微表情侦探

解决什么问题

在社交分享场景里，照片的情绪往往藏在细节里：嘴角的弧度、眉眼的松紧、尾巴的摆动幅度，人工解读耗时且容易漏掉“微表情泄漏”的信号；而直接生成表情包又缺一套结构化的情绪依据。这个技能把“看图—读情绪—写文案—出卡片”串成流水线，让一张照片从静态素材变成可分享、有观点的卡片内容。

核心能力与关键步骤

技能按五个阶段顺序执行，不可跳步：

• 主体识别与置信度预估：先判断主体类型（人物/动物/二者/无）、数量（单/多/群体），并记录清晰度、构图位置、光线角度、滤镜痕迹等证据；据此给出本次分析的总体置信度（高/中/低）。
• 微表情分析：

- 人物侧参照 FACS 与 Ekman 七情框架，重点检查 AU6+AU12（真笑）、AU1+AU4（悲伤眉）、AU4+AU5（愤怒眉眼）、AU9+AU10（厌恶鼻唇）、AU14（轻蔑单侧嘴角）等动作单元，并交叉验证眨眼频率、视线方向、头部姿态与手部动作；同时区分基础情绪与“尴尬/犹豫/心虚”等复合情绪。
- 动物侧按物种信号表处理，例如猫的耳朵角度、瞳孔、尾巴与呼噜，狗的嘴巴、尾巴、眼睛与露齿情况；其他动物则参考常见肢体语言。
- 素材模糊或主体过小时，会主动降低置信度，并在文案中诚实说明“仅供参考”。

• 幽默文案生成：严格按 references/microexpression_guide.md 的风格指南产出 3 层文案（60–120 字），幽默但不冒犯，人物多用善意吐槽、动物多用萌系表达；可适度用网络梗，也能加入“浓度百分比”等伪数据增加趣味。
• 调用卡片合成脚本：确定文案后调用 scripts/compose_share_card.py 生成分享卡。脚本依赖 Python ≥ 3.8 与 Pillow，跨平台运行且自动查找中文字体；推荐用 card.json 传入原图路径、标题、详细解读、对象称呼、主导情绪、置信度、署名与输出路径，脚本会按 mood 自动匹配主题配色。
• 交付与互动建议：返回生成的卡片路径，并附 1–2 条互动引导（如“要不要再来一张”“试试发给我家狗的照片”），方便直接用于社交分发。

适用边界与注意点

• 纯风景、纯文字截图等无主体图片会礼貌拒绝，不做强行解读。
• 不做医疗诊断，不输出病名；不对政治人物、公众人物做攻击性解读；未成年人照片仅做客观情绪识别，不写“心机/虚伪”类负面标签。
• 多人、多动物场景会逐个主体分别分析，并逐一列出对应卡片与情绪。
• 检测到 AI 生成 或重度滤镜时，会提示“图像可能经过处理，解读仅供参考”。
• 整体流程无需 GPU/网络，卡片合成为本地运行；一次生成耗时通常小于 5 秒（不含模型推理）。