# 实现基于关键点匹配的智能体应用

**Repository Path**: lc061003/2222

## Basic Information

- **Project Name**: 实现基于关键点匹配的智能体应用
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-04-25
- **Last Updated**: 2026-04-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# LLM 工具调用 × 传统视觉算法 - Agent Tool Calling

## 项目简介

本项目是一个基于大语言模型（LLM）Function Calling 机制的视觉分析 Agent 系统。通过封装传统计算机视觉算法（ORB/SIFT 特征匹配）为可调用的工具，让 Agent 能够自动选择工具、获取结果、给出判断。项目展示了传统视觉算法并非"过时的"，而是现代 AI 系统中可被调用的能力模块。

## 功能特性

- **真实 Agent 循环**：基于 LLM Function Calling 的自主工具调用循环，而非预设工作流
- **多种视觉工具**：
  - `detect_keypoints` - 检测图像关键点（SIFT/ORB）
  - `match_images` - 特征匹配两张图像
  - `compare_multiple` - 批量图像对比
  - `list_images` - 列出可用图像
- **轨迹记录与回放**：完整记录 Agent 运行过程，支持查看和导出
- **技能导出**：将 Agent 运行轨迹保存为可复用的 Skill
- **多模型支持**：
  - 在线 API：MiniMax、OpenAI、DeepSeek、硅基流动、阿里云百炼、智谱清言、月之暗面
  - 离线模式：Ollama（支持 Qwen2.5、Llama 3.1、Mistral 等）
- **Web 界面**：直观的对话界面，支持图像上传、拖拽、选中

## 项目结构

```
数字图像处理/
├── app.py                  # Flask 后端主程序
├── agent/
│   └── vision_agent.py     # Agent 核心逻辑
├── tools/
│   ├── image_tools.py      # 图像处理工具（SIFT/ORB）
│   ├── llm_client.py       # LLM 客户端（在线/离线）
│   └── trajectory.py       # 轨迹记录与技能导出
├── static/
│   └── index.html          # 前端页面
├── images/                 # 图像库目录
├── trajectories/           # 轨迹存储目录
├── skills/                 # 技能存储目录
├── requirements.txt        # 依赖列表
└── README.md               # 项目说明
```

## 安装与运行

### 环境要求

- Python 3.8+
- Node.js（可选，用于前端开发）

### 安装依赖

```bash
pip install -r requirements.txt
```

### 配置

编辑 `.env` 文件，设置 API 密钥：

```
MINIMAX_API_KEY=your_api_key_here
```

### 运行

```bash
python app.py
```

访问 http://localhost:5000 使用系统。

## 使用说明

1. **上传图像**：点击或拖拽图像到左侧图像库
2. **对话**：在输入框中描述你的需求，如"比较这两张图的相似度"
3. **查看轨迹**：点击"轨迹"按钮查看 Agent 运行过程
4. **导出技能**：在轨迹窗口中点击"导出为 Skill"保存工作流
5. **切换模型**：在"AI 设置"中选择不同的模型服务商

## 技术栈

- **后端**：Flask, OpenAI SDK, Ollama
- **视觉算法**：OpenCV (SIFT, ORB, 特征匹配)
- **前端**：HTML5, CSS3, JavaScript (原生)
- **LLM 集成**：支持多种在线 API 和离线 Ollama

## 学生信息

| 项目 | 内容 |
|------|------|
| 班级 | 二班
| 学号 | 202452320208
| 姓名 | 李昶
| 专业 | 智能科学与技术

## 许可证

本项目仅供学习使用。