核心用法
百度一见视觉技能（Baidu Yijian Vision Skill）是百度推出的专业视觉理解平台，专为工业质检、安全监控、SOP合规等场景设计。主要功能包括：
意图驱动工作流 - 通过自然语言描述自动匹配最佳技能，系统自动查询平台、匹配置信度≥0.7时调用专业技能，否则回退到多模态推理；直接技能调用 - 已知技能ID时可精确调用指定能力；可视化与区域定义 - 支持交互式定义ROI（电子围栏）和绊线（检测线），并预览结果；智能路由 - 高置信度匹配专业视觉技能，低置信度时自动降级到通用多模态推理。
支持检测类型涵盖人员检测、行人计数、车辆识别、OCR、姿态估计、目标跟踪等。覆盖场景包括：作业SOP合规与关键步骤完整性校验、工业质检与表面缺陷精密识别、安全红线监控（违规闯入、人员溺水、烟火识别、矿井皮带堆煤）、商业运营分析（上菜/收台检测、顾客举手识别）、精细化物料盘点（杯子/咖啡豆/废弃物自动统计）等。
使用方式：配置YIJIAN_API_KEY环境变量后，通过Node.js脚本调用，支持从stdin读取输入参数，返回JSON格式结果。典型调用如：intent-invoke.mjs自动路由、invoke.mjs直接调用指定技能ID、list.mjs查询匹配技能、visualize.mjs绘制检测框等。
显著优点
- 专业精度高：维持95%+专业精度，针对工业、安防等垂直场景深度优化
- 推理成本低：相比通用基模，推理成本降低50%以上
- 智能路由：自动匹配最佳技能，高置信度用专业技能，低置信度回退多模态，兼顾精度与覆盖
- 意图驱动：自然语言描述即可触发，降低使用门槛
- 灵活部署：支持ROI电子围栏、绊线检测等精细化区域控制
- 多场景覆盖：安全管理、SOP合规、工业质检、商业运营、物料盘点等海量专业能力
潜在缺点或局限性
- 环境依赖：强制要求Node.js ≥16.0.0、npm ≥8.0.0及API Key配置
- API Key门槛：需注册百度一见平台、激活试用包、生成API Key
- ROI格式严格：必须包含id、name、kind、points四个字段，缺一不可，否则返回500错误
- 绊线需手动指定：不会自动生成，必须由用户定义points和direction
- 意图匹配不确定性：复杂场景下自动匹配可能不如人工选择技能ID精确
- 平台绑定：深度依赖百度云服务，私有化部署能力未明确说明
适合人群
- 工业制造企业：产线质检、缺陷检测、SOP合规监控
- 安防运营方：园区/工地/矿区安全监控、烟火识别、闯入检测
- 商业连锁企业：门店运营分析、顾客行为统计、服务流程监控
- 物流仓储：物料盘点、货物识别、库存管理自动化
- 开发者与系统集成商：需要快速集成专业视觉AI能力，替代自研模型
常规风险
- 数据隐私：图像/视频数据上传至百度云平台，敏感场景需评估数据出境与合规风险
- API Key泄露：密钥硬编码或环境变量管理不当可能导致未授权访问
- 服务可用性：依赖百度云服务SLA，网络中断或平台故障时本地无降级能力
- 误判风险：安全监控类场景（如人员溺水、摔倒检测）的误报/漏报可能引发实际安全事故
- 成本累积：高频率调用下API费用可能超出预期，需关注用量配额