随手记：一摞验收照片交给 bl vision describe，六行清单三秒一张，坑有三个先说

最近帮店里整理货架照片，有无主体、姿态、材质、背景、有无文字，一格一格填表填到烦。照片是同一组问题，答案却要人肉搬，搬到后面自己都不信自己。

后来把这组问题写成清单文本，交给阿里云百炼命令行里的 bl vision describe：一张照片一条命令，三四秒回六行"字段: 值"。三张自产货架照实测三点八、三点二、三点九秒，行序稳稳的，拼进表格就是记录雏形。批量没有现成参数，一个 for 循环走完一摞，六行块追加同一个文件，完事。

bl vision describe --image shelfA.png --prompt "逐行回答，每行格式为「字段: 值」，只输出六行：主体: 有无橘色狐狸玩偶；姿态: 直立坐姿/四足站姿/无；白色腹部: 有/无；货架材质: ；背景物体: ；画面文字: 有/无"

坑有三个，都是跑出来才知道的。第一个，空货架那张否定答案把行格式写塌了：模型把选项串回显进值里，"主体: 有无橘色狐狸玩偶: 无"，语义还在但切分会拿到脏值，解析得兜底取末段。第二个，侧身那张被报"白色腹部: 有"，放大看躯干全橘、只有颈部一点浅色，二选一字段也拦不住它把相近特征算成有，所以表里要留人工复核位，误报格标出来别删。第三个，不传提问时它默认回英文散文，中文清单必须显式传 prompt，第一版我就是这么拿到两段英文的。

也有惊喜。跨照片核对时，正面照报"直立坐姿"、侧身照报"四足站姿"，摆放状态不一致当场跳出来，验收规则直接消费这个差异。视频也能进：--video 传本地 mp4 不用先上传，五秒片七点一秒回三行，动作按时间轴拆成四段，连右下角"AI 生成"角标都认得出来，合规标注核验以后可以写成清单字段。

视频那段也记一下逐字返回：主体一行写完眼镜卫衣白尖尾，动作一行把零点二到四秒拆成四段，角标一行说右下角始终显示白色文字 AI 生成。七秒换一份带时间轴的验收记录，比人盯着看五秒片再补记录靠谱。

循环里我给自己定了两条纪律：退出码 2 和 1 分两个队列重跑，别混；单张耗时记下来（三点八、三点二、三点九秒），整摞排期按张数乘四秒留一倍余量。还有 worked row 的摆法：六值进数据列，退出码/耗时/复核标记三列跟着，原始六行块逐字存档在行旁边，以后扯皮先翻存档不重跑。

出错也分层：路径不存在和扩展名不对都是退出码 2（后者会提示支持的格式），模型名写错是退出码 1 回 404 带 Request ID。批量脚本按码分流就行，不用读报错散文。

感受是：这活的价值不在"AI 会看图"，在字段由业务定、返回能进表、错误能分流。门店验收、盘点、上架、归档都适用；要毫米级测量或证件鉴真的别找它，它是语义核验不是计量器具。字段也别贪多，十个以内稳，宽表拆两次问。

有人问为什么不用 OCR 或相册识别：OCR 抽的是文字，我的字段大半是"有没有/什么姿态"这类语义；相册标签是平台定死的类别，业务字段对不上。字段能自定义，是这条命令唯一但决定性的差异。

附：本包实测读数清单（2026-10-30，bl 2.5.0，默认模型 qwen3-vl-plus）：单图清单问 3.8 / 3.2 / 3.9 秒；视频五秒片 7.1 秒；开放问回中文散文、默认问回英文散文、清单问回六行；否定答案塌缩 1 例（空货架行）、二选一误报 1 例（侧身照白色腹部）；错误探针 exit 2 File not found、exit 2 Unsupported image format ".mp3"、exit 1 HTTP 404 带 Request ID；ground truth 先目检登记三张；有效调用 6 次、失败探针 3 次。

不适合的也记一笔：要毫米级测量、证件鉴真的别找它；字段贪多到十几个就开始飘，拆两次问；误报零容忍又没复核位的流程不适合直接上。

跑完别删原始六行块和 ground truth 那三行登记，争议来了先翻存档；以后加字段就升 schema 版本重跑登记，旧行留着旧标签，别在同一列里混形状。

退出码 2 和 1 我也分两个队列重跑，混在一起日志会搅成一团；单张耗时记着，整摞排期心里有数。

入口照旧：CLI 安装页装命令行，控制台密钥管理页领 Key。先拿三张照片定你的六字段清单，跑通再上整摞，第一份六行返回出来的时候你就知道这张表值不值得交给它。