01 · Stage 1
OpenCV
信号和构图预筛，成本低。
现场照片，变成可交付的选片结果。
低成本门控与持久作业把场次算完；Gallery 对话 Agent 用自然语言搜、选、定风格、导出。摄影是真实负载，用来验证可恢复、可观察的推理作业系统。
一次运行
Recorded Run从一场现场到可交付选片。
代表性 Recorded Run（job #61）。规模统计在下方；这里先看一次作业的结果形状。
- Photos in
- 412
- VLM calls
- 288
- Keep rate
- 79%
- E2E
- 12.5 min
会话输入规模（示意）
账本 model_runs
代表性场次入选率
job #61 墙钟时间
Before · 原始场次
密集连拍与相似构图，尚未筛选。
After · 入选预览
底图为打包 demo 素材；分数字段为产品示意叠加（Simulated overlay）。
Showcase 固定快照，非实时计数。E2E 取自 job #61。
产品结果
LiveSimulated读 AI 结果，也能对话着选。
流水线给出筛选、评分与标签；Gallery 里人工确认，并用对话 Agent 搜片、初选、试胶片风格、导出。界面分数字段为产品示意叠加（Simulated overlay），底图来自真实场次。
打开 Gallery
只读 Showcase · 对话选片可试；完整导出请本地启动
主链路
从入库到可追踪的推理作业。
场次先建成可恢复的作业，再经 OpenCV → 美学分 → 有界 VLM；状态、调用与产物都写进账本。交付侧用 Gallery 确认，并用对话 Agent 操作选片结果。
Ingest
导入现场预览与 RAW 索引。
Create Jobs
按场次写入可恢复作业。
Claim & Run
Worker 原子认领后执行。
Cheap Gates
OpenCV / 快速美学分先过滤。
Bounded VLM
有界并发、可降级的多模态推理。
Ledger
job / event / model_run / artifact 可追。
Gallery + Agent
确认选片；对话搜、选、定风格、导出。
多阶段推理
OpenCV → 美学分 → VLM。
固定 Stage 管道：前面便宜过滤，后面多模态分析，输出 caption、tags、分数。
示例分 8.7E 9.1 · T 8.4 · C 8.6
02 · Stage 2
Rule / Aesthetic
规则和快速美学分，继续收窄。
03 · Stage 3
VLM
多模态分析，写出 caption / tags / score。
输出 caption / tags / score，在 Gallery 里人工确认。#peak moment#front row
试用
先看交付结果，再打开作业控制面。
Studio 提交场次，Gallery 确认并用对话 Agent 选片，Infra 查看作业与模型调用。