马上冲冲冲图片场景分析

桌面场景分析的痛点

分析桌面照片时，通用图像识别模型通常返回宽泛标签（如“办公桌”“电子设备”），缺乏结构化维度。对于需要量化设备配置或追踪配置变化的场景，这种输出难以直接使用。

Desktop Scene Tagger 采用固定标签体系，覆盖装修环境、电脑类、键鼠类、音频类、情绪类、人体工学类六大维度，每张图片对应一行结构化数据，支持横向比较。

工作流程

• 加载标签系统：读取 references/tag-system.md，严格遵循定义的标签名称和取值选项。
• 收集图片：接受直接上传或文件夹路径。提供路径时列出所有图片文件（支持 .jpg、.png、.webp 等格式）并确认后再处理。
• 逐张分析：使用多模态视觉能力扫描前景、背景、桌面下方等区域。屏幕计数时区分笔记本（屏幕+外接=2）、一体机和独立显示器；方向判断基于宽高比和屏幕内容布局。
• 编译结果：按 scripts/generate_excel.py 要求的键名生成 JSON 数组，每个对象对应一张图片。
• 推断画像：根据标签系统第三部分的规则，对每张图片单独推断用户画像（如装备党、极简主义者）。
• 生成报表：运行脚本输出 Excel，包含分类组头、标签列头、颜色编码（绿色=有，浅红=未识别）和冻结窗格。

适用边界

• 仅适用于桌面/工作区场景，超出该范围的标签推断会失真。
• 多模态识别存在误差，未明确可见的项目标记为“未识别”，避免猜测。
• 标签体系固定，如需自定义分类，需要修改 tag-system.md 并调整脚本逻辑。
• 画像推断依赖标签组合规则，特殊配置可能落入“普通办公族”等模糊类别。