<image>`"	检查服务器能否访问镜像仓库；使用自建镜像时先在本机构建。
找不到 `docker compose`	安装 `docker-compose-plugin`。
匿名 `GET /v1/gallery` 返回 200	token 校验没有生效，停止使用并检查配置。
带 admin token 的 `GET /v1/gallery` 返回空库	首次注册前属正常。
8089 端口被占用	修改服务端口，设备端配置使用同一个端口。

部署方式

部署到识别设备可以访问的一台 Linux 服务器。

部署时需要填写（在 SenseCraft Solution 应用里填）

管理端主机 IP*
SSH 用户名*默认 ubuntu
SSH 密码*
注册服务镜像*默认 sensecraft-missionpack.seeed.cn/solution/edge-retail-console-server:0.2.0
已发布在 sensecraft-missionpack.seeed.cn/solution/edge-retail-console-server:0.2.0 （linux/amd64 + linux/arm64）。要用自建镜像的话，在这台主机上用上游仓库的 platforms/console/Dockerfile.server 构建，把构建出的 tag 填在这里。 registry 给得出 digest 就钉 digest：一个构建写出的商品库向量，只与同一个嵌入模型、同一套预处理写出的向量可比，对不上的症状是"什么都认不出来"，不是显眼的版本错误。
管理界面镜像*默认 sensecraft-missionpack.seeed.cn/solution/edge-retail-console-web:0.1.0
已发布在 sensecraft-missionpack.seeed.cn/solution/edge-retail-console-web:0.1.0 （linux/amd64 + linux/arm64）。要自建的话，先构建 SPA （`npm --prefix web/ui ci && npm --prefix web/ui run build`），再用 platforms/console/Dockerfile.web 构建这个镜像。镜像里不跑 npm。
Admin Token*
可以注册 SKU、替换 SKU、回滚商品库。发给有权决定"商品目录里有什么"的人。
Operator Token
只读权限，外加设备侧的上报角色。不能改商品库。
Viewer Token
只读——事件、汇总、商品库版本。不能注册任何东西。
注册服务端口*默认 8089
设备从这个端口拉商品库。它必须对每一台识别设备可达，不只是对浏览器可达。
管理界面端口*默认 8080
在本地网络之外能访问它之前，先在前面放一个终止 TLS 的反向代理。共享 bearer token 走明文 HTTP 等于没有鉴权。
MQTT 端口*默认 1883
随包的 broker 配置是匿名明文，config/mosquitto.conf 开头就写了这一条。任何能访问这个端口的人都能往 retail/v1/events 上灌伪造事件。只能用于台面测试—— 离开实验台之前先加账号与 TLS。

放置嵌入模型

把 DINOv2-base 嵌入模型放到管理端的模型目录，并启用它。

前置条件

步骤 1 的管理端已部署。
dinov2b_arcface_products10k_224_b1.onnx（348 MB，sha256 01ae07d10f638a2ebeb85100325ad79765a325d1026b728b60f1ee106e76eaae），需自行获取，仅限非商用。
服务器上 350 MB 可用空间。

故障排查

现象	处理
注册成功，但每次检索都返回错的 SKU	嵌入模型没有启用。设置 `RETAIL_EMBEDDER=onnx`，重启服务，然后重新注册所有 SKU。
设置 `RETAIL_EMBEDDER=onnx` 后 `server` 容器立刻退出	确认 `RETAIL_EMBEDDER_ONNX` 已填写，文件在 `assets/console/models/` 里且文件名一致。
换模型前后注册的商品库对不上	不同模型的商品库不能混用，用新模型重新注册所有 SKU。
计划商用部署	用自采或许可宽松的数据重训嵌入模型，并重建商品库。

注册 SKU

在管理界面的商品库中，为每个 SKU 上传 3 到 8 张图完成注册，每次注册生成一个新的商品库版本。

前置条件

步骤 1 的 admin token。
每个 SKU 3 到 8 张图，至少包括正面、背面、侧面，覆盖两种光照。
先确定嵌入模型，之后更换需要重建所有商品库版本。

故障排查

现象	处理
注册被拒，提示图片少于三张	至少上传 3 张。
同一个 sku_id 返回 409	需要替换时带 `replace=true`。
出了新版本，但设备仍然认不出这个 SKU	设备端拉取、校验并切换商品库版本的功能尚未实现。
top-1 明显偏低	先增加每个 SKU 的注册图数量；仍偏低时用现场图片微调模型。

在 Rockchip 上转换并核对检测器

在 x86_64 主机上把检测器 ONNX 转成 .rknn，拷到板卡上。

前置条件

x86_64 机器装有 rknn-toolkit2 2.3.2、onnx 1.16.1、setuptools 低于 81。
toolkit 版本与板卡上 librknnrt.so 版本一致，不一致时可能加载成功但结果错误。
检测器 ONNX，需自行获取，仅限学术与非商用。
步骤 2 的嵌入模型 ONNX。
设备端为检测和嵌入分配不同的 NPU 核：RETAIL_RKNN_DET_CORE_MASK=2、RETAIL_RKNN_EMBED_CORE_MASK=01，不要用 AUTO。

故障排查

现象	处理
`load_onnx` 在 `onnx.mapping` 上失败	安装 onnx 1.16.1。
找不到 `pkg_resources`	把 setuptools 降到 81 以下。
INT8 一致率明显低于 98%	校准图从整个验证集等间隔抽取，不要按文件名取前 N 张。
板卡上没有 cv2 和 PIL	在其他机器上做 letterbox 预处理，打包成 `(N, 640, 640, 3)` uint8 BGR 的 `.npy`；设备端只需要 numpy 和 rknnlite。

验证注册、检索与设备产物

验证管理端注册与下载，并核对转换后的模型与 CPU 结果一致。

前置条件

步骤 1 到 4 已完成。
上游仓库克隆，已执行 uv sync。
自己 SKU 的照片，使用未注册过的角度拍摄。

故障排查

现象	处理
检测框一致率远低于参考值	检查解码路径和输出布局。
软件闭环通过但板卡上不工作	软件闭环只验证协议，板卡问题按步骤 4 排查。
商品库在服务器上校验通过、在设备上不通过	对比两边的 sha256，重新传输文件。

部署完成后

快速验证

uv run python tools/verify_software_loop.py 通过。
管理端带 admin token 时每注册一次版本号加一，不带 token 时返回 401 或 403。
GET /v1/gallery/current/download 返回的 tar.gz 中 SHA256SUMS 校验通过。
.rknn 与 CPU 结果的检测框一致率（IoU ≥ 0.5）：fp16 接近 99.85%，INT8 接近 98.35%。

后续步骤

用自己货架或收银台的数据微调两个模型。
设备端进程 platforms/rk3588/runtime.py（配置 platforms/rk3588/runtime.yaml）串联检测、嵌入、检索与上报，本套餐不负责部署和托管它。
用真实摄像头和门店流量测量端到端延迟。

套餐

reComputer R2000（Hailo-8）—— 检测上 NPU，嵌入留 CPU

reComputer R2000（Hailo-8）在 NPU 上运行商品检测、在 CPU 上运行嵌入，一台 Linux 服务器运行注册服务、管理界面、MQTT broker 和商品库。

服务器： 一台装有 Docker 的 Linux 服务器，不需要 GPU。
摄像头： RTSP 或 USB 摄像头，对准收银台或货架。
模型编译： 一台 x86_64 机器，Hailo Dataflow Compiler 不能在设备上运行。
模型许可： 检测器和嵌入模型仅限非商用，不随本方案提供；商用部署需要用自采或许可宽松的数据重训。
限制： 本套餐目前没有串联检测、嵌入、检索与上报的设备端程序，需自行编写。

部署注册管理端

在设备能访问的服务器上启动注册服务、管理界面和 MQTT broker。

前置条件

一台装有 Docker 和 compose 插件的 Linux 服务器。
至少设置一个 admin token，服务不允许匿名访问。
需要从本地网络之外访问管理界面时，在前面加一个 TLS 反向代理。
默认使用已发布的镜像；使用自建镜像时覆盖 RETAIL_SERVER_IMAGE 和 RETAIL_WEB_IMAGE。

故障排查

现象	处理
compose 运行前提示 "MISSING: `<image>`"	检查服务器能否访问镜像仓库；使用自建镜像时先在本机构建。
匿名 `GET /v1/gallery` 返回 200	token 校验没有生效，停止使用并检查配置。
设备访问不到服务端口	在设备上直接测试服务端口，设备从该端口拉取商品库。
8089 端口被占用	修改服务端口，设备端配置使用同一个端口。

部署方式

部署到识别设备可以访问的一台 Linux 服务器。

部署时需要填写（在 SenseCraft Solution 应用里填）

管理端主机 IP*
SSH 用户名*默认 ubuntu
SSH 密码*
注册服务镜像*默认 sensecraft-missionpack.seeed.cn/solution/edge-retail-console-server:0.2.0
已发布在 sensecraft-missionpack.seeed.cn/solution/edge-retail-console-server:0.2.0 （linux/amd64 + linux/arm64）。要用自建镜像的话，在这台主机上用上游仓库的 platforms/console/Dockerfile.server 构建，把构建出的 tag 填在这里。 registry 给得出 digest 就钉 digest：一个构建写出的商品库向量，只与同一个嵌入模型、同一套预处理写出的向量可比，对不上的症状是"什么都认不出来"，不是显眼的版本错误。
管理界面镜像*默认 sensecraft-missionpack.seeed.cn/solution/edge-retail-console-web:0.1.0
已发布在 sensecraft-missionpack.seeed.cn/solution/edge-retail-console-web:0.1.0 （linux/amd64 + linux/arm64）。要自建的话，先构建 SPA （`npm --prefix web/ui ci && npm --prefix web/ui run build`），再用 platforms/console/Dockerfile.web 构建这个镜像。镜像里不跑 npm。
Admin Token*
可以注册 SKU、替换 SKU、回滚商品库。发给有权决定"商品目录里有什么"的人。
Operator Token
只读权限，外加设备侧的上报角色。不能改商品库。
Viewer Token
只读——事件、汇总、商品库版本。不能注册任何东西。
注册服务端口*默认 8089
设备从这个端口拉商品库。它必须对每一台识别设备可达，不只是对浏览器可达。
管理界面端口*默认 8080
在本地网络之外能访问它之前，先在前面放一个终止 TLS 的反向代理。共享 bearer token 走明文 HTTP 等于没有鉴权。
MQTT 端口*默认 1883
随包的 broker 配置是匿名明文，config/mosquitto.conf 开头就写了这一条。任何能访问这个端口的人都能往 retail/v1/events 上灌伪造事件。只能用于台面测试—— 离开实验台之前先加账号与 TLS。

放置嵌入模型

把 INT8 量化的 DINOv2-small 嵌入模型放到管理端的模型目录，并启用它。商品库必须用设备运行的同一个模型建立，不能和其他套餐的模型混用。

前置条件

步骤 1 的管理端已部署。
dinov2s_arcface_products10k_224_b1_dynint8.onnx（sha256 50e886aeab7b61a7eebe6ea3492b2d3ba0e74a859acedcbb9e9917b2b60454f6），需自行获取，仅限非商用。
服务器上 30 MB 可用空间。

故障排查

现象	处理
注册成功，但每次检索都返回错的 SKU	嵌入模型没有启用。设置 `RETAIL_EMBEDDER=onnx`，重启服务，然后重新注册所有 SKU。
设置 `RETAIL_EMBEDDER=onnx` 后 `server` 容器立刻退出	确认 `RETAIL_EMBEDDER_ONNX` 已填写，文件在 `assets/console/models/` 里且文件名一致。
换模型前后注册的商品库对不上	不同模型的商品库不能混用，用新模型重新注册所有 SKU。
计划商用部署	用自采或许可宽松的数据重训嵌入模型，并重建商品库。

注册 SKU

每个 SKU 上传 3 到 8 张图完成注册，每次注册生成一个新的商品库版本。

前置条件

步骤 1 的 admin token。
每个 SKU 3 到 8 张图，包括正面、背面、侧面，覆盖两种光照。
管理端使用步骤 2 的 DINOv2-small 模型。

故障排查

现象	处理
注册被拒，提示图片少于三张	至少上传 3 张。
商品库用 base 模型建立，设备运行 small 模型	用设备运行的模型重建商品库。
出了新版本，但设备仍然认不出这个 SKU	设备端拉取、校验并切换商品库版本的功能尚未实现。
注册很慢	嵌入在服务器 CPU 上计算，每个 SKU 只在注册时计算一次。

编译 HEF 并准备 Pi

在 x86_64 主机上编译检测器 HEF，并在设备上准备 HailoRT 环境。

前置条件

设备上 HailoRT 与 PCIe 驱动版本一致（4.21.0）并已 hold，固件版本匹配。
/etc/modprobe.d/hailo.conf 里有 force_desc_page_size=4096。
/dev/hailo0 存在且没有被其他进程占用。
一台装有 Hailo AI SW Suite 容器的 x86_64 机器，以及可写的校准目录。

故障排查

现象	处理
single-context 编译失败	属正常，编译器会自动改用两 context 分区。
编译容器写不了 cache	把挂载的工作目录设为所有用户可写。
框数量对、坐标全错	用 `HEF.get_output_vstream_infos()` 获取输出顺序，不要按名字排序。
其他进程占用 `/dev/hailo0`	停掉占用的进程。
嵌入速度明显偏慢	确认使用四线程，且运行的是 INT8 模型而不是 fp32 模型。

验证注册、检索与设备产物

验证管理端注册，并核对 HEF 与 CPU 结果一致。

前置条件

步骤 1 到 4 已完成。
上游仓库克隆，已执行 uv sync。
自己 SKU 的照片，使用未注册过的角度拍摄。

故障排查

现象	处理
一致率正常但画面上的检测不对	检查解码阈值（0.25）和 letterbox 预处理。
检测延迟偏高	确认没有其他进程占用加速器，且管线已激活。
读不到芯片温度或功耗	该平台不支持读取，记为 unavailable。
检索效果明显偏低	用自己货架的数据测试并微调模型。

部署完成后

快速验证

uv run python tools/verify_software_loop.py 通过。
管理端带 admin token 时版本号递增，不带 token 时返回 401 或 403。
HEF 与 CPU 结果的检测框一致率（IoU ≥ 0.5）接近 94.8%，hailortcli benchmark 约 110 fps。
INT8 嵌入模型四线程下每个裁剪 p50 约 92 ms。

后续步骤

安装前确定货架处理策略：嵌入在 CPU 上逐个裁剪计算，框多的画面耗时长，选择抽帧或按货位采样其中一种。
用自己的数据微调两个模型。
编写设备端程序，串联检测、嵌入、检索与上报。

套餐

Jetson Orin —— TensorRT

reComputer J40（Orin NX 16GB）或 J30（Orin Nano 8GB）用 TensorRT fp16 在 GPU 上运行商品检测和嵌入，一台 Linux 服务器运行注册服务、管理界面、MQTT broker 和商品库。

服务器： 一台装有 Docker 的 Linux 服务器，不需要 GPU。
摄像头： RTSP 或 USB 摄像头，对准收银台或货架。
模型许可： 检测器和嵌入模型仅限非商用，不随本方案提供；商用部署需要用自采或许可宽松的数据重训。

部署注册管理端

在服务器上启动注册服务、管理界面和 MQTT broker，并设置角色 token。

前置条件

一台装有 Docker 和 compose 插件的 Linux 服务器。
至少设置一个 admin token，服务不允许匿名访问。
需要从本地网络之外访问管理界面时，在前面加一个 TLS 反向代理。
默认使用已发布的镜像；使用自建镜像时覆盖 RETAIL_SERVER_IMAGE 和 RETAIL_WEB_IMAGE。

故障排查

现象	处理
compose 运行前提示 "MISSING: `<image>`"	检查服务器能否访问镜像仓库；使用自建镜像时先在本机构建。
匿名 `GET /v1/gallery` 返回 200	token 校验没有生效，停止使用并检查配置。
找不到 `docker compose`	安装 `docker-compose-plugin`。
8089 端口被占用	修改服务端口。

部署方式

部署到识别设备可以访问的一台 Linux 服务器。

部署时需要填写（在 SenseCraft Solution 应用里填）

管理端主机 IP*
SSH 用户名*默认 ubuntu
SSH 密码*
注册服务镜像*默认 sensecraft-missionpack.seeed.cn/solution/edge-retail-console-server:0.2.0
已发布在 sensecraft-missionpack.seeed.cn/solution/edge-retail-console-server:0.2.0 （linux/amd64 + linux/arm64）。要用自建镜像的话，在这台主机上用上游仓库的 platforms/console/Dockerfile.server 构建，把构建出的 tag 填在这里。 registry 给得出 digest 就钉 digest：一个构建写出的商品库向量，只与同一个嵌入模型、同一套预处理写出的向量可比，对不上的症状是"什么都认不出来"，不是显眼的版本错误。
管理界面镜像*默认 sensecraft-missionpack.seeed.cn/solution/edge-retail-console-web:0.1.0
已发布在 sensecraft-missionpack.seeed.cn/solution/edge-retail-console-web:0.1.0 （linux/amd64 + linux/arm64）。要自建的话，先构建 SPA （`npm --prefix web/ui ci && npm --prefix web/ui run build`），再用 platforms/console/Dockerfile.web 构建这个镜像。镜像里不跑 npm。
Admin Token*
可以注册 SKU、替换 SKU、回滚商品库。发给有权决定"商品目录里有什么"的人。
Operator Token
只读权限，外加设备侧的上报角色。不能改商品库。
Viewer Token
只读——事件、汇总、商品库版本。不能注册任何东西。
注册服务端口*默认 8089
设备从这个端口拉商品库。它必须对每一台识别设备可达，不只是对浏览器可达。
管理界面端口*默认 8080
在本地网络之外能访问它之前，先在前面放一个终止 TLS 的反向代理。共享 bearer token 走明文 HTTP 等于没有鉴权。
MQTT 端口*默认 1883
随包的 broker 配置是匿名明文，config/mosquitto.conf 开头就写了这一条。任何能访问这个端口的人都能往 retail/v1/events 上灌伪造事件。只能用于台面测试—— 离开实验台之前先加账号与 TLS。

放置嵌入模型

把 fp32 的 DINOv2-small 嵌入模型放到管理端的模型目录，并启用它。步骤 4 用同一份文件构建 TensorRT engine；不能和其他套餐的模型混用。

前置条件

步骤 1 的管理端已部署。
dinov2s_arcface_products10k_224_b1.onnx（sha256 7f0136ef6459fdd5461e39e95070c7e964fbe2df4b53309f15f452c60da615be），需自行获取，仅限非商用。
服务器上几十 MB 可用空间。

故障排查

现象	处理
注册成功，但每次检索都返回错的 SKU	嵌入模型没有启用。设置 `RETAIL_EMBEDDER=onnx`，重启服务，然后重新注册所有 SKU。
设置 `RETAIL_EMBEDDER=onnx` 后 `server` 容器立刻退出	确认 `RETAIL_EMBEDDER_ONNX` 已填写，文件在 `assets/console/models/` 里且文件名一致。
换模型前后注册的商品库对不上	不同模型的商品库不能混用，用新模型重新注册所有 SKU。
计划商用部署	用自采或许可宽松的数据重训嵌入模型，并重建商品库。

注册 SKU

每个 SKU 上传 3 到 8 张图完成注册，每次注册生成一个新的商品库版本。

前置条件

步骤 1 的 admin token。
每个 SKU 3 到 8 张图，包括正面、背面、侧面，覆盖两种光照。
管理端使用步骤 2 的 DINOv2-small 模型，否则设备上的检索结果无效。

故障排查

现象	处理
注册被拒，提示图片少于三张	至少上传 3 张。
同一个 sku_id 返回 409	需要替换时带 `replace=true`。
版本号不增加	注册没有通过图片质量检查，响应里会指出是哪一张图。

构建 TensorRT engine

在板卡上构建检测和嵌入两个 fp16 engine，并校验 SHA。

前置条件

reComputer J40（Orin NX 16GB），JetPack 6.2、TensorRT 10.3。engine 必须在运行它的板卡上构建，不能在板卡之间拷贝。
检测器 ONNX，需自行获取，仅限学术与非商用。
步骤 2 的嵌入模型 ONNX。
上游仓库 commit 16d1347 或更新版本中的 platforms/jetson/build_engines.py。

故障排查

现象	处理
`trtexec` 报 "Static model does not take explicit shapes"	不要传 `--shapes`；使用 commit `16d1347` 及以后的 `build_engines.py`。
一块板卡上构建的 engine 在另一块上跑不了	在每块板卡上分别构建。
`runtime.py --dry-run` 以 exit code 2 退出	重新构建，或执行 `build_engines.py --update-config` 更新配置中的哈希。
检测框一致率明显偏低	检查解码和输出布局。
检索结果差异明显	核对嵌入模型 ONNX 的 sha256 是否为 `7f0136ef…`。

验证注册、检索与设备产物

验证管理端注册与下载、engine 校验，以及设备端检测和检索结果。

前置条件

步骤 1 到 4 已完成。
上游仓库克隆，已执行 uv sync。

故障排查

现象	处理
`runtime.py --dry-run` 以 exit code 2 退出	执行 `build_engines.py --update-config` 重新构建，新哈希会写回配置。
延迟明显偏高	确认 `nvpmodel -q` 为 `MAXN_SUPER`，且没有其他进程占用 GPU。
软件闭环通过	软件闭环只验证协议，设备精度以上面的一致率检查为准。
需要确认各套餐验证范围	本套餐和 RK3588 套餐做过设备端运行实测；Hailo-8 与 RK3576 套餐只验证到模型转换。

部署完成后

快速验证

uv run python tools/verify_software_loop.py 通过。
管理端带 admin token 时版本号递增，不带 token 时返回 401 或 403。
GET /v1/gallery/current/download 返回的 tar.gz 中 SHA256SUMS 校验通过。
platforms/jetson/runtime.py --config platforms/jetson/runtime.yaml --dry-run 通过。
检测框一致率接近 99.91%，检索指标与 fp32 的最大差接近 0.24 个百分点。
通过 platforms/jetson/runtime.py 回放一段收银台画面，/healthz 中 frames_dropped、capture_drop、embed_drop 均为 0。

把链路跑通

在自己的板卡上运行设备端程序，需要在 runtime.yaml 中准备四项：

画面。 接 USB 摄像头时把 sources[0].kind 改成 usb、uri 改成设备路径（如 /dev/video0）；接 RTSP 按 runtime.yaml 里的注释配置。
商品库。 使用步骤 1–3 管理端注册的商品库，或用 python3 platforms/make_runtime_gallery.py --config platforms/jetson/runtime.yaml --skus-json <SKU 列表> 在 gallery.root 下建立。
MQTT。 把 mqtt.host 改成你自己的 broker。
启动。 先执行 python3 platforms/jetson/runtime.py --config platforms/jetson/runtime.yaml --dry-run，通过后去掉 --dry-run 运行。需要开机自启时使用 platforms/jetson/retail-runtime.service。

后续步骤

7×24 部署前先做长时间稳定性测试。
用于货架场景时，按货架配置的 1280² 输入重新测量延迟。

超市商品图像识别 — 部署指南

Rockchip NPU —— RK3588 / RK3576

部署注册管理端

放置嵌入模型

注册 SKU

在 Rockchip 上转换并核对检测器

验证注册、检索与设备产物

快速验证

后续步骤

reComputer R2000（Hailo-8）—— 检测上 NPU，嵌入留 CPU

部署注册管理端

放置嵌入模型

注册 SKU

编译 HEF 并准备 Pi

验证注册、检索与设备产物

快速验证

后续步骤

Jetson Orin —— TensorRT

部署注册管理端

放置嵌入模型

注册 SKU

构建 TensorRT engine

验证注册、检索与设备产物

快速验证

把链路跑通

后续步骤