Image Crawler
通过百度/Bing图片搜索批量采集图片，内置去重、关键词拓展、进度监控。
快速流程
1. 确认需求 → 2. 生成拓展关键词 → 3. 构造命令 → 4. 运行并监控 → 5. 汇报结果
Step 1: 确认采集需求
从用户请求中提取：
- 关键词（必须）：采集什么图片
- 数量（默认 100）：需要多少张
- 输出目录（默认 ./crawled_images）：存放位置
- 引擎（默认 baidu）：百度通常更稳定，中文搜索效果更好
Step 2: 关键词拓展
利用 LLM 能力生成 5-15 个拓展关键词，传入 --expand-terms。
拓展策略（按领域选择）：
设备/产品类：品牌 + 型号 + 使用场景
用户说"挖掘机" → 三一,卡特,小松,沃尔沃,日立,临工,大型,小型,施工现场,工地
动物/植物类：品种 + 环境 + 状态
用户说"猫" → 橘猫,英短,布偶,暹罗,黑猫,可爱,睡觉,户外
建筑/场景类：风格 + 地点 + 时间
用户说"别墅" → 欧式,中式,现代,豪华,花园,室内,外观,夜景
通用原则：拓展词应增加多样性而非重复。中英文混合可增加搜索覆盖面。
Step 3: 构造并运行命令
脚本位置：scripts/image_crawler.py（相对于此 SKILL.md）
python {skill_dir}/scripts/image_crawler.py \
-k "关键词1" -k "关键词2" \
-n 数量 \
-o 输出目录 \
-e baidu \
--expand --expand-terms "拓展词1,拓展词2,..." \
--json
始终使用 --json 模式以便解析输出。
典型示例：
# 采集 200 张挖掘机图片
python scripts/image_crawler.py \
-k "挖掘机" -k "excavator" \
-n 200 -o ./excavator_images \
--expand --expand-terms "三一,卡特,小松,沃尔沃,临工,大型,施工现场" \
--json
Step 4: 监控采集过程
以后台模式运行脚本，定期检查输出：
- 用
exec以background: true启动脚本 - 用
process(poll)获取最新输出 - 解析 JSON 行，关注以下事件：
| type | 含义 | Agent 动作 |
|---|---|---|
progress | 下载进度 | 向用户报告进度和预估时间 |
stall | 采集停滞 | 提醒用户可能有问题 |
error | 严重错误 | 立即中断并告知用户（反爬/网络问题） |
done | 采集完成 | 汇报统计信息 |
停滞判断：如果 poll 长时间无新 progress 输出（>60s），主动检查进程状态。
Step 5: 汇报结果
采集完成后，向用户报告：
- 成功下载数 / 目标数
- 去重移除数
- 总耗时
- 输出目录路径
- 如有失败，说明可能原因（反爬、网络、源站不可用）
追加采集
脚本支持跨次运行去重。如果用户需要更多图片，直接用相同输出目录再次运行：
.dedup_hashes.json自动跳过已有图片- 文件编号自动递增，不会覆盖
详细接口和自定义
参见 references/customization.md：
- 完整 CLI 参数表
- JSON 输出格式详解
- 去重机制说明
- 添加新搜索引擎指南
- 常见问题排查
脚本模板
scripts/ 下包含两个独立可用的引擎模板，适合用户学习或二次开发：
baidu_crawler.py— 百度图片搜索，接口清晰，中文搜索效果好bing_crawler.py— Bing图片搜索，英文搜索覆盖面广