核心用法
本技能是全功能图像视频AI处理工具箱，采用「本地处理+云端生成」双引擎架构：
本地工具（完全免费，无需API Key）：
- 超分辨率：Real-ESRGAN实现2x/4x无损放大，支持人脸增强联动
- 人脸修复：GFPGAN/CodeFormer双引擎，可调保真度参数修复老照片
- 背景移除：rembg多模型支持，含alpha matting精细边缘处理
- 智能擦除：LaMa inpainting，支持坐标自动遮罩或手动蒙版
- 人脸替换：InsightFace实现精准换脸，支持多人场景指定索引
- 语义分割：FastSAM支持文本/点/框三种交互式分割
- 媒体处理：FFmpeg封装，涵盖转码/压缩/裁剪/GIF/水印等20+功能
云端生成（需Atlas Cloud API Key）：
接入300+ SOTA模型（FLUX、Imagen4、Wan2.6、Kling V3等），支持文生图/视频、图生视频、图像编辑。关键设计：强制先通过MCP工具查询模型参数模式，避免无效调用。
显著优点
1. 零配置启动：uv run自动管理依赖，首跑下载模型后永久本地缓存
2. GPU自动调度：CUDA/MPS优先，无显卡友好降级CPU
3. 批量处理原生支持：多数工具接受文件夹路径，适合电商/摄影工作流
4. 内存优化设计：模型按需加载，23MB-500MB分级，总缓存约1.5GB
5. 输出管线标准化：默认./output/目录，-o自定义，便于脚本串联
潜在局限
- 首跑门槛：需Python 3.10+、uv、FFmpeg三重依赖，纯新手配置成本较高
- 云端依赖风险：Atlas Cloud为商业服务，API稳定性与定价策略不透明
- 模型黑箱性：本地模型（如GFPGAN、InsightFace）训练数据未知，存在潜在偏见
- 隐私边界模糊：云端生成时「图像数据将发送至atlascloud.ai」，但未明确数据保留策略
适合人群
- 电商运营：产品图AI生成→超分→去背景→水印的标准化链路
- 内容创作者：老照片修复、视频换脸、GIF制作等高频需求
- 开发者/设计师：需要可脚本化、可批量的AI图像处理基础设施
常规风险
| 风险类型 | 具体表现 | 缓释建议 |
|---------|---------|---------|
| 云端数据泄露 | 生成prompts和图像上传第三方 | 敏感素材仅使用本地工具 |
| 模型滥用 | Face swap/Segment可能用于深度伪造 | 建议平台层增加伦理审核 |
| 输出版权争议 | AI生成内容权属未定 | 商用前确认Atlas Cloud服务条款 |
| 依赖中断 | uv/FFmpeg版本冲突 | 锁定Docker环境或nix flake |