该技能用于在Jetson设备上安全、可逆地回收内存：通过切换系统默认目标到multi-user并禁用非必要守护进程（如显示管理器、音频、蓝牙等）来最大化可用内存，适合无头推理或边缘节点部署。关键词：Jetson, headless, 内存优化, 系统服务管理, 边缘计算, 推理节点, GPU内存释放。

Jetson设备诊断技能用于对Jetson设备进行只读健康快照，收集身份信息、内存、GPU、热、功耗、存储、服务与关键进程等数据，帮助用户了解设备状态、排查性能与内存问题。关键词：Jetson诊断、设备健康、GPU内存、tegrastats、nvmap、平台管理

用于测量Jetson设备的内存使用情况（DRAM/NvMap），诊断内存占用并验证内存回收效果。提供内存快照与缓存清理辅助，解决CUDA工作负载停止后内存不释放的常见问题。关键词：Jetson、内存审计、DRAM、NvMap、drop_caches、tegrastats、内存回收

该技能运行在Jetson边缘设备上，用于获取并打印当前设备的模块型号、L4T（Linux for Tegra）版本、操作系统版本、内核和功率模式等关键信息，适用于性能测试前的环境基线采集、设备配置核对与故障排查。技能为只读操作，无需额外输入，并在nvpmodel缺失等情况下优雅回退。关键词：Jetson设备信息、L4T版本、功率模式、系统基线、平台管理诊断、边缘计算、Jetson设备打印。

为 Jetson 设备选择兼容的容器镜像和 Python 包索引，避免错误安装通用 ARM64 包。覆盖 Orin (SM 8.7) 与 Thor (SM 11.0)、JetPack / CUDA 版本，并提供 GHCR、NGC、Jetson AI Lab PyPI 等权威来源指引，支持 vLLM、PyTorch、onnxruntime-gpu 等 GPU 原生库的正确部署。关键词：Jetson, 容器, Docker, vLLM, PyTorch, CUDA, JetPack, Orin, Thor, Python包索引, pip, aarch64, SM8.7, SM11.0, 平台管理

该技能用于在已有的目标平台配置文件（profile YAML）之间切换Jetson的活动目标平台指针，只更新 active_target.yml 而不创建新配置，通常在 customize/build/flash 前使用，以便下游技能解析到正确的目标平台。关键词：Jetson、目标平台切换、active_target、profile配置、平台管理。