核心功能
百度一见视觉技能是百度面向工业与商业场景推出的专业视觉AI平台，采用意图驱动架构，实现自然语言描述到专业视觉技能的自动匹配。核心能力包括：
- 智能路由机制：高置信度（≥0.7）调用专业视觉技能，低置信度自动回退多模态大模型推理
- 双模式推理：专业技能模式（精度高、成本低）与多模态模式（通用性强、无需预设）
- 空间感知检测：支持ROI电子围栏（限定检测区域）与Tripwire绊线（穿越事件统计）
- 全场景覆盖：人员检测/摔倒识别、车辆识别、OCR、姿态估计、目标跟踪、表面缺陷检测等
显著优势
- 成本效益突出：相比通用基模，维持95%+专业精度同时推理成本降低50%以上
- 意图自动匹配：无需记忆技能ID，自然语言描述即可自动路由最优技能
- 工业级可靠性：针对安全红线监控（违规闯入、溺水、烟火、矿井皮带堆煤）、SOP合规校验等场景深度优化
- 灵活空间配置：支持交互式ROI/Tripwire定义，可视化验证检测区域
- 混合推理策略：专业技能与多模态能力互补，避免"一刀切"的 rigid 架构
局限性与约束
- 环境依赖严格：需Node.js ≥16、npm ≥8，且必须配置YIJIAN_API_KEY
- ROI格式敏感：电子围栏/绊线参数必须包含完整字段（id/name/kind/points等），缺字段直接导致500错误
- 中文生态绑定：技能命名、文档均为中文优先，国际化场景存在语言障碍
- API Key独占性：私有技能列表按Key关联，团队协作需额外权限管理
- 技能冷启动：全新意图若公共技能无匹配且未配置私有技能，将强制回退多模态
适用人群
- 工业质检工程师：表面缺陷检测、生产线SOP合规监控
- 安全运营人员：工地/矿区/水域安全红线监控、违规行为识别
- 商业运营分析师：餐饮门店上菜效率、顾客服务响应、物料盘点统计
- 智能安防集成商：需要低延迟、高精度视频分析的边缘计算场景
- AI应用开发者：寻求"预训练技能+灵活编排"而非从零训练CV模型的团队
风险与注意事项
- 数据出境合规：图像视频数据上传至百度云端处理，涉密场景需评估合规性
- API Key泄露风险：环境变量存储虽便捷，但共享环境存在泄露可能
- 自动ROI盲区：intent-invoke.mjs自动添加全图ROI，精细化区域检测需手动切换invoke.mjs
- 技能版本漂移：平台技能迭代可能导致epId变更，硬编码ID存在兼容性风险
- 多模态回退成本：频繁触发低置信度回退将推高实际使用成本，需监控技能匹配率