fix: rerank top-N 10→5, 匹配 Feishu 列表展示

- 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

@@ -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
+1. `ffmpeg` 按 0.5s 间隔抽帧（最多 60 帧）
-2. 将每帧发给视觉模型，检测是否有商品并评分
+2. 视觉质量预过滤（亮度/方差剔除模糊帧）
-3. 选出置信度最高的帧作为最佳商品截图
+3. 容器/架子类产品检测 → 自动选择空载帧
-4. 可选：用这张截图调用图片搜索 API 找同款商品
+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 |
+| `detect-best-and-search <video>` | **推荐。** 最佳帧 → 图搜 → rerank |
-| `search <image>` | 用图片搜同款 |
+| `detect-best <video>` | 只提取最佳商品帧，不搜图 |
-| `detect-and-search <video>` | 完整流程：检测最佳画面 → 搜图 |
+| `detect-and-search <video>` | 两阶段过滤后图搜（较慢） |
-| `session` | 打印当前认证 session token |
+| `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） |
+| `--interval=<秒>` | `0.5` | 帧采样间隔 |
-| `--max-frames=<数量>` | `60` | 最多分析帧数 |
+| `--max-frames=<n>` | `60` | 最大分析帧数 |
-| `--output-dir=<目录>` | 视频所在目录 | 抽帧图片保存目录 |
+| `--output-dir=<目录>` | 视频同目录 | 截图保存目录 |
-| `--min-confidence=<0-1>` | `0.7` | 最低检测置信度 |
+| `--session-id=<id>` | 自动生成 | Langfuse session ID |
-| `--dry-run` | — | 解析参数并打印配置，不实际执行 |
+| `--dry-run` | — | 解析参数，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
-```
 
 ## 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,
+    "frameIndex": 7,
-    "timestampSeconds": 9,
+    "timestampSeconds": 3,
-    "imagePath": "/path/to/frame_0004.jpg",
+    "imagePath": "/path/to/frame_0007.jpg",
-    "confidence": 0.92,
+    "croppedImagePath": "/path/to/frame_0007_cropped.jpg",
-    "description": "White sneaker with blue logo, left side view",
+    "description": "黑色金属床底鞋架 可折叠移动"
-    "boundingHint": "centered"
   },
-  "productFrames": [...],
+  "rerank": {
-  "searchBody": { ... }
+    "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）
+## 鉴权架构
-- `bestSnapshot` — 排名第一的画面
+
-- `searchBody` — 图片搜索 API 的返回（仅 `search` / `detect-and-search`）
+```
+~/.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 `ffmpeg` / `ffprobe`（帧提取）
-- 系统 PATH 中包含 `auth-rt` CLI（`search` / `detect-and-search` 需要）
+- `auth-rt` CLI（鉴权/API 调用，`install.sh` 自动安装）

SKILL.md

@@ -67,7 +67,7 @@ bun dist/run.js <command> [args] [--dry-run]
 
 ## 结果展示格式
 
-将 `rerank.results`（优先）或 `searchBody.data.items.item` 格式化为 markdown 表格，**每页 5 行**：
+将 `rerank.results`（优先）或 `searchBody.data.items.item` 格式化为 markdown 表格，**最多 5 条**：
 
 | # | 商品名称 | 价格 | 销量 | 链接 |
 |---|----------|------|------|------|

src/auth-cli.ts

@@ -55,6 +55,20 @@ export interface SessionResponse {
   hookToken?: string;
 }
 
+export interface ClientConfig {
+  clientId: string;
+  name: string;
+  status: string;
+  metadata: {
+    provider?: {
+      api_key?: string;
+      base_url?: string;
+      model?: string;
+    };
+    [key: string]: unknown;
+  };
+}
+
 export interface SkillClientOptions {
   apiBase?: string;
   dryRun?: boolean;
@@ -91,6 +105,13 @@ export class SkillClient {
     return JSON.parse(runCli('session'));
   }
 
+  async clientConfig(): Promise<ClientConfig> {
+    if (this.dryRun) {
+      return { clientId: '<dry-run>', name: '<dry-run>', status: 'active', metadata: {} };
+    }
+    return JSON.parse(runCli('client-config'));
+  }
+
   async get(urlPath: string): Promise<ApiResponse> {
     return this.request('GET', urlPath);
   }

src/index.ts

@@ -212,7 +212,7 @@ async function runDetectBestAndSearch(args: string[], dryRun: boolean): Promise<
   // Otherwise fall back to the keyword-intersection rerank.
   if (!dryRun && postFilter && !postFilter.error && postFilter.keptCount > 0) {
     const items: SearchItem[] = (searchResult.searchBody as any)?.data?.items?.item ?? [];
-    const sorted = [...items].sort((a, b) => (b.sales ?? 0) - (a.sales ?? 0)).slice(0, 10);
+    const sorted = [...items].sort((a, b) => (b.sales ?? 0) - (a.sales ?? 0)).slice(0, 5);
     rerankResult = {
       source: 'post-filter',
       results: sorted,
@@ -225,7 +225,7 @@ async function runDetectBestAndSearch(args: string[], dryRun: boolean): Promise<
       rerankResult = await runRerank([
         `--image-results=${tmpFile}`,
         `--description=${best.description}`,
-        '--top=10',
+        '--top=5',
       ], dryRun);
     } catch (e: any) {
       rerankResult = { error: e.message };
@@ -360,7 +360,7 @@ async function runDetectAndSearch(args: string[], dryRun: boolean): Promise<Outp
   // Otherwise fall back to the keyword-intersection rerank.
   if (!dryRun && postFilter && !postFilter.error && postFilter.keptCount > 0) {
     const items: SearchItem[] = (searchResult.searchBody as any)?.data?.items?.item ?? [];
-    const sorted = [...items].sort((a, b) => (b.sales ?? 0) - (a.sales ?? 0)).slice(0, 10);
+    const sorted = [...items].sort((a, b) => (b.sales ?? 0) - (a.sales ?? 0)).slice(0, 5);
     rerankResult = {
       source: 'post-filter',
       results: sorted,
@@ -373,7 +373,7 @@ async function runDetectAndSearch(args: string[], dryRun: boolean): Promise<Outp
       rerankResult = await runRerank([
         `--image-results=${tmpFile}`,
         `--description=${best.description}`,
-        '--top=10',
+        '--top=5',
       ], dryRun);
     } catch (e: any) {
       rerankResult = { error: e.message };
@@ -417,13 +417,25 @@ function getFlag(args: string[], flag: string): string | undefined {
 }
 
 function createVisionModel(config: VisionConfig) {
-  const headers: Record<string, string> = {
+  const sessionId = config.sessionId || '';
-    'x-langfuse-tags': 'skill:video-product-snapshot',
+  const originFetch = globalThis.fetch;
+  // Inject metadata.session_id into request body so LiteLLM → Langfuse creates sessions
+  const wrapped = async (input: RequestInfo | URL, init?: RequestInit) => {
+    if (init?.body && typeof init.body === 'string') {
+      try {
+        const body = JSON.parse(init.body);
+        if (!body.metadata) body.metadata = {};
+        if (!body.metadata.session_id) body.metadata.session_id = sessionId;
+        body.metadata.tags = ['skill:video-product-snapshot'];
+        init = { ...init, body: JSON.stringify(body) };
+      } catch {}
+    }
+    return originFetch(input, init);
   };
-  if (config.sessionId) {
+  const openai = createOpenAI({
-    headers['x-langfuse-session-id'] = config.sessionId;
+    apiKey: config.apiKey, baseURL: config.baseURL,
-  }
+    fetch: wrapped as typeof globalThis.fetch,
-  const openai = createOpenAI({ apiKey: config.apiKey, baseURL: config.baseURL, headers });
+  });
   return openai(config.model);
 }
 
@@ -481,7 +493,7 @@ async function runRerank(args: string[], dryRun: boolean): Promise<OutputResult>
   const positionals = args.filter((a) => !a.startsWith('--'));
   const imageResultsArg = getFlag(args, '--image-results') || positionals[0];
   const keywordArg = getFlag(args, '--keyword') || positionals[1];
-  const topN = parseInt(getFlag(args, '--top') || '10', 10);
+  const topN = parseInt(getFlag(args, '--top') || '5', 10);
 
   const description = getFlag(args, '--description') || '';
 

src/post-filter.ts

@@ -34,13 +34,24 @@ const FILTER_PROMPT = (count: number, description?: string) => {
 };
 
 function createModel(config: VisionConfig) {
-  const headers: Record<string, string> = {
+  const sessionId = config.sessionId || '';
-    'x-langfuse-tags': 'skill:video-product-snapshot',
+  const originFetch = globalThis.fetch;
+  const wrapped = async (input: RequestInfo | URL, init?: RequestInit) => {
+    if (init?.body && typeof init.body === 'string') {
+      try {
+        const body = JSON.parse(init.body);
+        if (!body.metadata) body.metadata = {};
+        if (!body.metadata.session_id) body.metadata.session_id = sessionId;
+        body.metadata.tags = ['skill:video-product-snapshot'];
+        init = { ...init, body: JSON.stringify(body) };
+      } catch {}
+    }
+    return originFetch(input, init);
   };
-  if (config.sessionId) {
+  const provider = createOpenAI({
-    headers['x-langfuse-session-id'] = config.sessionId;
+    apiKey: config.apiKey, baseURL: config.baseURL,
-  }
+    fetch: wrapped as typeof globalThis.fetch,
-  const provider = createOpenAI({ apiKey: config.apiKey, baseURL: config.baseURL, headers });
+  });
   return provider(config.model);
 }
 

src/product-detector.ts

@@ -78,13 +78,24 @@ Return:
 - boundingBox: tight box of the PRODUCT ONLY as [x1, y1, x2, y2] normalized 0.0–1.0, top-left origin. Exclude hands, background, and unrelated objects. The product is near the center of the frame.`;
 
 function createVisionModel(config: VisionConfig) {
-  const headers: Record<string, string> = {
+  const sessionId = config.sessionId || '';
-    'x-langfuse-tags': 'skill:video-product-snapshot',
+  const originFetch = globalThis.fetch;
+  const wrapped = async (input: RequestInfo | URL, init?: RequestInit) => {
+    if (init?.body && typeof init.body === 'string') {
+      try {
+        const body = JSON.parse(init.body);
+        if (!body.metadata) body.metadata = {};
+        if (!body.metadata.session_id) body.metadata.session_id = sessionId;
+        body.metadata.tags = ['skill:video-product-snapshot'];
+        init = { ...init, body: JSON.stringify(body) };
+      } catch {}
+    }
+    return originFetch(input, init);
   };
-  if (config.sessionId) {
+  const provider = createOpenAI({
-    headers['x-langfuse-session-id'] = config.sessionId;
+    apiKey: config.apiKey, baseURL: config.baseURL,
-  }
+    fetch: wrapped as typeof globalThis.fetch,
-  const provider = createOpenAI({ apiKey: config.apiKey, baseURL: config.baseURL, headers });
+  });
   return provider(config.model);
 }