百度一见视觉技能（Baidu Yijian Vision Skill）
Baidu Yijian Vision Skill - baidu yijian vision skill for image/video analysis, object detection, safety monitoring, and industrial inspection.
⚠️ 必需条件
- YIJIAN_API_KEY 环境变量（必需）— 从百度一见平台获取：
- 登录百度一见平台
- 激活试用包
- 生成 API Key（系统管理 → 安全认证 → API Key）
- Node.js >= 16.0.0 — 运行时依赖
配置环境变量：YIJIAN_API_KEY=your-api-key
🔒 客户端工具 - 这是一个本地工具，用于与百度一见（Baidu Yijian）平台交互。所有数据处理遵循安全协议。
🎯 此工具的功能
百度一见（yijian-next.cloud.baidu.com）是百度（Baidu）的视觉（vision）理解平台。此工具使你能够：
- 意图自动匹配 - 通过自然语言描述自动匹配最佳技能
- 智能路由 - 高置信度匹配时调用专业视觉技能，低置信度时自动回退到多模态推理
- 直接技能调用 - 已知技能ID时可直接调用
- 可视化结果 - 绘制边框、生成网格参考、预览 ROI/绊线
- 定义检测区域 - 使用交互式工作流定义 ROI（电子围栏）或绊线（检测线）
支持的检测类型： 人员检测、行人计数、车辆识别、OCR、姿态估计、目标跟踪等。
📚 使用指南
意图驱动工作流（推荐）
当你描述需求但不确定用哪个技能时，系统会自动匹配最佳技能：
node ${CLAUDE_PLUGIN_ROOT}/skill/scripts/intent-invoke.mjs "检测是否有人摔倒" photo.jpg
系统会自动：
- 查询一见平台，根据意图匹配公共技能列表
- 如果匹配置信度 ≥ 0.7，调用对应的专业技能（自动添加全图 ROI）
- 如果公共技能无匹配或调用失败，搜索私有工作空间技能（由你从列表中选择最匹配的技能，再用 invoke 调用）
- 如果私有空间也无合适技能，自动回退到多模态直接推理
自动 ROI： 当用户未提供 ROI 时，系统会自动生成覆盖整张图片的 ROI。如需指定检测区域，请使用
invoke.mjs传入自定义 ROI。
自定义置信度阈值
# 仅当匹配度≥0.8时才使用技能，否则回退到多模态
node ${CLAUDE_PLUGIN_ROOT}/skill/scripts/intent-invoke.mjs "检测是否有人摔倒" photo.jpg 0.8
不使用图片（纯文本意图查询）
node ${CLAUDE_PLUGIN_ROOT}/skill/scripts/intent-invoke.mjs "检测是否有人摔倒"
返回格式
{
"success": true,
"mode": "skill",
"epId": "ep-public-xxxxx",
"skillName": "人员摔倒检测",
"confidence": 0.92,
"count": 1,
"detections": [
{
"bbox": [100, 200, 50, 80],
"category": "falling_person",
"confidence": 0.94
}
]
}
字段说明：
| 字段 | 类型 | 说明 |
|---|---|---|
success | boolean | 调用是否成功 |
mode | string | "skill" / "workspace-search" / "multimodal"，表示使用的推理模式 |
epId | string | null | 技能ID（技能模式时有值） |
skillName | string | null | 技能名称（技能模式时有值） |
confidence | number | null | 技能匹配置信度（0-1） |
count | number | 检测到的目标数量 |
detections | array | 检测结果数组 |
模式说明：
"mode": "skill"- 使用了百度一见平台的专业技能，精度高、成本低"mode": "workspace-search"- 公共技能无匹配，返回私有工作空间技能列表供选择"mode": "multimodal"- 使用了多模态大模型直接推理，通用性强、无需预设技能
查询技能
查询公共技能（按意图匹配）：
node ${CLAUDE_PLUGIN_ROOT}/skill/scripts/list.mjs "人员检测"
查询私有工作空间技能（按 API Key 关联，缓存1小时）：
node ${CLAUDE_PLUGIN_ROOT}/skill/scripts/workspace.mjs list-skills
返回技能列表（含 epId、名称和描述）。当公共技能匹配不到时，从私有列表中选择最匹配的技能，用 invoke.mjs 调用：
echo '{"input0":{"image":"photo.jpg"}}' | node ${CLAUDE_PLUGIN_ROOT}/skill/scripts/invoke.mjs ep-wsnyqcdj-0xdpgbt4
直接调用技能（已知技能ID）
当你已经知道具体的技能 ID 时，可以直接调用：
echo '{"input0":{"image":"photo.jpg"}}' | node ${CLAUDE_PLUGIN_ROOT}/skill/scripts/invoke.mjs ep-xxxx-yyyy
ROI（电子围栏）参数格式
ROI 用于限定检测区域。必须包含 id、name、kind、points 四个字段，缺一不可，否则 API 返回 500 错误。
{
"id": "1",
"name": "zone",
"kind": "ROI",
"points": [x1,y1, x2,y2, x3,y3, x4,y4]
}
id— 任意字符串标识（如"1"）name— 区域名称（如"zone"、"doorway"）kind— 固定值"ROI"points— 顶点坐标数组，按顺时针/逆时针顺序排列，每对[x,y]为一个顶点
绊线（Tripwire）参数格式
绊线用于检测穿越事件。必须包含 id、name、kind、points、direction 五个字段。
{
"id": "1",
"name": "line",
"kind": "TripWire",
"points": [p1_x,p1_y, p2_x,p2_y, p3_x,p3_y, p4_x,p4_y],
"direction": "Forward"
}
id— 任意字符串标识name— 绊线名称kind— 固定值"TripWire"points— 4 个点（8 个数值）：p1→p2 为主线，p3→p4 为 A/B 区域标记direction— 检测方向："Forward"|"Backward"|"TwoWay"
绊线不会自动生成，必须由用户指定。详见 绊线工作流。
调用带 ROI 的技能：
echo '{"input0":{"image":"photo.jpg","roi":{"id":"1","name":"zone","kind":"ROI","points":[100,100,500,100,500,400,100,400]}}}' | \
node ${CLAUDE_PLUGIN_ROOT}/skill/scripts/invoke.mjs ep-xxxx-yyyy
调用带绊线的技能：
echo '{"input0":{"image":"photo.jpg","tripwire":{"id":"1","name":"line","kind":"TripWire","points":[0,540,1920,540,0,500,1920,500],"direction":"Forward"}}}' | \
node ${CLAUDE_PLUGIN_ROOT}/skill/scripts/invoke.mjs ep-xxxx-yyyy
定义检测区域
需要定义电子围栏（ROI，又叫感兴趣区域）或绊线（Tripwire，又叫检测线）？
两个工作流都包含完整的交互步骤和示例对话。
预览 ROI/绊线 — 在调用前在图像上预览：
node ${CLAUDE_PLUGIN_ROOT}/skill/scripts/visualize.mjs photo.jpg '[]' preview.png \
--overlays '[{"kind":"ROI","name":"zone","points":[...]}]'
生成网格 — 帮助用户使用网格坐标指定点位置：
node ${CLAUDE_PLUGIN_ROOT}/skill/scripts/show-grid.mjs photo.jpg grid.png
查看完整文档
高级：视频帧处理和跟踪
场景： 处理 30 秒监控视频，逐帧检测和跟踪人员。
# 第 1 步：提取帧
ffmpeg -i surveillance_30sec.mp4 -vf fps=1 frames/frame_%04d.jpg
# 第 2 步：计算 sourceId（视频标识符）
sourceId=$(head -c 65536 surveillance_30sec.mp4 | md5sum | awk '{print substr($1, 1, 16)}')
# 第 3 步：处理每个帧并跟踪
for frame_file in frames/frame_*.jpg; do
frame_num=$(basename "$frame_file" | grep -oE '[0-9]+' | head -1)
frame_index=$((10#$frame_num - 1))
timestamp=$((frame_index * 1000))
imageId="frame_$(printf '%04d' "$frame_num")"
# 使用意图驱动调用
result=$(node ${CLAUDE_PLUGIN_ROOT}/skill/scripts/intent-invoke.mjs "检测人员" "$frame_file")
detections=$(echo "$result" | jq '.detections')
echo "$detections" > "results/${imageId}_detections.json"
done