From 7a43eb391bdebda58a7e4183272f8793c89c97a3 Mon Sep 17 00:00:00 2001
From: ywkj <tabvim.dev@gmail.com>
Date: Sun, 26 Apr 2026 19:57:03 +0800
Subject: [PATCH] =?UTF-8?q?docs:=20=E6=9B=B4=E6=96=B0=20README=20=E5=8F=8D?=
 =?UTF-8?q?=E6=98=A0=E5=BD=93=E5=89=8D=E6=9E=B6=E6=9E=84?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

- 补充 detect-best-and-search、detect-best、rerank 命令
- 更新鉴权架构说明（auth-rt 统一鉴权）
- 补充 sessionId 和 Langfuse 追踪说明
- 更新环境变量表

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
---
 README.md | 112 +++++++++++++++++++++++++++---------------------------
 1 file changed, 56 insertions(+), 56 deletions(-)

diff --git a/README.md b/README.md
index d7904c4..e43dc1b 100644
--- a/README.md
+++ b/README.md
@@ -1,19 +1,22 @@
-# video-product-snapshot — 视频商品截图
+# video-product-snapshot — 视频商品以图搜图
 
-检测视频中的电商商品，提取最佳商品画面，并通过图片搜索在 1688 找同款。
+从视频中提取最佳商品帧，以图搜图在 1688 找同款。
 
 ## 工作原理
 
-1. 使用 `ffmpeg` 按配置间隔从视频抽帧
-2. 将每帧发给视觉模型，检测是否有商品并评分
-3. 选出置信度最高的帧作为最佳商品截图
-4. 可选：用这张截图调用图片搜索 API 找同款商品
+1. `ffmpeg` 按 0.5s 间隔抽帧（最多 60 帧）
+2. 视觉质量预过滤（亮度/方差剔除模糊帧）
+3. 容器/架子类产品检测 → 自动选择空载帧
+4. 视觉模型多帧对比排序，选出最佳商品帧
+5. 裁剪商品区域 → 上传 → 1688 图搜
+6. 后置过滤（视觉模型判断结果是否同款）→ rerank 排序
 
 ## 安装
 
 ```bash
+./install.sh          # 安装 auth-rt + 依赖
 bun install
-bun run build        # 输出到 dist/run.js
+bun run build         # 输出到 dist/run.js
 ```
 
 ## 使用方法
@@ -26,77 +29,74 @@ bun dist/run.js <command> [options]
 
 | 命令 | 说明 |
 |------|------|
-| `detect <video>` | 抽帧并检测商品画面 |
-| `search <image>` | 用图片搜同款 |
-| `detect-and-search <video>` | 完整流程：检测最佳画面 → 搜图 |
-| `session` | 打印当前认证 session token |
+| `detect-best-and-search <video>` | **推荐。** 最佳帧 → 图搜 → rerank |
+| `detect-best <video>` | 只提取最佳商品帧，不搜图 |
+| `detect-and-search <video>` | 两阶段过滤后图搜（较慢） |
+| `detect <video>` | 抽帧并逐帧检测商品 |
+| `search <image>` | 用已有图片搜同款 |
+| `rerank` | 关键词对图搜结果交叉过滤 |
+| `session` | 获取当前认证会话 token |
 
-### 选项（`detect` / `detect-and-search`）
+### 选项（`detect-best` / `detect-best-and-search`）
 
 | 参数 | 默认值 | 说明 |
 |------|--------|------|
-| `--interval=<秒>` | `1` | 抽帧间隔（秒） |
-| `--max-frames=<数量>` | `60` | 最多分析帧数 |
-| `--output-dir=<目录>` | 视频所在目录 | 抽帧图片保存目录 |
-| `--min-confidence=<0-1>` | `0.7` | 最低检测置信度 |
-| `--dry-run` | — | 解析参数并打印配置，不实际执行 |
-
-### 示例
-
-```bash
-# 检测商品，每 3 秒抽一帧
-bun dist/run.js detect ./demo.mp4 --interval=3
-
-# 完整流程 + 更高置信度门槛
-bun dist/run.js detect-and-search ./demo.mp4 --interval=5 --min-confidence=0.85
-
-# 用已有截图搜同款
-bun dist/run.js search ./snapshot.jpg
-```
+| `--interval=<秒>` | `0.5` | 帧采样间隔 |
+| `--max-frames=<n>` | `60` | 最大分析帧数 |
+| `--output-dir=<目录>` | 视频同目录 | 截图保存目录 |
+| `--session-id=<id>` | 自动生成 | Langfuse session ID |
+| `--dry-run` | — | 解析参数，不实际执行 |
 
 ## 输出
 
-所有命令输出 JSON 到 stdout。
+所有命令输出 JSON 到 stdout，包含 `sessionId` 字段用于 Langfuse 追踪。
 
 ```json
 {
+  "sessionId": "skill-20260426-184345-lb06",
+  "status": "success",
+  "command": "detect-best-and-search",
   "bestSnapshot": {
-    "frameIndex": 4,
-    "timestampSeconds": 9,
-    "imagePath": "/path/to/frame_0004.jpg",
-    "confidence": 0.92,
-    "description": "White sneaker with blue logo, left side view",
-    "boundingHint": "centered"
+    "frameIndex": 7,
+    "timestampSeconds": 3,
+    "imagePath": "/path/to/frame_0007.jpg",
+    "croppedImagePath": "/path/to/frame_0007_cropped.jpg",
+    "description": "黑色金属床底鞋架 可折叠移动"
   },
-  "productFrames": [...],
-  "searchBody": { ... }
+  "rerank": {
+    "keyword": "床底鞋架",
+    "results": [
+      { "num_iid": 123, "title": "...", "price": "44.00", "sales": 87, "detail_url": "..." }
+    ]
+  }
 }
 ```
 
-- `productFrames` — 所有检测到的画面，按置信度排序（最高在前）
-- `bestSnapshot` — 排名第一的画面
-- `searchBody` — 图片搜索 API 的返回（仅 `search` / `detect-and-search`）
+## 鉴权架构
+
+```
+~/.openclaw/.env
+  CLIENT_KEY ──→ auth-rt ──→ 业务系统
+                              ├── /session          → access_token
+                              └── /client-config    → provider.api_key
+                                                       provider.base_url
+                                                       provider.model
+```
+
+仅需配置 `CLIENT_KEY`，LLM 凭据和端点均由业务系统下发。
 
 ## 环境变量
 
-唯一必需配置是 `~/.openclaw/.env` 中的 `CLIENT_KEY`：
-
-```
-CLIENT_KEY=sk_xxxxxxxx.xxxxxxxxxxxxxxxxxxxxxxxx
-```
-
-所有凭据和接口地址通过 `auth-rt` 从客户端配置自动获取，无需额外配置。
-
-### 可选覆盖
-
 | 变量 | 说明 |
 |------|------|
-| `VISION_MODEL` | 覆盖模型名称（默认：`aliyun-cp-multimodal`） |
+| `CLIENT_KEY` | **必需。** 在 `~/.openclaw/.env` 中配置 |
+| `VISION_MODEL` | 覆盖模型名称（默认来自 client config） |
+| `SKILL_SESSION_ID` | Langfuse session ID（自动生成，格式 `skill-YYYYMMDD-HHMMSS-xxxx`） |
 | `AUTH_RT_BIN` | 覆盖 `auth-rt` 二进制路径 |
-| `TELEMETRY_ENDPOINT` | 上报执行结果到遥测接口 |
+| `TELEMETRY_ENDPOINT` | 遥测上报接口 |
 
 ## 前置依赖
 
 - [Bun](https://bun.sh) 运行时
-- 系统 PATH 中包含 `ffmpeg` 和 `ffprobe`
-- 系统 PATH 中包含 `auth-rt` CLI（`search` / `detect-and-search` 需要）
+- 系统 PATH 中包含 `ffmpeg` / `ffprobe`（帧提取）
+- 系统 PATH 中包含 `auth-rt` CLI（鉴权/API 调用）