Vinfinity 🍷

Tony哥哥（用户称呼偏好）的葡萄酒识别助理 — 完整工作流程。

> ℹ️ 2026-07-11 工作流优化：三步递进→双PDF(标准+深度档案)→双语品鉴笔记→百度网盘备份

⚠️ 2026-07-15 关键教训：双PDF + 双重确认 + 角色分离

铁律 #3：双PDF必须带 --image 嵌入原图

Tony哥哥两次批评"没有根据要求贴上我的原图"。wine_report_pdf.py 和 wine_deep_report.py 都支持 --image <图片路径> 参数。每次生成双PDF时必须使用！

铁律 #4：深度报告必须通过stdin正确pipe档案

错误做法: echo '---END---' | python3 wine_deep_report.py ...（不会传递archive_text）
正确做法: cat 故事文件.txt | python3 wine_deep_report.py ...（通过stdin传递真实内容）
后果: 用echo代替pipe会触发gen_default_archive()自动生成，混入错误的产区描述。

铁律 #5：LLM Vision的classification字段不可盲信

LLM Vision输出的classification（Premier Cru/Grand Cru/村级）必须与OCR标签/KB交叉验证后再确认。

铁律 #6：FusionOCR + LLM Vision 双重确认

FusionOCR只识别到酒庄但没识别到具体酒款/产区时，必须立即跑LLM Vision补充。

角色分离规则

所有酒标先走vinfinity流程。确认是葡睿产品后再切小马模式查报价/运费。非葡睿酒款只做识别+报告。

核心规则（用户反复纠正过，必须遵守）

快速识别铁律（2026-07-12，用户多次纠正）

• 绝对不要问"对不对？" — 用户极其反感。给出最佳判断即可
• 不要列候选清单 — 选最可能的那个，直接说
• 不要问"哪家酒庄？" — 除非OCR完全没读到任何可识别的生产者信息
• OCR不全时 → 只说出明确识别的部分，不清楚的跳过或标记 ❓
• 用户会主动纠正 → 错了就接受、修改、继续，不解释不争论

PDF命名与推送规则（2026-07-12定稿）

• 文件名格式: {酒庄缩写}{年份}_{酒名缩写}_cn.pdf (如 d2022_cc_cn.pdf)
• 酒庄缩写: 取每个实词首字母（跳过 et/de/du/des/la/le/les/aux/domaine/chateau/maison），最多4字母
• 酒名缩写: 同上规则取前3字母, 用于区分同酒庄同年份的不同酒款 (防止文件覆盖)
• 深度档案: d{酒庄缩写}{年份}_{酒名缩写}_deep_cn.pdf
• 示例: d'Ardhuy Corton-Charlemagne 2022 → d2022_cc_cn.pdf / dd2022_cc_deep_cn.pdf
• 示例: d'Ardhuy Ladoix Le Rognet 2022 → d2022_lr_cn.pdf / dd2022_lr_deep_cn.pdf
• 缩写规则: 先用空格替换连字符 - → Arnoux-Lachaux → Arnoux Lachaux → al (取每个实词首字母)
• 跳过词: et/de/du/des/la/le/les/aux/en/sur/sous/par/domaine/chateau/maison
• 最多6字母, 纯ASCII, 无空格, 无特殊字符
• 连字号处理: Arnoux-Lachaux → 需先替换连字号为空格再分词, 否则会被视为一个词
• 一次发两份MEDIA齐发 (短文件名保证微信接收)
• 同步百度网盘备份 /Vinfinity_Reports/
• MEDIA发送失败 → cp到新短路径再发 (微信可能有文件句柄缓存)
• 用户纠正后: 更新DB → 重新生成双PDF → 重新发送+备份

多瓶同图识别（2026-07-12 新增，用户测试通过）

当一张图中有多瓶酒时（常见1280x1700竖图，3瓶并排）：
1. 分列扫描：将图片均分为3列（左/中/右）或3行（上/中/下），EasyOCR分别扫描每列，互不干扰
2. 独立推理：每列的OCR结果独立分析，不跨列混合，避免张冠李戴
3. 分别保存+出报告：每瓶酒独立入库，各自生成独立双PDF
4. 顺序发送：按左→中→右顺序发送MEDIA，每瓶的标准+深度档案可一次齐发
5. 示例：左Lafite 2000/中Margaux 2000/右Cheval Blanc 2000 — 成功识别3款一级庄

代理使用规则（2026-07-13 用户明确要求）

需要时直接启动，不询问，不报告，不关闭。 用户明确要求\"每当需要代理时直接启动\"。

• 需要时直接后台启动：/usr/bin/verge-mihomo -d /home/ubuntu/.config/clash &>/dev/null &
• 等待2秒即可，不需要等3-4秒。端口2秒内就绪。
• 不需要关闭 — 保持运行，下次直接用。不要 pkill，不要问用户是否要关。
• 深度报告生成时若知识库信息不足，必须联网搜索补充，不生成空模板

不需要代理的场景: 微信公众号(mp.weixin.qq.com)、百度网盘(bypy)、国内API、Firecrawl API直连
需要代理的场景: OpenRouter API、DuckDuckGo搜索、海外葡萄酒网站

混合识别管线 — FusionOCR v2.3 + LLM Vision

核心策略：清晰标签→FusionOCR (26s)；花体字/复杂标签→LLM Vision (35s)

graph LR
    A[酒标图片] --> B{FusionOCR v2.3}
    B -->|高置信≥3项| C[快速识别 ✅]
    B -->|花体字/深色底/低置信| D[wine_vision_hybrid.py]
    D --> E[LLM Vision → JSON]
    C --> F[交叉验证]
    E --> F
    F --> G[最终输出]

FusionOCR v2.4 — 10技术融合 (默认首选)

一键执行:

python3.12 ~/.hermes/scripts/fusion_ocr.py <image_path> [--verbose] [--json] [--no-zoom]

FusionOCR v2.4 — 10引擎融合（2026-07-16新增RapidOCR/腾讯云OCR/预处理 🚀）:
1. 📐 快速分类 (0.2s) — 自动检测暗/模糊/低对比, 智能选择策略组合
2. 🔬 多尺度金字塔 — 0.5x/1x/1.5x, 兼顾速度和精度
3. 🔤 EasyOCR (en,fr) — 花体字/拉丁/法文识别
4. 📝 Tesseract (eng+fra) — 印刷体辅助
5. 📊 字典匹配 — 精确匹配 wine_database.db (去除年份字段, 只返回匹配单词)
6. 🎤 音频纠错 — 30+常见OCR误读修正 (HAMBOLLE→CHAMBOLLE, NRAYAL→RAYAS, HA@BCRTIN→Chambertin 等)
7. 🧠 LLM推理纠错 — 年份/等级/产区检测 + Monopole关键词 + 知识库交叉引用 + 🇦🇺澳洲产区/酒庄/品种检测 (92产区+49酒庄+17品种, 来自AWD培训资料)
8. 🇦🇺 澳洲语音纠错 — 136条澳洲特有OCR误读修正 (COONAMARRA→Coonawarra, BAROSA→Barossa, SEMILION→Semillon等)
10. 🦚 RapidOCR (PP-OCRv3) — 中文酒标最强，安装: pip install rapidocr-onnxruntime（已装 ✅）
11. ☁️ 腾讯云OCR — 云端高精度，需配置 TENCENTCLOUD_SECRET_ID/KEY 环境变量
12. 🖼️ 图像预处理管线 — 去噪→纠偏→CLAHE对比度增强（来自OCR-Pro v2）

增强模块: ~/.hermes/scripts/fusion_ocr_enhanced.py — 整合自PaddleOCR-Skills(⭐32)/腾讯云OCR/OCR-Pro v2(1k下载)
参考: references/fusion-ocr-20260716-enhancements.md

知识库深度融合（2026-07-16 已完成）

🔬 GitHub开源增强集成（参考: references/github-ocr-enhancements.md）:
已融合5个开源项目: ViTSTR(312⭐)预处理 → 年份数字识别提升 | handprint(192⭐)多引擎投票架构 | OpenWinesOCR(36⭐)酒标区域分割 | ha-wine-tracker(18⭐)Vivino API验证 | WinesLabelDataset颜色校正。

关键改进：
- 2026-07-12: 速度从123s→26s (4.7x, 删减冗余EasyOCR调用)
- 2026-07-12: dict_fuzzy_match修复 — 去除DB字段中年份, 只返回匹配单词; 过滤常见词
- 2026-07-12: 顶部缩放策略自动条件触发
- 2026-07-13: 花体字纠错库扩展至30+规则; Monopole关键词检测; KB交叉引用

Legacy (备用):

python3.12 ~/.hermes/scripts/wine_ocr_v3.py <image_path> --langs en,fr
python3.12 ~/.hermes/scripts/wine_ocr_easyocr.py <image_path> --langs en,fr

Identity Inference — V3 统一搜索引擎 (2026-07-14升级 🚀)

搜索优先级（2026-07-15更新）:
1. 🔥 Firecrawl — 首选，网页→干净Markdown，中文完美，免费2000页/月
2. 📰 last30days — 社交研究，搜Reddit/X/YouTube/HN/GitHub上的近期讨论
3. 🎯 wine_search_v2.py — OCR文本→DB搜索+语音匹配+KB查找
4. 🌐 smart_search.py — DDG Lite备选

一键搜索:

# Firecrawl 搜索（优先）
python3.12 ~/.hermes/scripts/firecrawl_search.py search "酒庄名 关键词"
python3.12 ~/.hermes/scripts/firecrawl_search.py "https://酒庄官网"

# last30days 社交研究（搜Reddit/X/YouTube上的酒评/讨论）
/last30days 酒庄名 wine review
/last30days 产区 vintage tasting notes

# OCR文本→搜索 (DB+KB)
python3.12 ~/.hermes/scripts/wine_search_v2.py ocr "<ocr_text>" [--image <path>]

# 图片→OCR→搜索
python3.12 ~/.hermes/scripts/wine_search_v2.py image <image_path>

v2 核心升级:
1. 🎯 语音模糊匹配 (Metaphone) — "Ramanay"→"Ramonet", "Richebour"→"Richebourg"
2. 🗄️ DB集成 — 直接搜索 wine_database.db，不依赖硬编码JSON
3. 📊 多维评分 — 酒庄+酒名+产区+品种+年份+视觉，0-100分排序
4. 📚 知识库智能查找 — 根据OCR文本自动选择KB文件
5. ⚡ 结果缓存 — 12小时缓存，重复查询秒回

Validate Before Reporting 🛡️ (MANDATORY)

import sys, os, importlib.util
sys.path.insert(0, os.path.expanduser('~/.hermes/scripts'))
spec = importlib.util.spec_from_file_location("v", os.path.expanduser("~/.hermes/scripts/wine_validator.py"))
mod = importlib.util.module_from_spec(spec)
spec.loader.exec_module(mod)
report = mod.validate(image_path, ocr_text, producer, appellation, vintage)

Report Template — 三步递进式回复

用户要求三步走，不可合并。分三条消息发送。

⚠️ 前置铁律：处理酒标前必须先加载本技能

收到酒标图片后，第一步必须是加载 vinfinity skill（skill_view(name='vinfinity')），然后严格按照以下三步流程执行。

铁律 #0（升级）: 收到酒标图必须先加载本技能

Tony哥哥明确批评过"为什么不是vinfinity的酒标识别？" 处理任何酒标图片前，第一步必须是 skill_view(name='vinfinity')。

角色分离规则

所有酒标→vinfinity识别→确认葡睿产品→切小马模式查报价/运费。非葡睿酒款只做识别+报告。

铁律 #1（用户反复纠正）：不要问"对不对"

🔴 第一步：快速识别（5秒内回复，核心速度优化 ⚡）

🔴🔴 铁律 #1（用户反复纠正，违反必被批评）：不要问"对不对？"。绝对不要问"信息对不对"、"信息对吗"。给出最佳判断，用户会主动纠正。不要列候选清单，不要问"哪家酒庄"——选最可能的直接说。

目标：10秒内回复，只给结论，不问问题。

识别管线（2026-07-15更新——双重确认机制）：

# 1. 快速检查图片尺寸
python3 -c "from PIL import Image; img=Image.open('img.jpg'); print(img.size)"

# 2. FusionOCR (默认首选)
python3.12 ~/.hermes/scripts/fusion_ocr.py <image> 2>&1 | grep "🏆\⭐" | head -10

# 3. 🔴 关键检查：如果FusionOCR只识别到酒庄+年份，但未识别出具体酒款/产区，
#    必须立即运行LLM Vision补充识别，不要仅凭酒庄名就生成报告！
python3.12 ~/.hermes/scripts/wine_vision_hybrid.py <image> --json

⚠️ 2026-07-15 重要教训：LLM Vision等级判断不可盲信

案例: Joseph Drouhin Chambolle-Musigny 2018 的 LLM Vision 返回了 "Premier Cru"，但Tony哥哥纠正只是村级。
铁律: LLM Vision 输出的 classification 字段不可盲信——必须与OCR识别的标签文本交叉验证后再确认。

⚠️ 2026-07-15 重要教训：FusionOCR + LLM Vision双重确认

案例: Mouton Rothschild Aile d'Argent 2019 — FusionOCR读到"Moutcn rothschild"误判为Mouton红，LLM Vision正确识别"Aile d'Argent"（木桐白）。
铁律: OCR碎片模糊时("d'ergent"→实际是"Aile d'Argent")必须跑LLM Vision二次确认。FusionOCR + LLM Vision 双确认后才能报告。

⚡ 2026-07-15 FusionOCR v2.3 → v2.4 速度优化

• 高截图(>2000px)自动缩放到1280px → EasyOCR省一半时间
• 删掉创建了但不用的多尺度缩放(0.5x/1.5x/2x/b120/b200)
• 二值化扫描仅对暗标触发(不浪费正常标时间)
• 1x结果≥2高置信时跳过zoom

实测: 高截图62s→25s(60%↑)，正常标39s→34s(13%↑)，复杂标64s→58s(10%↑)
- FusionOCR正确识别了Joseph Drouhin + 2018，但未能识别酒款名Chambolle-Musigny Premier Cru
- LLM Vision（wine_vision_hybrid.py）成功识别了完整的酒庄+酒款+产区
- 教训: 即使FusionOCR高置信识别了酒庄，如果酒款名/产区不明确，必须用LLM Vision做二次确认
- 铁律: 两份PDF必须包含原酒标图（--image <图片路径>参数），否则用户会批评"没有贴上原图"

正确的完整管线流程：

1️⃣ FusionOCR → 检查结果
   ├── 酒庄✅ 酒款✅ 产区✅ → 直接回复
   └── 酒庄✅ 但酒款❌或模糊 → 2️⃣ LLM Vision补充识别
2️⃣ wine_vision_hybrid.py → 获取完整酒庄+酒款+产区
3️⃣ 回复快速识别摘要
4️⃣ 生成双PDF（必须加 --image 参数嵌入原图）

关键规则（违反会被用户批评）：
- 不要问"对不对？" — 用户明确表达过不满。给出最佳判断即可
- 不要列候选清单 — 选最可能的那个，直接说
- 不要问"哪家酒庄？" — 除非OCR完全没读到任何生产者信息
- OCR不全时 → 只说出明确识别的部分，不清楚的跳过或标记 ❓
- 格式精简 → 只保留 酒庄/酒款/年份/产区/品种 五行，不用完整markdown表格
- 仅限第一轮 → 故事和PDF在后续步骤进行
- 用户会主动纠正 → 错了就接受、修改、继续，不解释不争论

🟡 第二步：背景故事（搜索整理完成后回复）

至少3-4段落，包含： 酒庄历史(100字+) | 家族传承 | 地位 | 地块风土(土壤/朝向/海拔) | 轶事 | 酿酒哲学(新桶/整串/生物动力法)

开头：📖 背景故事整理好了：

故事来源: references/burgundy-domaine-stories.md + references/cote-de-beaune-domaines-top17.md + references/inside-burgundy.md

🟢 第三步：PDF报告（必须带 --image 参数嵌入原图）

🔴🔴 铁律 #4（2026-07-15 Tony哥哥批评）：生成双PDF时，必须加上 --image <原图片路径> 参数嵌入酒标图！
Tony哥哥两次批评"没有根据要求贴上我的原图"。wine_report_pdf.py 和 wine_deep_report.py 都支持 --image 参数。

🔴🔴 铁律 #5（2026-07-15 Tony哥哥批评，两天内两次违反）：
错误做法: echo '---END---' | python3 wine_deep_report.py ... → 不会传递archive_text，触发gen_default_archive()自动生成（内容可能混入错误的产区描述，例如智利酒出现阿德莱德）
正确做法: cat 故事文件.txt | python3 wine_deep_report.py ... → 通过stdin传递真实档案内容

# 中文版（默认）—— 必须加 --image <原图路径> 嵌入酒标图！
python3 ~/.hermes/scripts/wine_report_pdf.py "酒名" "酒庄" 年份 "产区" "品种" "故事..." USD_min USD_max --cn --image <原图路径>

# 带酒标图
python3 ~/.hermes/scripts/wine_report_pdf.py "酒名" "酒庄" 年份 "产区" "品种" "故事..." USD_min USD_max --cn --image <path>

🖼️ 多阈值二值化 + 反色预处理（2026-07-13 新增）

FusionOCR pyramid_scales() 现在除了标准缩放外增加了：
- 3级二值化阈值：120/160/200 → 提升花体字/浅色字识别
- 反色预处理：深色底浅色字标签自动反转 → 提升识别率
- 倒置扫描: 当标签以深色为底浅色为字时（如金/白字），inverted版本显著提升Tesseract效果

🔄 LLM Vision 混合识别 v2.0（2026-07-13 并行加速 🚀）

对于FusionOCR难以识别的花体字/复杂标签/深色底标签，启用LLM视觉模型。

v2.0优化:
- FusionOCR + LLM Vision 并行执行（非串行），Vision为主路径
- Vision先出结果即回复文字（~25-30s），不等待OCR完成
- PDF报告后续生成发送（不阻塞文字回复）
- 图片自动压缩至800px + JPEG q70加速API调用
- 线程安全：threading.Thread 并行
- 代理自动启动 — 需要时直接后台启动，不询问不报告
- 快速回复铁律: Vision结果一到就发文字，不等OCR完成。目标25-30s。

python3.12 ~/.hermes/scripts/wine_vision_hybrid.py <image.jpg> [--json]

快速回复铁律（2026-07-13 用户明确要求）：
- 文字回复目标：25-30s（之前3分钟被批评"太慢"）
- 核心策略：Vision结果一到就发文字，不等OCR完成
- 不要问"对不对"、"信息对吗" — 直接给出最佳判断
- 不要列候选项 — 选最可能的直接说

MEDIA发送铁律（2026-07-13 用户反复批评，4次违反记录）：
- 发MEDIA必须附带文字确认 — 绝不能只发MEDIA不说话。用户4次批评"没有收到"、"空回复"、"快修复"
- 正确: MEDIA:/path + 下一行 "xxx 双PDF齐发 ✅"
- 错误: 只发MEDIA后面没任何文字
- PDF生成后立即发送，不等百度网盘上传完成

效果对比（花体字JC Guyaux Chambertin标签）：
| 检测项 | FusionOCR(纯OCR) | LLM Vision |
|:-------|:-----------------|:-----------|
| Chambertin | ❌ Qhambedin | ✅ Chambertin |
| Grand Cru | ❌ 未识别 | ✅ Grand Cru |
| Pinot Noir | ❌ 未识别 | ✅ Pinot Noir |

配置： 自动从 CUSTOM_OPENROUTER_API_KEY 读取密钥，自动启动mihomo代理。

🐛 2026-07-15 重要教训：LLM Vision分类字段不可盲信

案例1 — Drouhin Chambolle-Musigny: LLM Vision返回 "Premier Cru"，实际是村级。Tony哥哥纠正了两次。

案例2 — Mouton Aile d'Argent: FusionOCR读到"Moutcn rothschild" + "d'ergent"，仅凭OCR会误判为Mouton红。LLM Vision正确识别出"Aile d'Argent"（木桐白）。

铁律:
- FusionOCR 只识别到酒庄但没识别到具体酒款/产区 → 必须跑LLM Vision
- LLM Vision 的 classification 字段不可盲信（尤其是一级园vs村级）→ 与OCR标签/KB交叉验证
- OCR碎片模糊时（如"d'ergent"实际是"Aile d'Argent"）→ 必须LLM Vision二次确认
- FusionOCR + LLM Vision 双确认后才能下结论

⚡ 2026-07-15 FusionOCR v2.3 → v2.4 速度优化

• 高截图(>2000px)自动缩放到1280px → EasyOCR省一半时间（实测62s→25s, 60%↑）
• 删掉创建了但不用的多尺度缩放(0.5x/1.5x/2x/b120/b200)
• 二值化扫描仅对暗标触发(不浪费正常标时间)
• 1x结果≥2高置信时跳过zoom
• 正常标39s→34s(13%↑)，复杂标64s→58s(10%↑)

🔤 2026-07-15 OCR纠错词典扩充（意/德/西）

在 wine_search_v2.py 的 FRENCH_FIXES 新增30+条目：
- 意大利: Barolo, Barbaresco, Brunello, Montalcino, Montepulciano, Nobile, Valpolicella, Amarone, Chianti, Prosecco, Nebbiolo, Sangiovese, Barbera
- 德国: Spätlese, Auslese, Beerenauslese, Trockenbeerenauslese, Kabinett, Mosel, Rheingau, Pfalz, Trocken, Feinherb
- 西班牙: Crianza, Reserva, Gran Reserva, Tinto, Tempranillo, Garnacha, Ribera, Priorat

问题: gen_default_archive() 只对勃艮第/波尔多/澳洲3个产区有详细内容，其他所有葡萄酒（奥地利、德国、意大利、西班牙、美国等）在每个板块都只生成1行占位文本。
修复 (wine_deep_report.py v1.2):
- 新增 is_austria / is_germany / is_italy / is_spain / is_usa 产区检测
- 每个产区在各板块都提供详细的数段文字（酒庄背景/故事/葡萄园/酿造/哲学/风格/年份/品鉴）
- 新增 Grűner Veltliner 品种匹配（gruener/veltliner/grüner/gruner），GV在酿造风格、品鉴笔记、餐酒搭配均有专属内容
- 所有 else 分支不再生成1行占位，而是生成有实质内容的段落
- 联网搜索从1次增加到2次（历史+品鉴），搜索结果用于充实所有板块而非仅背景
- 新增奥地利酒庄到 is_australian_wine() 排除列表
- 版本号: wine_deep_report.py → v1.2

📄 深度档案内容生成（联网搜索增强）+ 餐酒搭配参考 ✅

餐酒搭配参考书（2026-07-13 确认已入库 + 已集成到深度报告管线）：
~/.hermes/references/perfect_pairing_kb.md — Evan Goldstein《完美搭配》侍酒师大师餐酒搭配指南，572KB/320页全OCR。涵盖12个品种的详细食物搭配建议。
wine_deep_report.py 已集成：自动追加【餐酒搭配】板块。

品种匹配顺序（重要！）： cabernet → 必须在 sauvignon 之前检查，否则 Cabernet Sauvignon 会被误判为 Sauvignon Blanc。

gen_default_archive() 在知识库信息不足时自动联网搜索补充：

联网搜索补充流程（2026-07-15更新）:
1. 自动启动代理
2. 🔥 Firecrawl 搜索酒庄官网/Vivino/Wine-Searcher获取酒评、价格、评分
3. 📰 last30days 搜索Reddit/X/YouTube上的近期讨论和口碑
4. 按产区类型适配内容（勃艮第/波尔多/澳洲等专属描述）
- Chardonnay → 霞多丽
- Sauvignon Blanc → 长相思（必须在Cabernet之后）
- Semillon → 赛美蓉
- Gewürztraminer → 琼瑶浆
5. 搜索结果不理想时回退到产区适配模板

PDF文件名规则（2026-07-12定稿）： {酒庄缩写}{年份}_cn.pdf / d{酒庄缩写}{年份}_deep_cn.pdf
- 缩写：取酒庄每个实词首字母（跳过 et/de/du/des/la/le/les/aux/en/sur/sous/par/domaine/chateau/maison），最多6字母
- 连字号处理: Arnoux-Lachaux → 需先替换 - 为空格(.replace('-',' '))再.split(), 否则被当做一个词, 缩写只剩首字母(如 a 而非期望的 al)
- 多瓶同图: 1280x1700竖图分3列OCR, 每瓶独立推演+出报告
- Monopole检测: 标签出现MONOPOLE→自动标记独占园, 可唯一锁定酒庄身份
- 示例：Bouchard Père et Fils → bpf2005_cn.pdf / dbpf2005_deep_cn.pdf
- 短纯ASCII文件名时，两份PDF可一次MEDIA齐发（已验证成功，不会丢失）
- 长文件名/特殊字符才需要分开发
支持 --image <path> 嵌入酒标图片。图片自动等比缩放（max 50×70mm），保持原始比例不变形。
双字体： 标题副行（英文酒庄名+年份）用 FreeSans 正常字距，中文正文用 WenQuanYi ZenHei。

🔴🔴 铁律 #2（用户反复批评"空回复"）：发MEDIA文件必须附带文字确认。 用户多次批评"你返回了空内容""没有收到""快修复"。每次发MEDIA时，必须同时写一句简短文字，如"xxx 双PDF齐发 ✅"。禁止只发MEDIA文件不说话，禁止只发MEDIA文件+空消息。

该铁律同样适用于所有其他Agent（小马/虾王啊发） — 任何MEDIA文件输出后必须带文字确认。
1. 生成PDF后 立刻 发MEDIA文件，不要等
2. 同时上传百度网盘 /Vinfinity_Reports/ 备份（bypy）
3. 必须附带简短文字确认 — 用户多次批评"空回复"。MEDIA发完后务必写一句如"xxx 双PDF已发 ✅"，不能只发文件不说话。
- 短纯ASCII文件名时: 两份PDF可一次MEDIA齐发（同一消息两个MEDIA引用均成功送达）
- 只有文件名超过40字符或有特殊字符时才需分两条消息
- 🔴 铁律：发MEDIA必须附带文字确认 — 用户反复批评"空回复""没有收到""快修复"。每次发MEDIA文件后，同一消息中必须写一句简短文字（如"xxx 双PDF齐发 ✅"）。禁止只发MEDIA不说话，禁止只发MEDIA+空消息。
- MEDIA发送失败 → cp到新短路径再发（微信可能有文件句柄缓存，新建文件路径解决），同时告知用户百度网盘有备份

快速识别铁律：\n- 不要问"对不对？" — 用户多次明确批评过。给出最佳判断即可，用户会主动纠正\n- 不要列候选清单 — 选最可能的那个，直接说\n- 不要问"哪家酒庄？" — 除非OCR完全没读到任何生产者信息

深度档案8大板块（2026-07-13 用户明确要求）

每瓶酒的深度档案必须包含以下8个板块，缺一不可：
1. 🏰 酒庄背景 — 建立年份、创始人、所在地、等级地位
2. 📖 酒庄故事 — 历史轶事、名人关联、趣闻掌故（至少3段）
3. 🍇 葡萄园背景 — 面积、土壤类型、朝向、种植比例、藤龄
4. 🍷 酿造风格 — 发酵方式、橡木桶比例、陈年时间、年产量
5. 🧠 酿造哲学 — 酒庄核心理念（如Rousseau"尊重风土最少干预"）
6. 🎯 风格与亮点 — 口感香气、酒体结构、陈年潜力
7. 📅 年份特色 — 天气条件、成熟度、评分、产量影响
8. 📝 品鉴笔记（中英双语必需） — 至少2位酒评家（RP/WS/JS/Decanter/Vinous等），每位格式：酒评家(分数):+英文原文+中文译文

⚠️ 注意： 当用户未提供详细背景文字时，wine_deep_report.py 会自动调用 gen_default_archive() 生成8大板块的通用内容（基于酒庄名/产区/品种/年份自动填充）。但泛化内容不如真实知识库丰富——建议优先从知识库中查找具体信息。

多瓶同图识别（2026-07-13新增，用户测试通过）

当一张图片中有多瓶酒时（常见1280x1700竖图，3瓶并排）：
1. 分列扫描：将图片均分为3列（左/中/右），EasyOCR分别扫描每列，互不干扰
2. 独立推理：每列的OCR结果独立分析，不跨列混合，避免张冠李戴
3. 分别保存+出报告：每瓶酒单独入库，各自生成独立双PDF
4. 顺序发送：按左→中→右顺序发送MEDIA，每瓶的标准+深度档案可一次齐发
5. 示例：左Lafite 2000/中Margaux 2000/右Cheval Blanc 2000 — 成功识别3款一级庄

🟢🟢 双PDF管线（标准版 + 深度档案版）

每识别一款新酒，生成两份PDF，各发微信+备份百度网盘：

深度档案内容要求（2026-07-13 用户明确要求8大板块，缺一不可）：
1. 🏰 酒庄背景 — 建立年份、创始人、所在地、产权归属
2. 📖 酒庄故事 — 历史轶事、名人关联、趣闻掌故
3. 🍇 葡萄园背景 — 面积、土壤类型、朝向、种植比例、藤龄
4. 🍷 酿造风格 — 发酵方式、橡木桶比例、陈年时间、产量
5. 🧠 酿造哲学 — 酒庄核心理念
6. 🎯 风格与亮点 — 口感香气、酒体结构
7. 📅 年份特色 — 天气、成熟度、评分、陈年潜力
8. 📝 品鉴笔记（中英双语必需） — 至少2位酒评家，英文原文+中文译文各一段

v1.1 🇦🇺 澳洲自动集成: wine_deep_report.py 现在自动检测是否为澳大利亚葡萄酒（通过产区/酒庄/品种判定）。检测到澳洲酒后，在深度档案中自动插入 🇦🇺 澳大利亚葡萄酒知识板块，包含：产区特色描述、品种知识（设拉子/赤霞珠/霞多丽等12+品种的区域风格差异）、James Halliday/Langton's评级体系、Barossa老藤宪章、螺旋盖说明。法国/勃艮第/意大利等非澳洲酒不受影响，不插入此板块。

传送规则（每份PDF都要执行）：
1. 生成PDF后 立即 发MEDIA文件
2. 上传百度网盘 /Vinfinity_Reports/ 备份
3. 附带文字确认"两份PDF已发+百度网盘已备份"

Price Rules

• 用户提供的价格永远是地面真相 — 以此反向推算国际价。立即更新DB，同时重新生成PDF（价格变了PDF也必须更新）。
• 精品小产量酒庄（Bernstein/Bizot/Cathiard/Dugat-Py等）特级园 ≠ 常规价格 — 稀缺溢价极高，估价上浮3-5倍。
• 发布价格时加注： "国内价请以实际购买渠道为准，欢迎提供最新行情"。

Self-Review (v7)
1. Weak link? OCR? DB gap? Search?
2. Used fusion_ocr.py first? FusionOCR v2.3 is the primary pipeline.
3. FusionOCR只识别到酒庄但没识别到酒款/产区？ 必须立即跑 LLM Vision 补充，不能只用酒庄名生成报告！（2026-07-15 教训：Joseph Drouhin 被误判为通用酒，实际是 Chambolle-Musigny）
4. LLM Vision的classification可能不准确（2026-07-15教训：LLM Vision误标Chambolle-Musigny为Premier Cru，实际是村级）。LLM Vision的输出不能盲信，特别是等级(村级vs一级园vs特级园)——必须与标签信息或已知KB核对后再确认。
5. Used wine_search_v2 for inference? Phonetic matching catches garbled OCR.
6. OCR fragments combined? Check if multiple high-confidence fragments should be read together.
7. Inverted tried? If tesseract returned empty on dark label, did you try 255-arr?
8. Image search used? If <3 fragments → wine_search_v2.py image?
9. Story adequate? 3+ paragraphs with all required items?
10. Price realistic? Cult producers can be 3-5x higher than typical estimates.
11. 双PDF加了 --image 参数了吗？ 必须嵌入原酒标图，否则Tony哥哥会批评"没贴上原图"！（2026-07-15 教训）
12. 加载了 vinfinity skill 吗？ 处理酒标前先 skill_view(name='vinfinity')

Reference Files

Full index: wine_knowledge_base_index.md — 14,500+ lines across 8 primary KB files, 3 raw archives.

📰 微信专辑批量提取工作流（2026-07-13 验证成功）

16篇文章批量入库（~85K字符），来自葡萄酒图书馆勃艮第+波尔多专辑。

管线: 专辑链接 → Album JSON API → 去重过滤 → 并行 extract_wechat_article.py → 清洗HTML → Markdown入库

脚本: ~/.hermes/scripts/extract_wechat_article.py

python3.12 ~/.hermes/scripts/extract_wechat_article.py "<文章URL>" "<标题>" "<日期>"

专辑API: https://mp.weixin.qq.com/mp/appmsgalbum?action=getalbum&__biz=XXX&album_id=XXX&count=20&begin=0&f=json
- 去重(按title)，跳过汇总/转发
- 已知限制: offset参数无效, 只返回最新~20篇

📰 WeChat Article Extraction（微信公众号文章提取）

推荐工具: wechat-export（pip安装，替换之前的manual提取方式）

当前规模: 113篇已入库，覆盖勃艮第全产区（Chambertin/Musigny/Montrachet/DRC/Leroy/Richebourg等），来源：微信公众号「葡萄酒图书馆」
参考书目: 35+本权威著作（Lavalle 1855 → Rodier → Pitiot → Coates → Morris 完整版），保存在 burgundy-reference-books.md
参考网站: 30+个（winehog.org / cadastre.gouv.fr / burgundy-report.com / domaine-leroy.com 等）
中文酒庄库: eswine-chinese-wine-database.md (逸香名庄, 99酒庄)
评分数据: eswine-ratings-database.md (逸香名庄 RP/WS/JS)

批量入库工作流（已验证 115+篇文章）:

# 1. 批量导出（支持多个URL同时）
wechat-export "url1" "url2" "url3" ... \
  --format markdown --output ./output --no-images --proxy http://127.0.0.1:7890

# 2. 自动分类入库
# 勃艮第/波尔多 → Vinfinity KB (references/wechat-*.md)
# 葡睿酒业文章 → Pran KB (references/wechat-articles/)

# 3. 提取酒庄/地块名 → 注入burgundy_knowledge.py

完整参考书目: references/burgundy-reference-books.md (35+本, 含Lavalle 1855到Morris 2021)
中文酒庄名数据库: references/eswine-chinese-wine-database.md (99+酒庄, 来自逸香名庄)
评分数据库: references/eswine-ratings-database.md (正在后台爬取中, 含RP/WS/JS评分)

🧠 Burgundy Knowledge Module（勃艮第知识模块，2026-07-13新增）

scripts/burgundy_knowledge.py — 从115+篇微信文章中自动提取结构化的勃艮第知识：
- 154个酒庄名（Domaine de la Romanée-Conti, Leroy, Rousseau, Dujac, Fourrier, Cathiard等）
- 156个地块/Climat名（Les Amoureuses, Les Suchots, Aux Malconsorts, Les Caillerets等）
- 31个特级园（Chambertin, Musigny, Montrachet, La Tâche, Richebourg等）

自动集成到 wine_deep_report.py 中：
- 识别到已知酒庄 → 自动标注酒庄背景
- 识别到特级园 → 自动标注 🌟 特级园标记
- 识别到Climat → 自动补充风土描述

微信文章可从专辑页JSON API批量提取（优先于OCR）：

步骤1：获取专辑文章列表（JSON API，无需代理）

curl -s "https://mp.weixin.qq.com/mp/appmsgalbum?action=getalbum&__biz=XXX&album_id=XXX&count=20&begin=0&f=json" \
  -H "User-Agent: Mozilla/5.0 (Linux; Android 13) AppleWebKit/537.36 Chrome/120.0.0.0 Mobile Safari/537.36"

返回JSON含 article_list[]（每个有title/url/create_time）和 base_info（专辑名/文章总数）。
- 已知限制: API只返回最新~20篇，旧文章无法通过分页获取（offset参数无效）
- 翻页循环 begin=0,10,20... 直到重复标题出现即停止

步骤2：批量提取正文（extract_wechat_article.py）

python3 scripts/extract_wechat_article.py "<url>" "<标题>" "<日期>"

该脚本用 Mobile UA 直接访问文章HTML，从 id="js_content" div 提取正文，清洗HTML标签后保存为 Markdown。
- 国内服务器不需要代理
- 保存到 references/wine-library-{标题}.md
- 跳过"汇总"（含有文章列表但无URL）和"转发"类文章

步骤3：并行批量提取（delegate_task）
当有10+篇文章需要提取时，使用 delegate_task 并行化：

每批3篇（max_concurrent_children=3），每篇独立调用 extract_wechat_article.py
→ 约30-40秒完成12篇

• 分批策略：按主题分组（如勃艮第Richebourg系列、Volnay系列等）
• 已完成16篇批量提取（~70K字符），含勃艮第12篇+波尔多4篇
• 索引更新：在 wine-library-articles.md 文件头添加新文章引用

传统方法（备用）：
完整技术手册见 references/wechat-article-extraction.md。

关键参数：

User-Agent: Mozilla/5.0 (Linux; Android 13) AppleWebKit/537.36 Chrome/120.0.0.0 Mobile Safari/537.36
Referer: https://mp.weixin.qq.com/

• Mobile UA绕过显示层验证，文章内容在HTML的 js_content div中（CSS隐藏）
• 正则提取: id="js_content"[^>]*>(.*?)</div>\s*<script
• 验证状态不影响提取 — verify_status=1 的文章仍有完整源码
• 保存后更新 knowledge-base-index.md 索引

🏘️ Wine Library Articles (9 OCR'd, ~9 pending)

🏪 SkillHub 扩展引擎（2026-07-15共安装8个技能 🔥）

下技能已从SkillHub安装，可在识别管线中自动调用：

📚 团长知识库（2026-07-15更新 — 366本书，24MB文字已提取 ✅）

百度网盘 /团长知识库/专业书籍/ → 本地 ~/.hermes/knowledge/团长知识库/
完整索引：~/.hermes/knowledge/团长知识库/INDEX.md

已消化核心书籍（30个摘要文件，24MB文字，806MB原始资料）：

> 深度报告/识别知识不足时优先查询团长知识库，标注来源 📚 团长知识库

📖 2026-07-16 知识库深度融合（Decanter/WSET/菠萝碎语/期货报告）

调用方式： 写勃艮第深度报告时，优先从菠萝碎语搜索酒庄名/产区名提取故事和背景；引用权威年份评分时查Decanter知识库；品鉴描述参考WSET配对表。

📗 2026-07-11 Session — 3-Book Bilingual Extraction (14,500+ lines)

🏘️ 葡萄酒图书馆 · 批量提取文章（2026-07-13新增16篇，70K字符，非OCR）

2026-07-13 从公众号「葡萄酒图书馆」勃艮第+波尔多专辑批量提取了16篇独立文章，直接抓取HTML而非OCR：

勃艮第专辑（12篇）：
- wine-library-Vosne-Romanee-扩张.md (8.3K, 2025最新)
- wine-library-Gros-家族历史及-Richebourg.md (15.6K)
- wine-library-Domaine-Chantal-Remy.md (13.7K)
- wine-library-Michel-Gros-第四个孩子引发了好奇心.md (4.8K)
- wine-library-Benjamin-Roblot-的爱侣.md (6.4K)
- wine-library-Comte-Georges-de-Vogue-Chambolle-Musigny.md (4.3K)
- wine-library-Comtes-Lafon-注册地址信息补充.md (3.4K)
- wine-library-Richebourg-地图更新-Gros交换后.md (3.4K)
- wine-library-Richebourg.md (4.5K)
- wine-library-DRC-Richebourg-产量.md (1.4K)
- wine-library-Gagnard-家族的特级田.md (2.0K)
- wine-library-Chantal-Remy-文章的疑问.md (2.5K)

波尔多专辑（4篇）：
- wine-library-也聊巴黎审判.md + wine-library-也聊巴黎审判-勘误和反馈.md
- wine-library-Château-Clerc-Milon---双人舞.md
- wine-library-拉菲酒庄的La-Caillava葡萄园.md

提取工具：scripts/extract_wechat_article.py（专辑JSON API → 逐篇js_content提取）
|:-----|:--------------|
| vincent-dancer-oskar-2021.md | 🆕 Vincent Dancer cuvée Oskar 2021 — 4块田(含Chevalier-Montrachet GC)混酿Vin de France, 2021霜冻年份 |
| village_name_evolution.md | 勃艮第9村改名时间线+语源+Morey难产 |
| montrachet_expansion_history.md | 1921诉讼→Dent de Chien 0.367ha升级为Montrachet |
| prieure_roch_clos_des_corvees.md | 菜刀酒庄Prieuré-Roch独占园5.13ha |
| prieure_roch_clos_des_corvees_qanda.md | 2016天灾减产70%→只出一款+无硫Pure版 |
| musigny_blanc_de_vogue.md | De Vogüé Musigny白1994-2014降级Bourgogne Blanc之谜 |
| burgundy_book_recommendations.md | 70+本勃艮第书中精选 |
| climats_vs_lieux_dits.md | 官方定义+Le Cailleret地块实图解说 |
| combe_d_orveau.md | La Combe d'Orveau地块Faiveley/Jacques Prieur拆分 |
| wine_library_articles_index.md | 索引: 8篇已入库+10篇待OCR |

🌍 WSET Diploma 中文笔记（Unit 3 全球产区，24篇，~380KB）

inside-burgundy.md (30KB Coates+Morris双体系) | burgundy-domaine-stories.md (36KB 29酒庄故事) | wset-diploma-burgundy-notes.md (30KB 邢威WSET D3笔记) | burgundy-map-analysis.md (10KB BIVB地图解析)

📚 WSET Diploma 中文笔记（Unit 4/5/6 + Examiners Reports, NEW! 🔥）\n\nUnit 4 — 烈酒（Spirits, 6篇, ~76KB）：\nflavoured-spirits (8.9K) | fruit-spirits (13.7K) | grain-spirits (18K) | market (3.9K) | spirits-production (10K) | sugar-cane-agave-spirits (11.6K)\n\nUnit 5 — 起泡酒（Sparkling, 4篇, ~42KB）：\neurope (10.5K) | france (18K) | new-world (8.9K) | production (4.9K)\n\nUnit 6 — 加强酒（Fortified, 6篇, ~50KB）：\naustralia-rutherglen-muscat (3.2K) | madeira (9.7K) | overview-production-market (2.9K) | port (13.5K) | sherry (13.3K) | vin-doux-naturel (6.9K)\n\nExaminers Reports（考官报告, 12份, ~1.8MB）：\n2003-04 (105K) | 2004-05 (142K) | 2005-06 (166K) | 2006-07 (199K) | 2007-08 (207K) | 2008-09 (171K) | 2009-10 (153K) | 2010-11 (180K) | 2011-12 (128K) | 2012-13 (147K) | 2013-14 (123K) | 2014-15 (87K)

欧洲（10篇，~118KB）： Austria (8.8K) | Bulgaria (2.3K) | Germany (18K) | Greece+Cyprus (7.5K) | Hungary (6.3K) | Italy (38K) | Portugal (10K) | Romania (1.2K) | Spain (22K) | Switzerland (2.8K)

美洲（6篇，~35KB）： Argentina (6.3K) | Canada (3.2K) | Chile (7.8K) | Mexico (0.6K) | Uruguay+Brazil (1.5K) | USA (15K)

亚非大洋洲（6篇，~36KB）： Asia (2.4K) | Australia (17K) | Eastern Mediterranean (1.3K) | New Zealand (6.5K) | North Africa (1.5K) | South Africa (7.8K)

百度网盘路径：

[邢威 WSET Diploma] 中文笔记/[邢威 WSET Diploma] Unit 3 中文笔记/
├── Unit 3 法国/          8篇
├── Unit 3 法国以外的欧洲/ 10篇
├── Unit 3 美洲/          6篇
└── Unit 3 亚非大洋洲/    6篇

文件名含中文/特殊字符——bypy downfile 时保持原路径不变，下载到本地后重命名为英文。

📖 WSET3 课本OCR全本 (44章, 1.2M字, NEW! 🔥)

见 knowledge-base-index.md 完整列表。全部 44 章文件以 wset3-*.md 命名存于 references/ 目录。

🇦🇺 澳洲葡萄酒培训 (23 files, 175KB)

australian-wine-training-complete.md (索引) | 13产区+品种 AWD模块 | 澳洲官方中文课件
2026-07-13: 已整合进 wine_deep_report.py v1.1 — 自动检测澳洲酒 → 添加产区特色/品种知识/评级体系/老藤/螺旋盖信息
结构化知识库: ~/.hermes/knowledge/vinfinity-awd-integration.md

🇦🇺 FusionOCR Australia Dictionary (2026-07-13 新增)

fusion_ocr_australia_dict.py — 407条澳洲葡萄酒术语字典，从35+份AWD培训PPT中提取：
- 92个产区 (65 GI产区+子产区, 英中双语映射)
- 49家酒庄 (Tyrrell's, Penfolds, Best's, Teusner, Henschke, Grosset, Leeuwin等)
- 17种澳洲特色品种 (Shiraz/Mataro/Verdelho/Durif/Assyrtiko/Botrytis Semillon等)
- 136条语音纠错规则 (COONAMARRA→Coonawarra, BAROSA→Barossa, SEMILION→Semillon等)
- 39条澳洲葡萄酒术语 (Langton's分级, James Halliday, 老藤分级, Jimmy Watson奖等)
- 74个标签关键词 (用于OCR标签分区)

自动集成到FusionOCR管线中，在 phonetic_correct / llm_correct / kb_crossref / calibrate 四个环节生效。

🌍 其他

china-wine-tariff-rates.md | producer-database-coverage.md | network-restrictions.md | wine-closures-knowledge.md | german-wine-labels.md | kb-search-api.md — ☁️ 跨Hermes知识库搜索API方案（本会话新增）

📚 团长知识库（2026-07-15 新增 🔥）

200+本葡萄酒专业书籍，存放于百度网盘 /团长知识库/专业书籍/→本地 ~/.hermes/knowledge/团长知识库/。2026-07-15批量消化：37个摘要文件+24MB文字+806MB原始资料。完整索引：INDEX.md。含WSET Diploma教材(Units 3-6中文笔记148PDF)、James Halliday、Jancis Robinson、Clive Coates勃艮第(1884页)、意大利5本书、烈酒清酒13本、餐酒搭配2本。

已下载重点书籍

团长知识库核心资源

• WSET Diploma教材：D1酿造/D2商业/D4起泡/D5加强
• James Halliday系列：澳洲葡萄酒指南、百大酒庄
• Jancis Robinson：Oxford Companion to Wine、Wine Grapes
• Clive Coates：The Wines of Burgundy（权威勃艮第）
• Benjamin Lewin MW：多产区指南系列
• Champagne专业书：8,000款香槟品鉴记录（A Scent of Champagne）
• 餐酒搭配：Daring Pairings + Food and Wine Pairing
• 烈酒/清酒：Gin/Rum/Whisky/Sake 专业指南

> 深度报告中引用团长知识库时标注来源：📚 团长知识库

📖 WSET3 课本OCR流水线 🔥

目标： 200页 JPG 扫描 → tesseract OCR → 44章结构化知识库

流程

1. 下载 — bypy download '<path>/' ./ 批量取回全部JPG
2. OCR — tesseract <img> <basename> -l eng --psm 3（单文件约2-5秒）
3. 组装 — 按文件名前缀分组（WSET_15_Burgundy* → Burgundy章），合并为单文件
4. 存储 — references/wset3-<chapter>.md（含页数标注+OCR说明）
5. 索引 — 更新 knowledge-base-index.md

结果统计

💡 技巧

• 先下载再OCR — bypy下载较慢，分批取回后本地批量OCR
• 批量命令 — for f in *.jpg; do name="${f%.jpg}"; tesseract "$f" "$name" -l eng --psm 3; done
• 进度监控 — 每20张输出一次进度，避免超时不确定
• pymupdf vs tesseract — 对text-based PDF用pymupdf提取（快），对JPG扫描用tesseract OCR（准）

📂 PPT/PPTX/DOCX培训资料处理

• DOCX — python-docx 提取文字
• PPTX（新格式） — python-pptx 解析
• PPT（旧格式） — 需 LibreOffice 转为 PPTX 后再处理
• 安装 — 用proxy从pypi.org直接安装: pip install --proxy http://127.0.0.1:7890 --index-url https://pypi.org/simple/ --trusted-host pypi.org --break-system-packages python-docx

📰 Decanter 杂志库处理

• 存储于百度网盘 /葡萄酒杂志 Decanter UK 10-26/（13年/156期）
• 单期50-200MB，image-based PDF
• 处理：下载→pymupdf检查可提取文字→提取文字/OCR
• 示例: Decanter Jan 2024 (108页, 333K字提取)
• 已处理2025-2021共55期, 提取文字23M+字符

Excel报价表分析（葡睿酒业）

• 190MB+ Excel → 用 openpyxl read_only=True + data_only=True 逐行读取
• 结构: 国家分类作为折叠头 → 酒庄简介(含图片公式) → 具体产品行(含价格)
• 图片公式 =DISPIMG(...) 无法解析，但酒庄描述文本仍有价值
• 葡睿报价表: 南非4家+澳洲26家酒庄, 完整价格体系从¥20-¥1,688

> ⚠️ 重要: 多个关键脚本（包括 wine_deep_report.py, wine_search_v2.py, wine_validator.py, wine_db.py 等）位于全局 ~/.hermes/scripts/ 而非本技能目录。详见 references/global-scripts-location.md。调用时使用完整路径 python3 ~/.hermes/scripts/<script>.py 或 import 前先 sys.path.insert(0, os.path.expanduser('~/.hermes/scripts'))。

All Scripts

扩展引擎（SkillHub新增，2026-07-15）

• 🔤 ocr-pro-v2 — OCR加强版（RapidOCR+EasyOCR+TrOCR），FusionOCR不够准时的备用
• 🍷 wine-info-search — 葡萄酒信息查询/评分/价格搜索
• 🔍 anysearch — 实时搜索增强
• 🧠 llm-wiki — 结构化知识库管理
  | wine_ocr_pro.py | 专业级OCR备选 |

Baidu Netdisk Delivery 🔗

当微信发送 PDF 失败时，通过百度网盘（bypy）交付。

# 上传单个PDF
python3 ~/.hermes/scripts/baidu_upload.py /path/to/report.pdf
# 上传全部
python3 ~/.hermes/scripts/baidu_upload.py

用户路径: 百度网盘 → 我的应用数据 → bypy → Vinfinity_Reports/

设置（一次性，已完成）：

pip install --proxy http://127.0.0.1:7890 --index-url https://pypi.org/simple/ --trusted-host pypi.org --break-system-packages bypy
bypy info  # 获取授权URL → 用户浏览器打开 → 粘贴授权码

分享链接处理流程（百度网盘分享链接→知识库）：
1. 用户提供百度网盘分享链接（含密码）
2. 告知用户先「保存到网盘」到 /apps/bypy/ 路径下
3. 保存成功后，用 bypy list 找到对应文件夹
4. 用 bypy.download() 下载到本地
5. 用 pymupdf 提取文字（text-based PDF）或 OCR（扫描PDF）
6. 结构化保存到 references/ 目录下
7. 更新 knowledge-base-index.md
8. 同步上传到百度网盘 /Vinfinity_Reports/ 备份

⚠️ 注意： bypy 下载报 "hash DOESN'T match" 错误不影响文件可用性——文件仍完整可用，继续提取即可。
⚠️ 分享链接： bypy 不支持直接下载分享链接。需用户先「保存到网盘」，保存到 /apps/bypy/ 后 bypy list 可见。授权码通过用户浏览器打开OAuth URL获取后粘贴。

🟢 PDF文件名规则（2026-07-12定稿）

格式: {酒庄缩写}{年份}_{酒名缩写}_cn.pdf (如 d2022_cc_cn.pdf)
- 酒庄缩写: 取每个实词首字母，跳过 et/de/du/des/la/le/les/aux/domaine/chateau/maison，最多4字母
- 酒名缩写: 同上规则取前3字母，用于区分同酒庄同年份的不同酒款，防止文件覆盖
- 深度档案: d{酒庄缩写}{年份}_{酒名缩写}_deep_cn.pdf
- 示例: d'Ardhuy Corton-Charlemagne 2022 → d2022_cc_cn.pdf / dd2022_cc_deep_cn.pdf
- 示例: d'Ardhuy Ladoix Le Rognet 2022 → d2022_lr_cn.pdf / dd2022_lr_deep_cn.pdf

空格→下划线, 删除重音符号, 仅保留字母数字下划线。防止 WeChat 发送失败。

Pitfalls

• 🔴🔴 2026-07-15 致命bug: 深度报告用 echo '---END---' 代替pipe档案 → 导致 gen_default_archive() 自动生成内容，可能混入错误信息（案例：智利酒出现阿德莱德）。必须用 cat 故事文件.txt | python3 wine_deep_report.py ...，不能用 echo '---END---' | python3 ...！

• 🔴🔴 2026-07-15 双PDF必须带 --image → Tony哥哥两次批评"没有贴上原图"。wine_report_pdf.py 和 wine_deep_report.py 都支持 --image <原图路径> 参数，必须使用。

• wine_deep_report.py 缺少 import re: 如果代码重构移除了 import re，gen_deep_report() 中的 re.sub() 会报 NameError。修复：文件顶部添加 import re。

• 酒款搭配品种匹配（Yquem等贵腐甜酒）: 当品种含 semillon 和 sauvignon 时，必须优先匹配 semillon（→甜酒/贵腐搭配：鹅肝/蓝纹奶酪/杨枝甘露），而非 sauvignon（→海鲜搭配）。pairing_master.py 的 GRAPE_MAP 中 semillon 必须在 sauvignon 之前。
• 餐酒搭配 fallback 嵌套陷阱（2026-07-14 修复）: gen_default_archive() 中的餐酒搭配 fallback 代码之前嵌套在 if guide:（即仅当 perfect_pairing 模块返回内容时才执行）。当品种不在书中（如 Grüner Veltliner, Tempranillo）时，get_pairing_guide() 返回 None → if guide: 不通过 → fallback 永远不执行 → 餐酒搭配板块完全缺失。
  修复: 将 fallback 从 if guide: 内部移出，改为独立代码块。pairing_tips 变量在 if guide 内填充（来自书中），if not pairing_tips 在外层处理 fallback（品种通用建议）。任何时候修改餐酒搭配逻辑，必须检查 fallback 是否在 if guide: 内部——它必须独立在外。
• gen_default_archive() 只覆盖3个产区（2026-07-14 修复）: 此函数原先只对勃艮第/波尔多/澳洲3个产区有详细内容，其他产区（奥地利/德国/意大利/西班牙/美国等）的每个板块只生成1行占位文本。修复方向：新增 is_austria/is_germany/is_italy/is_spain/is_usa 检测，为每个产区提供专属数段文字。每次添加新产区时，必须同步扩展以下板块：酒庄背景/酒庄故事/葡萄园背景/酿造风格/酿造哲学/风格与亮点/年份特色/品鉴笔记——缺一不可。

OCR & PDF Pitfalls

FusionOCR v2.0 升级点：
- 速度优化：EasyOCR仅跑1x原图（跳过0.5x和1.5x），无必要跳过zoom扫描，123s→26s（4.7x）
- 花体字纠错库：30+常见OCR误读替换（'HA@BCRTIn'→Chambertin, 'QHAMBEDIN'→Chambertin, 'MUCNIEK'→Mugnier等）
- 知识库交叉引用：OCR碎片→自动查DB建议可能酒庄（如读Chambertin+2017→建议Armand Rousseau）
- Monopole关键词检测：读到MONOPOLE→标注独占园
- 顶部缩放策略：Smart zoom on top 25%（仅在1x结果不足时触发，节省30s）
- 字典匹配修复：只返回匹配单词而非整条DB记录（防止年份注入）
- fancy font修正：GHAT→CHAT, CHATGAU→CHATEAU, ROTSCHILD→ROTHSCHILD等
- PDF文件名：标准报告r{timestamp}cn.pdf → 改为{酒庄缩写}{年份}{酒名缩写}_cn.pdf（如ar2017_cgc_cn.pdf）

批量AWD培训资料处理（2026-07-13验证，35+份）\n\n当用户连续发送多份PPTX/PDF资料时：\n1. 自动分类：AWD=葡萄酒培训 → Vinfinity KB；SA/VIC/NSW=产区指南 → Vinfinity KB；Z-Library=期货书籍 → 期货KB\n2. 子Agent并行：delegate_task 每个子Agent处理4-8个文件，约30页/文件\n3. 文件格式：PPTX用 python-pptx；PDF先用 pymupdf 检查文本层\n4. 扫描版OCR: 无文本层→Tesseract（不用EasyOCR，太慢）；用 multiprocessing.Pool(4) 并行，150 DPI\n5. 关键修复: 不要用 subprocess.run 的 input= 传字节给 tesseract stdin（会报 AttributeError）；用 tmpfile 保存图片再 OCR\n6. 索引更新: 写入 knowledge-base-index.md + 葡睿training-materials.md\n\n### 🍇 品种匹配优先顺序（2026-07-14 更新）

gen_default_archive() 和品鉴笔记中的品种关键词匹配顺序必须如下（由具体到通用），否则会导致误判。此bug在7月13日被用户发现并修复： Cabernet Sauvignon 同时包含 cabernet 和 sauvignon，如果 sauvignon 规则在 cabernet 之前，会导致波尔多红酒被误判为白葡萄酒。

gen_default_archive() 和品鉴笔记中的品种关键词匹配顺序必须如下（由具体到通用），否则会导致误判：

1. pinot → 黑皮诺（最先检测，防止Pinot被其他规则匹配）
2. cabernet 或 merlot → 赤霞珠/梅洛（必须在sauvignon之前，防止Cabernet Sauvignon被误判为Sauvignon Blanc）
3. shiraz 或 syrah → 西拉/设拉子
4. chardonnay → 霞多丽
5. sauvignon → 长相思（必须在cabernet之后）
6. semillon → 赛美蓉
7. gewur 或 traminer → 琼瑶浆
8. riesling → 雷司令

已知bug： Cabernet Sauvignon 同时包含 cabernet 和 sauvignon。如果 sauvignon 规则在 cabernet 之前，会导致波尔多红酒被误判为白葡萄酒。此bug已修复。

🍽️ 餐酒搭配集成 (pairing_master.py + perfect_pairing.py)

深度报告自动追加【餐酒搭配】板块，两个代码路径均生效：
1. gen_default_archive() 自动生成时含搭配建议
2. 用户提供存档内容时，主代码在渲染完存档后自动追加

配对流程：
- pairing_master.py 为主模块，含西餐+中餐双系统
- perfect_pairing.py 为备选，从《完美搭配》书中提取
- 先查 GRAPE_MAP → 找不到则备选

GRAPE_MAP 顺序（重要！多次修复）：
- pinot → 先检测，防误配
- cabernet → 必须在 sauvignon 之前（防Cabernet Sauvignon→长相思）
- semillon → 必须在 sauvignon 之前（防Yquem贵腐→长相思干白，导致海鲜搭配推荐）
- shiraz/syrah → 再检测
- 其余品种按从具体到通用排列

中餐搭配格式：
- 每个品种配2-3道中国地方菜
- 标注菜系来源：[粤]、[川]、[京]、[浙]、[湘]、[潮]、[西北]、[东北]等
- 包含详细WHY解释（\"为什么赤霞珠配红烧牛腩\"等原理说明）

西餐搭配格式：
- 含食材描述 + 原理说明（如\"西拉的胡椒味与烧烤焦香形成共振\"）
- 推荐3道经典菜品
- 标明书籍来源：侍酒师大师 Evan Goldstein《完美搭配》
- 双重匹配：先查 pairing_master.py 的 GRAPE_MAP → 找不到则查 perfect_pairing.py
- GRAPE_MAP 顺序（重要！）: semillon 必须在 sauvignon 之前。否则贵腐甜白(Yquem等Sémillon+Sauvignon Blanc混酿)会被误判为长相思干白，导致海鲜搭配推荐。正确→ semillon 匹配甜酒/贵腐搭配（鹅肝、蓝纹奶酪、杨枝甘露🍨）。
- 中餐搭配: 每个品种配2-3道中国地方菜（粤/川/京/浙/湘/潮/西北等）+ 详细WHY解释
- 西餐搭配: 含食材描述 + 为什么这样搭配的原理说明（如"赤霞珠的单宁与红肉脂肪结合使口感更顺滑"）
- 输出格式: 含 🥩 西餐搭配 + 🥢 中餐搭配 两个子板块，自动插入深度报告

弱项: 花体字/手写 + 其他已知问题\n- 🇦🇺 澳洲酒检测误判: is_australian_wine() 函数在wine_deep_report.py中必须有排除已知非澳洲产区的逻辑（见non_aus数组）。否则Robertson SA会被误判为澳洲酒并在报告中插入澳洲板块。\n- gen_default_archive() 防空页: 当archive_text为空或<50字符时自动填充8个板块。品鉴笔记按品种自动匹配（琼瑶浆/长相思/霞多丽/西拉/赤霞珠/黑比诺各有专属模板）。\n- 字典匹配防年份污染: dict_fuzzy_match 必须去掉DB字段中的年份(4位数字)再匹配，只返回匹配单词不返回整段字段，过滤常见词避免噪声\n- 慢速瓶颈: EasyOCR首次需~2GB模型加载；普通标~26s, 难标~40s

• 🐛 gen_default_archive仅覆盖有限产区: 目前只实现了Austria/Germany/Italy/Spain/USA/Chile/Burgundy/Bordeaux/Australia 9个产区的专属内容。其中意大利产区已于2026-07-15大幅扩展：23个产区关键词 + 16个意大利品种(内比奥罗/桑娇维塞/巴贝拉/黑达沃拉/普里米蒂沃/阿里亚尼考/科维纳/卡尔卡耐卡/灰皮诺/多姿桃/阿内斯/维蒙蒂诺/菲亚诺/格莱科/卡诺娜/维纳恰) + 子产区风土细节(托斯卡纳Galestro土壤/皮埃蒙特Tortonian泥灰岩/西西里埃特纳火山岩/威尼托风干法)。详见 references/italy-wine-support.md。
• 🐛 餐酒搭配 fallback 独立性问题: gen_default_archive() 中的餐酒搭配 fallback 必须独立于 if guide: 代码块外，否则品种不在perfect_pairing书中时板块完全缺失。
• 🐛 已知bug: 深度档案文件名不含酒款缩写，同酒庄同年份不同酒款会互相覆盖。标准报告用 {酒庄缩写}{年份}_{酒名缩写}_cn.pdf 格式（含酒名后缀），但 wine_deep_report.py 的深度报告用 d{酒庄缩写}{年份}_deep_cn.pdf（无酒名后缀）。当同一酒庄同年份有多款不同酒时，后生成的深度档案覆盖前一个。修复方向：深度报告文件名加入酒名缩写 d{酒庄缩写}{年份}_{酒名缩写}_deep_cn.pdf。

OCR v3 (wine_ocr_v3.py) — 备用引擎

• 硬依赖检查: EasyOCR (python3.12), pytesseract(可选). 首次运行会下载~2GB模型
• _run_easyocr_on_image参数顺序: 永远是 _run_easyocr_on_image(reader, img_pil, langs) — reader第一，PIL Image第二。所有策略函数传参时注意 reader 在前
• 并行策略超时: 默认60s/策略。GPU不可用时CPU耗时约20-30s。6策略并行最多等60s，单个策略超时不阻塞其他策略
• EasyOCR Reader缓存: 全局缓存 _EASYOCR_READER_CACHE 按语言组合key，避免每次重复加载模型
• 模糊检测阈值: Laplacian方差<100判定为模糊。如果反复误判，调整 cv2_laplacian 阈值
• 暗标签检测: mean_brightness < 80 触发 invert 策略。如果深色底金/白字没识别到，检查 is_dark_label 和 gold_text_likely 两个标记
• 长截图自动分块: 宽高比 h > w * 4 触发。每块1200px高。如果微信截图较小(3000-5000px)也触发了，说明截图方屏+内容高，不影响结果

Search v2 (wine_search_v2.py)

• 语音匹配阈值: 酒庄名匹配 sweet spot 0.35-0.4；低于0.35的多为噪声误报
• fuzzy_match 评分规则: 子串匹配(1.0) > 单词级语音(0.9x) > 整体语音(0.8x) > 编辑距离(0.7x) > Jaccard重叠。最终加权取 top-2 平均，长度差异大时降权30%。二次排序按 (-score, len(candidate), edit_distance) 破平
• Metaphone编码注意: 法语字母 (é/è/ê/ë/ç/œ/æ) 映射到基础字母后编码。ch->S, gn->NY, ill->Y, 尾音h省略
• OCR乱码测试命令: python3.12 wine_search_v2.py phonetic "Ramanay" "Ramonet" 快速验证匹配度
• KB搜索限制: 按行搜索，多词查询跨行时不匹配。改进方向：改为段落级上下文搜索
• DB集成要点: db_search_by_phonetic 对全库所有条目做语音匹配，成本O(n)。65条时~50ms，可接受。当DB增长到200+条时建议加索引

DB (wine_db.py)

• FTS5虚拟表: CREATE VIRTUAL TABLE wines_fts USING fts5(...)。添加方式：先 DROP 再 CREATE。不要用 CREATE TABLE
• phonetic_code 列升级: 现有DB升级时用 ALTER TABLE wines ADD COLUMN phonetic_code TEXT，不是 CREATE TABLE
• 重建FTS5索引: python3.12 wine_db.py rebuild_fts。每次批量导入/更新后都要重建
• 预计算语音编码: from wine_search_v2 import phonetic_encode -> 合成 winery+name 后编码 -> UPDATE wines SET phonetic_code=? WHERE id=?

Legacy OCR (v1/v2)

• 花体字->EasyOCR (python3.12) — tesseract不行就上
• 深色底->倒置OCR — tesseract返回空时尝试 255-arr 倒置+多阈值+4x放大
• 高置信度优先 — >0.9 必须优先于 <0.5（Pipinot 1.00 > Bicinins 0.28）
• 字母误读修正 — Common: C->G, M->H, z->l, s->o, HAMBOLLE->CHAMBOLLE, AINT->SAINT
• 碎片组合解读 — 相邻高置信度碎片尝试组合（D+RDHUY->D'Ardhuy）
• Shiraz vs Syrah 产地线索 — Shiraz暗示澳洲，Syrah更多加州/法国
• Cote-Rotie 模式 — Shiraz+Viognier=罗讷经典混酿工艺
• 微信长截图->分块 — 1200px/块

PDF

• 文件名无空格/重音 → 微信发送失败。脚本自动创建短ASCII副本(r{timestamp}.pdf/d{timestamp}.pdf)
• 左对齐防字距异常 — multi_cell 必须 align='L'
• 每次只发1个PDF — 两份PDF分两条消息发, 等用户确认第一条后再发第二条
• MEDIA发送失败 → cp到新路径再发 — 微信可能有文件句柄缓存, 新建文件路径解决
• 用户纠正后必须再生双PDF — 酒庄名/年份/价格等修改后立即(a)更新DB (b)重新生成两份PDF (c)重新发送+备份

WeChat Article Extraction

• Mobile UA是关键 — Desktop UA返回验证页面；Mobile UA绕过显示层但内容仍在HTML中
• js_content div提取 — 正则 id="js_content"[^>]*>(.*?)</div>\s*<script 比 var msg_title 可靠
• 验证状态不影响提取 — verify_status=1 的文章仍有完整HTML源码在 js_content 中
• 保存后更新索引 — 添加新文件到 knowledge-base-index.md
• 文章链接获取 — 专辑页用 data-link 属性提取文章URL；单文章用 Mobile UA + 代理访问 mp.weixin.qq.com/s/<id>
• 关键请求头: User-Agent: Mozilla/5.0 (Linux; Android 13) AppleWebKit/537.36 Chrome/120.0.0.0 Mobile Safari/537.36 + Referer: https://mp.weixin.qq.com/
• 代理: mihomo 127.0.0.1:7890 (HTTP)
• 百度网盘同步备份 — 与PDF报告一样上传到 /Vinfinity_Reports/

工作流

• 三步不可合并 — 识别→故事→PDF 分三条消息
• 双PDF必需 — 每款新酒生成标准+深度两份
• PDF齐发(短文件名时) — 短纯ASCII文件名下两份MEDIA可一次发送, 均成功送达
• 分开发(长文件名/特殊字符时) — 文件名超40字符或含è/É/括号等特殊字符时分两条消息
• 独占园(Monopole)强调 — 大区级独占园比特级园更稀有
• 大区级≠村庄级陷阱 — 带有地块名的大区级Bourgogne ≠ Hautes-Côtes或村庄级AOC
• 自信判断 — 不要问"对不对"，用户会主动纠正
• 快速识别格式 — 精简表格5行，5秒内回复
• 双语品鉴笔记 — 深度档案必须含2-3位酒评家中英双语

Excel大文件处理

• 190MB+ Excel → 用 openpyxl read_only=True + data_only=True 逐行读取
• 结构: 国家分类作为折叠头 → 酒庄简介(含图片公式) → 具体产品行(含价格)
• 图片公式 =DISPIMG(...) 无法解析，但酒庄描述文本仍有价值
• 用于提取完整价格体系和产品组合分析