Jetson

在 Jetson Orin 上自编译带 CUDA 支持的 llama.cpp，为 OpenClaw Memory Search 部署本地向量模型服务并验证 GPU 推理。

在 Jetson 上使用 uv 的 --system-site-packages 参数，让虚拟环境调用系统 Python 包并复用 TensorRT 等组件。

在 Jetson 上使用 jetson-containers 构建 PyTorch 与 TensorRT 环境，完成 YOLO26 导出和 TensorRT 推理验证。

在 Jetson Orin 上配置 PyTorch 与 TensorRT 环境，将 YOLO26 导出为 TensorRT 引擎并完成推理验证。

在 Jetson Orin aarch64 环境中从源码构建 PyTorch whl，记录依赖、编译参数和安装验证。

在 Jetson Orin 上从源码编译 TensorRT Python whl，处理依赖路径与架构兼容问题并验证安装结果。

在 Jetson Orin aarch64 环境中编译 TorchAudio whl，配置 libsox 与 CUDA 依赖并验证音频处理功能。

在 Jetson Orin 上从源码构建 TorchVision whl，记录版本对应、环境变量、依赖安装和功能验证。

在 Jetson Orin 上部署 SAM3，完成模型转换、TensorRT 量化和推理验证，并记录常见环境问题。

在 Jetson Orin Nano 上从源码构建支持 CUDA 的 ONNX Runtime，并用于运行 Immich 深度学习模块。

通过 NVIDIA SDK Manager 为 Jetson Orin Nano Super 安装 NVMe 系统，并配置轻量桌面与 VNC 远程访问。