导读
导读章节用于把读者从“刚看到仓库”快速带到“已经理解这个系统为什么值得看”。如果你想先抓住项目边界、模型范围和阅读路径，从这里开始。
YOLO-Toys 本质上是什么
YOLO-Toys 是一个 多模型视觉推理服务运行时。它把多个视觉模型家族统一到一套 FastAPI 与 WebSocket 接口之下，既方便快速集成 demo / backend，也方便研究混合视觉工作负载的服务化架构。
先理解哪些表面
| 接口面 | 作用 |
|---|---|
/infer | 统一检测、分割、姿态与开放词汇检测 |
/caption 与 /vqa | BLIP 驱动的视觉语言能力 |
/ws | 实时帧流推理，适合低延迟交互 |
/models 与 /labels | 运行时发现模型与标签信息 |
/metrics、/health、/system/* | 观测、诊断与运行时护栏 |
建议阅读顺序
当前纳入的平台模型家族
| 家族 | 代表模型 | 主要职责 |
|---|---|---|
| YOLOv8 | yolov8n.pt、yolov8n-seg.pt、yolov8n-pose.pt | 快速检测、分割、姿态 |
| DETR | facebook/detr-resnet-50 | Transformer 检测 |
| OWL-ViT / Grounding DINO | google/owlvit-base-patch32 | 开放词汇检测 |
| BLIP | Salesforce/blip-image-captioning-base | 图像描述与 VQA |