Communitygithub.com

dpearson2699/dockkit

Contrôlez les docks motorisés pour caméra et activez le suivi intelligent de sujets avec DockKit. À utiliser pour découvrir des accessoires compatibles DockKit, implémenter le suivi de visages ou de corps, contrôler les moteurs du dock (panoramique et inclinaison), configurer le comportement de cadrage, définir des zones d'intérêt ou créer des applications vidéo avec suivi automatique de la caméra.

Qu'est-ce que dockkit ?

DockKit est un framework qui permet de contrôler des docks motorisés pour caméra et d'implémenter un suivi intelligent de sujets. Il est idéal pour les développeurs d'applications vidéo souhaitant ajouter un suivi automatique de visages ou de corps, ou pour ceux qui construisent des systèmes de vidéoconférence, de diffusion en direct ou de photographie automatisée. La compétence couvre la découverte d'accessoires compatibles DockKit, le contrôle des moteurs (panoramique et inclinaison), la configuration du cadrage (framing) et des zones d'intérêt (regions of interest). Elle s'applique aux plateformes Apple (iOS/iPadOS) utilisant le framework DockKit natif, et peut être utilisée en conjonction avec des apps comme Camera Preview ou des projets personnalisés. Les commandes principales incluent le démarrage et l'arrêt du suivi, le réglage de la position du dock, la définition du mode de cadrage (par exemple, centré ou équilibré), et la sélection de la région d'intérêt pour le suivi. La documentation (SKILL.md) fournit des exemples de code, des guides de configuration et des bonnes pratiques pour intégrer DockKit dans des applications Swift, avec des détails sur les protocoles de délégation et les options de personnalisation de l'expérience utilisateur.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/dpearson2699/swift-ios-skills/tree/main/skills/dockkit

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait dockkit ?

Contrôlez les docks motorisés pour caméra et activez le suivi intelligent de sujets à l'aide de DockKit. Utilisez cette compétence lorsque vous devez découvrir des accessoires compatibles DockKit, implémenter le suivi de visages ou de corps, contrôler les moteurs du dock (panoramique et inclinaison), configurer le comportement de cadrage, définir des zones d'intérêt ou créer des applications vidéo avec suivi automatique de la caméra.

Fonctionnalités clés

  • Découverte d'accessoires : Scannez et connectez-vous automatiquement aux docks motorisés compatibles DockKit.
  • Suivi de sujets : Permet le suivi en temps réel des visages ou des corps détectés par la caméra.
  • Contrôle moteur : Ajustez les positions de panoramique et d'inclinaison du dock.
  • Cadrage et ROI : Configurez le comportement de cadrage (par exemple, centré, équilibré, ou personnalisé) et définissez des zones d'intérêt (regions of interest) pour le suivi.
  • Intégration native : Conçu pour les applications iOS/iPadOS utilisant le framework DockKit d'Apple.

Plateformes supportées

  • iOS / iPadOS (Swift, UIKit, AVFoundation)
  • Nécessite un accessoire DockKit compatible (par exemple, certains docks Belkin, ou des accessoires tiers certifiés).

Exemple d'utilisation

import DockKit

class CameraViewController: UIViewController {
    let dockManager = DKDockManager()
    
    override func viewDidLoad() {
        super.viewDidLoad()
        // Démarrer la découverte d'accessoires
        dockManager.startDiscovering()
        
        // Configurer le suivi
        dockManager.framingMode = .centered
        dockManager.regionOfInterest = CGRect(x: 0.2, y: 0.2, width: 0.6, height: 0.6)
        
        // Commencer le suivi
        dockManager.startTracking()
    }
    
    func stopTracking() {
        dockManager.stopTracking()
        dockManager.stopDiscovering()
    }
}

Commandes principales

CommandeDescription
dockManager.startDiscovering()Lance la recherche d'accessoires DockKit à proximité.
dockManager.stopDiscovering()Arrête la recherche.
dockManager.startTracking()Active le suivi automatique du sujet.
dockManager.stopTracking()Désactive le suivi.
dockManager.setDockPosition(pan: tilt:)Positionne manuellement le dock (valeurs en degrés).
dockManager.framingModeDéfinit le mode de cadrage (.centered, .balanced, .custom).
dockManager.regionOfInterestDéfinit la zone d'intérêt (CGRect normalisée).

Bonnes pratiques

  1. Vérifiez la compatibilité : Assurez-vous que l'accessoire est correctement connecté et compatible avec DockKit avant de démarrer le suivi.
  2. Gérez les erreurs : Implémentez le protocole DKDockManagerDelegate pour réagir aux déconnexions ou aux échecs de suivi.
  3. Optimisez les performances : Utilisez des zones d'intérêt restreintes pour réduire la charge de calcul et améliorer la réactivité.
  4. Respectez la vie privée : Informez les utilisateurs du suivi vidéo et obtenez les autorisations nécessaires (via Privacy - Camera Usage Description).

Références


Cette compétence est conçue pour fonctionner avec des agents IA comme Claude Code, Cursor ou Codex, en fournissant un accès structuré au contrôle des docks et au suivi intelligent.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

dpearson2699/accessorysetupkit

Discover and configure Bluetooth and Wi-Fi accessories using AccessorySetupKit. Use when presenting a privacy-preserving accessory picker, defining discovery descriptors for BLE or Wi-Fi devices, handling accessory session events, migrating from CoreBluetooth permission-based scanning, or setting up accessories without requiring broad Bluetooth permissions.

dpearson2699/activitykit

Implement, review, or improve Live Activities and Dynamic Island experiences in iOS apps using ActivityKit. Use when building real-time updating widgets for the Lock Screen and Dynamic Island — delivery tracking, sports scores, ride-sharing status, workout timers, media playback, or any time-sensitive information that updates in real time. Also use when working with ActivityKit, ActivityAttributes, Activity lifecycle (request/update/end), Dynamic Island layouts (compact/minimal/expanded), push-to-update Live Activities, or Lock Screen live widgets.

dpearson2699/adattributionkit

Measure ad effectiveness with privacy-preserving attribution using AdAttributionKit. Use when registering ad impressions, handling attribution postbacks, updating conversion values, implementing re-engagement attribution, configuring publisher or advertiser apps, or replacing SKAdNetwork with AdAttributionKit for ad measurement.

dpearson2699/alarmkit

Implement AlarmKit alarms and countdown timers for iOS and iPadOS with Lock Screen, Dynamic Island, and Apple Watch system UI. Covers AlarmManager scheduling, AlarmAttributes and AlarmPresentation, AlarmButton stop and snooze actions, authorization, state observation, and Live Activity integration. Use when building wake-up alarms, countdown timers, or alarm-style alerts that need Apple's system alarm experience.

dpearson2699/app-clips

Build iOS App Clips with invocation URLs, App Clip Codes, NFC, QR codes, Safari banners, Maps, Messages, target setup, App Store Connect experiences, size/capability constraints, NSUserActivity routing, SKOverlay promotion, App Group/keychain handoff, ephemeral notifications, location confirmation, and full-app migration. Use when creating App Clips or wiring App Clip invocation, experience configuration, or full-app handoff.

dpearson2699/app-intents

Implement App Intents for Siri, Shortcuts, Spotlight, widgets, Control Center, and Apple Intelligence on iOS. Covers AppIntent actions, AppEntity and EntityQuery models, AppShortcutsProvider phrases, IndexedEntity Spotlight indexing, WidgetConfigurationIntent, SnippetIntent, and assistant schemas. Use when exposing app actions or entities to system surfaces.

dpearson2699/apple-on-device-ai

Integrate on-device AI using Foundation Models framework, Core ML, and open-source LLM runtimes on Apple Silicon. Covers Foundation Models (LanguageModelSession, @Generable, @Guide, SystemLanguageModel, structured output, tool calling), Core ML (coremltools, model conversion, quantization, palettization, pruning, Neural Engine, MLTensor), MLX Swift (transformer inference, unified memory), and llama.cpp (GGUF, cross-platform LLM). Use when building tool-calling AI features, working with guided generation schemas, converting models, or running on-device inference.

dpearson2699/appmigrationkit

Transfer app data to or from other platforms using AppMigrationKit. Use when implementing system-orchestrated one-time migration between iOS and Android or another platform, building an AppMigrationExtension, packaging transportable resources with ResourcesArchiver, importing resources on the destination device, reporting import progress, handling migration errors and app group cleanup, checking MigrationStatus, or testing migration code with AppMigrationTester.

dpearson2699/app-store-review

Prepare for App Store review and prevent rejections. Covers App Store review guidelines, app rejection reasons, PrivacyInfo.xcprivacy privacy manifest requirements, required API reason codes, in-app purchase IAP and StoreKit rules, App Store Guidelines compliance, ATT App Tracking Transparency, EU DMA Digital Markets Act, HIG compliance checklist, app submission preparation, review preparation, metadata requirements, entitlements, widgets, and Live Activities review rules. Use when preparing for App Store submission, fixing rejection reasons, auditing privacy manifests, implementing ATT consent flow, configuring StoreKit IAP, or checking HIG compliance.

dpearson2699/audioaccessorykit

Support audio accessory features like automatic switching using AudioAccessoryKit. Use when implementing automatic audio routing for paired accessories, registering audio accessory configuration from the container app, updating placement or connected audio source identifiers from an app extension, or handling AccessoryControlDevice capabilities and errors.

dpearson2699/authentication

Implement iOS authentication flows with AuthenticationServices and LocalAuthentication. Use when building Sign in with Apple, passkey/WebAuthn registration or sign-in with ASAuthorizationPlatformPublicKeyCredentialProvider, ASAuthorizationController credential state and revocation handling, ASWebAuthenticationSession OAuth or third-party login, Password AutoFill, identity-token server validation, or local biometric re-authentication with LAContext.

dpearson2699/avkit

Create media playback experiences using AVKit. Use when adding video players with AVPlayerViewController, enabling Picture-in-Picture, routing media with AirPlay, using SwiftUI VideoPlayer views, configuring transport controls, displaying subtitles and closed captions, or integrating AVFoundation playback with system UI.

dpearson2699/background-processing

Schedule and execute background work on iOS using BGTaskScheduler. Use when registering BGAppRefreshTask for short background fetches, BGProcessingTask for long-running maintenance, BGContinuedProcessingTask (iOS 26+) for foreground-started work that continues in background, background URLSession downloads, or background push notifications. Covers Info.plist configuration, expiration handling, task completion, and debugging with simulated launches.

dpearson2699/browserenginekit

Build alternative browser engines using BrowserEngineKit. Use when developing a non-WebKit browser engine for iOS/iPadOS in supported regions, managing web content/rendering/networking extension processes, configuring GPU and networking process capabilities, checking alternative-engine device eligibility, or reviewing BrowserEngineKit entitlements and Info.plist setup.

dpearson2699/callkit

Implement VoIP calling with CallKit and PushKit. Use when building incoming/outgoing call flows, registering for VoIP push notifications, configuring CXProvider and CXCallController, handling call actions, coordinating audio sessions, or creating Call Directory extensions for caller ID and call blocking.

dpearson2699/carplay

Build CarPlay-enabled apps using the CarPlay framework. Use when creating navigation, audio, communication, EV charging, parking, or food ordering apps for the car display, working with CPTemplateApplicationScene, CPInterfaceController template hierarchies, CPListTemplate, CPMapTemplate, CPNowPlayingTemplate, configuring CarPlay entitlements, or integrating with CarPlay Simulator for testing.

dpearson2699/cloudkit

Implement, review, or improve CloudKit and iCloud sync in iOS/macOS apps. Use when working with CKContainer, CKRecord, CKQuery, CKSubscription, CKSyncEngine, CKShare, NSUbiquitousKeyValueStore, or iCloud Drive file coordination; when syncing SwiftData models via ModelConfiguration with cloudKitDatabase; when handling CKError codes for conflict resolution, network failures, or quota limits; or when checking iCloud account status before performing sync operations.

dpearson2699/contacts-framework

Read, create, update, and pick contacts using the Contacts and ContactsUI frameworks. Use when fetching contact data, saving new contacts, wrapping CNContactPickerViewController in SwiftUI, handling contact permissions, or working with CNContactStore fetch and save requests.

dpearson2699/core-bluetooth

Build direct Bluetooth Low Energy workflows with Core Bluetooth. Use when implementing BLE central or peripheral GATT communication, scanning or connecting with CBCentralManager, discovering services and characteristics, reading/writing/subscribing with CBPeripheral, publishing local services with CBPeripheralManager, handling Bluetooth authorization, background BLE modes, state restoration, write flow control, or CBUUID-based workflows. For privacy-preserving accessory setup/picker flows, use accessorysetupkit first and return here for post-setup GATT communication.

dpearson2699/coreml

Integrate Core ML models in iOS apps for on-device machine learning inference. Covers model loading (.mlmodel, .mlpackage, .mlmodelc), predictions with auto-generated classes and MLFeatureProvider, compute unit configuration (CPU, GPU, Neural Engine), MLTensor, VNCoreMLRequest, MLComputePlan, multi-model pipelines, and deployment strategies. Use when loading Core ML models, making predictions, configuring compute units, or profiling model performance.

Skills associés