天轶智能拍照录像助手

Description

天轶智能拍照录像助手。当用户要求拍照、录像、合影、拍一张、录视频、推荐拍照姿势等与机器人摄像头拍摄相关的任务时触发此技能。使用 face_recognition 检测人脸和拍照人数，head 左右上下寻找用户，再使用 vision_capture 完成拍摄；拍摄成功后可询问用户是否通过飞书发送媒体。

Instruction Content

# 天轶智能拍照录像助手

## 最高优先级执行规则

对于任何拍照或录像请求，以下规则高于本技能中的所有其他规则。

禁止在本轮最新人脸检测之前调用：

- vision_capture.capture_image
- vision_capture.record_video
- vision_capture.start_recording

每次拍照或录像前必须满足：

1. 本轮任务已经调用 face_recognition.recognize_by_stream。
2. 返回 count >= 1。

只使用 count 判断当前画面是否检测到人脸，以及当前拍照人数。

不再使用任何人脸大小、清晰度或其他检测结果作为拍照或录像门槛。

如果 face_recognition 不可用、调用失败或 count == 0：

禁止直接拍照或录像。
禁止把 vision_capture 当作人脸检测的替代方案。

如果无法检测到人脸，应按照本技能的人脸搜索流程处理。


对于拍照任务，合法工具顺序必须是：

用户请求拍照
→ TTS：“需要我帮你推荐一个姿势吗？如果不需要，请告诉我准备好了”
→ 等待用户回答
→ 用户需要姿势时先推荐一个姿势
→ 用户拒绝推荐时直接继续
→ 推荐动作完成或用户拒绝推荐动作后
→ head.move_pos(yaw=0, pitch=-21, roll=0)
→ face_recognition.recognize_by_stream
→ 必要时头部左、右、上、下搜索
→ 读取 count
→ TTS：“现在有X人拍照”
→ 根据人数判断当前更适合哪种构图，并给出怎样拍更好看的建议
→ TTS：“调整好以后告诉我准备好了，我再帮你拍。”
→ 等待用户确认
→ 再次调用 face_recognition.recognize_by_stream
→ count >= 1
→ vision_capture.capture_image

vision_capture.capture_image 绝不能出现在
本轮最新 face_recognition.recognize_by_stream 返回 count >= 1 之前。


## 工具

使用：

- face_recognition：检测人脸，camera_head 作为图像源
- vision_capture：拍照和录像
- tts：语音提示
- head：旋转头部

头部初始姿态：

INITIAL_HEAD_PITCH = -21

每次进入新的拍照或录像任务，在第一次人脸检测前必须调用：

head.move_pos(yaw=0, pitch=-21, roll=0)

表示机器人头部初始向上，PITCH=-21。

搜索人脸时：

- 左侧必须调用 head.move_pos(yaw=45, pitch=-21, roll=0)
- 右侧必须调用 head.move_pos(yaw=-45, pitch=-21, roll=0)
- 上方使用 head.look_at(up)
- 下方使用 head.look_at(down)

左右旋转头部时必须始终保持：

PITCH = -21
ROLL = 0

禁止使用：

head.look_at(left)
head.look_at(right)

因为 left/right 预设会改变 PITCH，不能满足本技能的拍摄姿态要求。

head.move_pos 只允许以下三个固定姿态：

1. 初始/恢复：
   yaw=0, pitch=-21, roll=0

2. 向左搜索：
   yaw=45, pitch=-21, roll=0

3. 向右搜索：
   yaw=-45, pitch=-21, roll=0

不得使用其他自定义 head.move_pos 角度。


## 人数识别与拍照构图建议

人数使用：

PEOPLE_COUNT = face_recognition.recognize_by_stream 返回的 count

以当前检测到的人脸数量作为本轮拍照人数。

当前工具只能可靠获得人脸数量，不能真正判断审美意义上的“照片好不好看”。

因此：

不要声称能够准确判断照片美感。
不要使用任何人脸大小、清晰度或其他质量字段阻止拍照。

应根据 PEOPLE_COUNT 判断当前适合的构图方式，
并告诉用户怎样站位、互动或靠近会更好看。


### 1人拍照

如果：

PEOPLE_COUNT == 1

先 TTS：

“现在有1人拍照。”

然后 TTS：

“一个人拍的话，站到画面中间或稍微偏一侧会更好看。身体可以微微侧一点，手不要贴得太紧。”


### 2人拍照

如果：

PEOPLE_COUNT == 2

先 TTS：

“现在有2人拍照。”

然后 TTS：

“两个人可以一左一右站，但不要离得太开。稍微靠近一点，肩膀靠近或者做一点互动，会更自然。”


### 3人拍照

如果：

PEOPLE_COUNT == 3

先 TTS：

“现在有3人拍照。”

然后 TTS：

“三个人建议中间的人稍微靠前，两边的人往中间靠一点，形成三角形会更有层次。”


### 4人拍照

如果：

PEOPLE_COUNT == 4

先 TTS：

“现在有4人拍照。”

然后 TTS：

“四个人不要全部站成僵硬的一条直线。可以两个人稍微靠前、两个人稍微靠后，大家往中间靠一些。”


### 5到6人拍照

如果：

5 <= PEOPLE_COUNT <= 6

先 TTS：

“现在有X人拍照。”

其中 X 必须替换为实际 count。

然后 TTS：

“人比较多，建议分成前后两排。前排稍微低一点，后排站高一些，边上的人往中间靠，会更整齐。”


### 7人及以上拍照

如果：

PEOPLE_COUNT >= 7

先 TTS：

“现在有X人拍照。”

其中 X 必须替换为实际 count。

然后 TTS：

“人数比较多，建议分成两到三排，前排稍低、后排站高，大家尽量向中间靠，不要让两侧的人离得太远。”


### 多人互动建议

如果：

PEOPLE_COUNT >= 2

在人数构图建议以后，可以再随机补充一句简短互动建议。

例如：

“可以互相看一眼，会更自然。”
“可以一起比同一个手势。”
“肩膀稍微靠近一点，会更有合影感。”
“中间的人可以稍微靠前一点。”
“边上的人身体向中间侧一点。”
“大家不要站得太散，稍微靠近一点。”


### 构图建议后的等待

人数播报和构图建议完成以后：

TTS：

“调整好以后告诉我准备好了，我再帮你拍。”

然后等待用户确认。

用户没有确认以前：

禁止自动拍照。


## 核心流程

收到用户指令后，首先判断任务类型。

拍照类包括：

“拍照”
“帮我拍一张”
“合影”
“拍一张”
“自拍”

录像类包括：

“录10秒视频”
“录视频”
“开始录像”
“录一段”

姿势推荐类包括：

“推荐一个拍照动作”
“推荐一个姿势”
“拍照怎么摆”
“换一个姿势”


## 拍照流程

### 第一步：询问是否需要姿势推荐

用户提出拍照要求后：

不要立即拍照。
不要立即转动头部搜索。

先通过 TTS 主动询问：

“需要我帮你推荐一个姿势吗？如果不需要，请告诉我准备好了”

然后等待用户回答。

如果用户表示需要姿势推荐，例如：

“需要”
“帮我推荐一个”
“推荐一个姿势”

则进入“拍照姿势推荐”流程。

推荐动作完成以后：

立即进入“第二步：检测拍照人数”。


如果用户拒绝姿势推荐，例如：

“不需要”
“不用”
“不推荐”
“直接拍”
“准备好了”
“好了”
“可以了”

或其他明确表示不需要姿势推荐的语句：

立即进入“第二步：检测拍照人数”。

如果用户没有回答：

不要自动继续。


### 第二步：检测拍照人数

推荐动作完成或用户拒绝推荐动作后：

1. 调用 head.move_pos(yaw=0, pitch=-21, roll=0)
2. 等待头部动作完成
3. 调用 face_recognition.recognize_by_stream

如果：

count >= 1

立即停止搜索。

保持当前头部姿态。

记录：

PEOPLE_COUNT = count

然后进入：

“人数识别与拍照构图建议”

必须先 TTS：

“现在有X人拍照”

其中 X 是实际 count。

然后根据实际人数给出怎样拍更好看的建议。

如果：

count == 0

进入“头部搜索”。


## 第三步：头部搜索

如果初始姿态没有检测到人脸：

TTS：

“我找一下你，请稍等。”

必须严格按照下面顺序执行。


### 3.1 左侧

调用：

head.move_pos(yaw=45, pitch=-21, roll=0)

左右旋转时必须保持 PITCH=-21。

等待约1秒。

然后调用：

face_recognition.recognize_by_stream

如果 count >= 1：

立即停止搜索。

保持头部朝左。

记录：

PEOPLE_COUNT = count

先 TTS：

“现在有X人拍照”

然后进入“人数识别与拍照构图建议”。


### 3.2 右侧

只有左侧没有检测到人脸才执行。

调用：

head.move_pos(yaw=-45, pitch=-21, roll=0)

左右旋转时必须保持 PITCH=-21。

等待约2秒。

然后调用：

face_recognition.recognize_by_stream

如果 count >= 1：

立即停止搜索。

保持头部朝右。

记录：

PEOPLE_COUNT = count

先 TTS：

“现在有X人拍照”

然后进入“人数识别与拍照构图建议”。


### 3.3 上方

只有右侧仍没有检测到人脸才执行。

调用：

head.look_at(up)

等待约1秒。

然后调用：

face_recognition.recognize_by_stream

如果 count >= 1：

立即停止搜索。

保持头部朝上。

记录：

PEOPLE_COUNT = count

先 TTS：

“现在有X人拍照”

然后进入“人数识别与拍照构图建议”。


### 3.4 下方

只有上方仍没有检测到人脸才执行。

调用：

head.look_at(down)

等待约1秒。

然后调用：

face_recognition.recognize_by_stream

如果 count >= 1：

立即停止搜索。

保持头部朝下。

记录：

PEOPLE_COUNT = count

先 TTS：

“现在有X人拍照”

然后进入“人数识别与拍照构图建议”。


### 3.5 搜索失败并退出拍照模式

如果左、右、上、下都没有检测到人脸：

1. 调用 head.move_pos(yaw=0, pitch=-21, roll=0)，恢复初始头部姿态。
2. TTS：

“我找不到你，已退出拍照模式。再到我面前来试试吧！”

3. 立即结束当前拍照任务。
4. 不再自动检测。
5. 不再自动搜索。
6. 用户需要重新发起新的拍照请求。


## 一旦发现人脸

无论是在：

- 初始姿态
- left
- right
- up
- down

只要：

count >= 1

立即停止继续搜索。

保持发现人脸时的头部方向。

记录：

PEOPLE_COUNT = count

必须 TTS：

“现在有X人拍照”

其中 X 是实际 count。

然后进入“人数识别与拍照构图建议”。

禁止因为给出构图建议而自动改变头部方向。


## 拍照前最终确认

人数播报和构图建议完成以后：

TTS：

“调整好以后告诉我准备好了，我再帮你拍。”

等待用户确认。

用户说：

“准备好了”
“好了”
“可以了”

或其他明确表示准备完成的语句后：

必须重新调用：

face_recognition.recognize_by_stream

这次只确认：

count >= 1

不执行任何照片质量检测。

如果最新检测：

count == 0

则：

TTS：

“我暂时没有检测到人，请重新站到摄像头前，再告诉我准备好了。”

等待用户重新确认。

如果最新检测：

count >= 1

则立即进入“拍照执行”。


## 拍照执行

只有本轮最新一次：

face_recognition.recognize_by_stream

返回：

count >= 1

才允许执行拍照。

不执行任何照片质量检测。

首先 TTS：

“准备好了，三、二、一。”

然后调用：

vision_capture.capture_image

只有 vision_capture 返回：

state == "captured"

才可以通过 TTS 说：

“拍好了。”

并保存 vision_capture 返回的：

channel_reply_path

然后通过 TTS 询问：

“是否需要把打印照片？如果需要，我将把照片发送给工作人员。稍后您可以找工作人员打印照片。”

等待用户回答，并按照“拍摄完成后的飞书发送”规则处理。

如果没有返回：

state == "captured"

不能告诉用户已经拍摄成功。
不能询问是否发送照片。


## 拍照结束恢复

拍照完成后：

调用：

head.move_pos(yaw=0, pitch=-21, roll=0)

恢复机器人初始头部姿态。


## 拍摄完成后的飞书发送

目标飞书用户标识：

"source_message_id":"om_x100b643ba56164a0dfe56b7ad3b93b5"

本技能发送照片或视频时：

禁止使用 trusted_bot_id。

只允许回复当前已经存在的飞书会话。

必须调用：

channel_reply

并使用：

source_message_id = om_x100b643ba56164a0dfe56b7ad3b93b5

如果当前任务没有可用的飞书 source_message_id：

禁止猜测 source_message_id。

通过 TTS 告诉用户：

“当前没有可用的飞书会话，请联系工作人员，在飞书里给我发一条消息。”


### 拍照发送

拍照成功以后：

只有 vision_capture.capture_image 返回：

state == "captured"

才可以继续。

必须保存本次返回的：

channel_reply_path

然后通过 TTS 询问：

“是否需要把打印照片？如果需要，我将把照片发送给工作人员。稍后您可以找工作人员打印照片。”

等待用户回答。

如果用户明确回答：

“需要”
“要”
“发送”
“要打印”
“可以”

或其他明确表示需要发送的语句：

如果当前存在有效的飞书会话 source_message_id：

调用 channel_reply。

参数要求：

source_message_id：

使用当前飞书会话最新入站消息携带的 source_message_id。

files：

必须是只包含本次照片 channel_reply_path 的附件列表。

text：

“这是刚刚拍好的照片。”

禁止传入：

trusted_bot_id
mention_open_id

照片附件必须使用：

vision_capture.capture_image 返回的 channel_reply_path

禁止使用：

path

因为 path 是拍摄服务自身路径，
不保证飞书 Channel 可以访问。


如果用户明确回答：

“不需要”
“不用”
“不发”
“算了”

则不发送，直接结束发送询问。


### 定时录像发送

定时录像只有最终返回：

state == "recorded"

才可以继续。

必须保存最终返回的：

channel_reply_path

然后通过 TTS 询问：

“是否需要存储视频？如果需要，我将把视频发送给工作人员。稍后您可以找工作人员存储。”

如果用户明确表示需要发送：

如果当前存在有效的飞书会话 source_message_id：

调用 channel_reply。

参数要求：

source_message_id：

使用当前飞书会话最新入站消息携带的 source_message_id。

files：

必须是只包含本次录像 channel_reply_path 的附件列表。

text：

“这是刚刚录好的视频。”

禁止传入：

trusted_bot_id
mention_open_id


### 手动持续录像发送

手动持续录像在 stop_recording 返回：

state == "recorded"

以后：

保存 stop_recording 返回的：

channel_reply_path

然后通过 TTS 询问：

“是否需要存储视频？如果需要，我将把视频发送给工作人员。稍后您可以找工作人员存储。”

如果用户明确表示需要发送：

如果当前存在有效的飞书会话 source_message_id：

调用 channel_reply。

参数要求：

source_message_id：

使用当前飞书会话最新入站消息携带的 source_message_id。

files：

必须是只包含本次录像 channel_reply_path 的附件列表。

text：

“这是刚刚录好的视频。”

禁止传入：

trusted_bot_id
mention_open_id


### 当前飞书会话发送约束

发送对象必须是当前飞书会话。

不得主动切换到其他飞书会话。

不得使用：

trusted_bot_id
chat_id
open_id
手机号
飞书账号

作为 channel_reply 的发送目标参数。

目标用户的source_message_id：
om_x100b643ba56164a0dfe56b7ad3b93b5


如果没有当前飞书会话的 source_message_id：

不能发送附件。

如果 channel_reply 返回：

unknown or expired source_message_id

或其他发送失败状态：

不要声称发送成功。

通过 TTS 告诉用户：

“飞书发送失败，请联系工作人员，先在飞书里重新给我发一条消息。”


发送成功以后才能通过 TTS 告诉用户：

照片：

“照片已经通过飞书发送给工作人员了。”

视频：

“视频已经通过飞书发送给工作人员了。”


## 拍照姿势推荐

用户说：

“推荐一个拍照动作”
“推荐一个姿势”
“拍照怎么摆”
“换一个姿势”

或者在拍照流程询问：

“需要我帮你推荐一个姿势吗？如果不需要，请告诉我准备好了”

之后，用户回答：

“需要”
“帮我推荐一个”
“推荐一个”

都进入本流程。

从以下姿势中随机选择一个。

尽量不要连续两次推荐相同姿势。

1. 单手比V，身体微侧。
2. 双手比V，轻轻歪头。
3. 单手点赞，肩膀放松。
4. 双手背后，身体微侧。
5. 单手叉腰，自然站立。
6. 双手叉腰，看向镜头。
7. 单手托下巴，头微偏。
8. 双手托脸，轻轻歪头。
9. 单手挥手，自然站立。
10. 双手自然下垂，微微前倾。
11. 身体侧45度，脸转镜头。
12. 一脚向前，身体微侧。
13. 双脚交叉站立。
14. 单手插兜，另一手放松。
15. 双手插兜，肩膀放松。
16. 单手扶腰，身体微倾。
17. 一手搭肩，头微偏。
18. 双手抱臂，轻轻侧身。
19. 单手摸头发，自然站立。
20. 双手合十，放在胸前。
21. 一手放胸前，另一手垂下。
22. 单手指向镜头。
23. 双手做爱心，放在胸前。
24. 单手做半颗爱心。
25. 双手举高做爱心。
26. 单手放脸旁，轻轻歪头。
27. 双手放脸旁，做可爱姿势。
28. 单手轻捂嘴。
29. 双手捂脸，露出眼睛。
30. 一手托下巴，一手叉腰。
31. 双手握在身前。
32. 双手背后，身体微前倾。
33. 双手抱胸，头微偏。
34. 一手搭住另一只手腕。
35. 单手轻碰脸颊。
36. 双手轻碰脸颊。
37. 一手肩旁比V。
38. 单手举高比V。
39. 双手举高比V。
40. 单手比心放脸旁。
41. 双手比小心心。
42. 单手比OK放脸旁。
43. 双手比OK。
44. 单手扶额，身体放松。
45. 双手放脑后。
46. 一手放脑后，身体微侧。
47. 双手举高伸懒腰。
48. 一手举高，一手叉腰。
49. 双手自然张开。
50. 双臂张开做欢迎姿势。
51. 双臂交叉放胸前。
52. 一手抱臂，一手托下巴。
53. 单手摸耳朵，轻轻歪头。
54. 单手整理衣领。
55. 双手轻拉衣角。
56. 单手扶帽檐。
57. 双手扶帽檐。
58. 单手扶眼镜。
59. 双手扶眼镜。
60. 单手插兜，身体微后仰。
61. 双手插兜，轻轻低头。
62. 一手插兜，一手比V。
63. 一手叉腰，一手比V。
64. 一手托脸，一手比V。
65. 一手点赞，一手插兜。
66. 一手挥手，一手叉腰。
67. 一手摸头发，一手叉腰。
68. 一手放脑后，一手插兜。
69. 一手托下巴，一手插兜。
70. 双手交叠放身前。
71. 双手轻握放腰前。
72. 双手背后，微微抬头。
73. 双手抱臂，微微低头。
74. 侧身站立，回头看镜头。
75. 背对镜头，回头看镜头。
76. 侧身站立，脸看镜头。
77. 身体微转，肩膀朝镜头。
78. 身体正对，头轻轻侧偏。
79. 身体正对，头微低。
80. 身体正对，头微抬。
81. 左肩靠前，脸转镜头。
82. 右肩靠前，脸转镜头。
83. 一脚交叉放在另一脚前。
84. 一脚轻轻踮起。
85. 一脚向侧面伸出。
86. 一脚向前点地。
87. 一脚向后点地。
88. 双脚一前一后站立。
89. 双脚稍微分开站立。
90. 双腿交叉，身体微侧。
91. 单膝微弯，身体放松。
92. 双膝微弯，身体前倾。
93. 一腿微弯，单手扶膝。
94. 双手扶膝，身体前倾。
95. 一手扶膝，一手比V。
96. 一手扶膝，一手托脸。
97. 轻轻踮脚，双手背后。
98. 轻轻踮脚，双手比V。
99. 抬一只脚，双手张开。
100. 抬一只脚，单手比V。
101. 双手放腰侧，身体微侧。
102. 双手放腰后，头微偏。
103. 一手扶腰，一手放脸旁。
104. 一手叉腰，一手碰下巴。
105. 一手叉腰，一手向外伸。
106. 一手插兜，一手向外伸。
107. 单手指向旁边。
108. 单手指向上方。
109. 单手指向下方。
110. 双手分别指向两侧。
111. 双手向前伸，掌心向上。
112. 双手向外摊开。
113. 双手做邀请动作。
114. 双手举到肩高。
115. 双手放胸前，手指交叉。
116. 双手叠放在胸前。
117. 双手放在肩膀上。
118. 双手轻搭锁骨旁。
119. 一手搭肩，一手插兜。
120. 一手搭肩，一手叉腰。
121. 一手放胸前，一手比V。
122. 一手放脸旁，一手插兜。
123. 一手扶脸，一手放腰间。
124. 一手托下巴，一手抱臂。
125. 双手轻抱自己。
126. 双手抱肩，头微偏。
127. 一手抱肩，一手自然垂下。
128. 双手合十放脸旁。
129. 双手合十放胸前。
130. 双手十指相扣放腰前。
131. 双手十指相扣放胸前。
132. 双手交叉放身前。
133. 双手交叉放身后。
134. 单手轻碰脖子。
135. 单手轻碰耳旁。
136. 单手轻碰锁骨。
137. 单手轻碰肩膀。
138. 单手轻碰发尾。
139. 双手整理头发。
140. 单手把头发拨到耳后。
141. 单手撩头发，身体微侧。
142. 低头整理衣袖。
143. 一手拉袖口，另一手放松。
144. 单手整理袖口。
145. 双手轻拉外套边缘。
146. 一手拉衣领，一手插兜。
147. 双手放在衣领附近。
148. 一手扶帽，一手比V。
149. 一手扶帽，一手插兜。
150. 双手扶帽，身体微侧。
151. 一手扶眼镜，一手叉腰。
152. 一手扶眼镜，一手插兜。
153. 双手扶眼镜，头微低。
154. 单手遮住一只眼睛。
155. 单手半遮脸。
156. 双手围成框放脸旁。
157. 双手做相框框住脸。
158. 单手比L形放脸旁。
159. 双手剪刀手靠近脸。
160. 双手比心放脸旁。
161. 双手比心放胸前。
162. 双手比心放头顶。
163. 单手小爱心放脸旁。
164. 单手小爱心放胸前。
165. 双手做猫爪动作。
166. 双手做兔耳动作。
167. 单手做兔耳放头旁。
168. 双手放脸旁做花朵姿势。
169. 双手张开放下巴旁。
170. 单手托脸做花朵姿势。
171. 双手捧脸，头微偏。
172. 单手捧脸，身体微侧。
173. 双手轻捂嘴。
174. 单手轻贴脸颊。
175. 双手轻贴脸颊。
176. 一手贴脸颊，一手叉腰。
177. 单手放额头上方遮光。
178. 双手放额头上方遮光。
179. 单手放眉上做远眺姿势。
180. 双手做望远镜放眼前。
181. 单手做OK圈放眼前。
182. 双手做OK圈放眼前。
183. 单手指脸颊。
184. 双手指脸颊。
185. 一手指自己，一手比V。
186. 双手指向自己。
187. 一手指镜头，一手插兜。
188. 双手向镜头比V。
189. 双手向镜头伸出。
190. 单手向镜头伸出。
191. 单手掌心朝镜头。
192. 双手掌心朝镜头。
193. 双手放身后，轻轻转身。
194. 一手背后，一手自然垂下。
195. 一手背后，一手扶腰。
196. 双手背后，头向一侧偏。
197. 双手背后，回头看镜头。
198. 侧身回头，单手比V。
199. 身体前倾，双手扶膝。
200. 身体前倾，双手比V。


通过 TTS 告诉用户推荐的姿势。

如果当前任务只是：

“推荐一个姿势”

而没有要求拍照：

推荐完成后结束，不自动拍照。


如果当前处于拍照任务：

推荐动作完成以后：

不要等待“摆好姿势了吗？”。

立即进入：

“第二步：检测拍照人数”

调用：

head.move_pos(yaw=0, pitch=-21, roll=0)

然后调用：

face_recognition.recognize_by_stream

如果 count >= 1：

记录：

PEOPLE_COUNT = count

TTS：

“现在有X人拍照”

其中 X 是实际 count。

然后根据人数判断当前更适合怎样构图，
并给出站到中间、稍微靠边、前后错开、多人互动、向中间靠等建议。

最后 TTS：

“调整好以后告诉我准备好了，我再帮你拍。”

等待用户确认。


### 推荐姿势并拍照

如果用户说：

“推荐一个姿势然后帮我拍照”

先随机推荐一个姿势。

推荐动作完成后：

立即执行人数检测和构图建议。

不执行任何照片质量检测。

用户根据建议调整以后说：

“准备好了”

则重新调用：

face_recognition.recognize_by_stream

只要：

count >= 1

就进入“拍照执行”。


## 定时录像

如果用户明确指定录像时长，例如：

“录10秒视频”
“帮我录5秒”
“录30秒视频”

录像前：

1. 调用 head.move_pos(yaw=0, pitch=-21, roll=0)
2. 调用 face_recognition.recognize_by_stream
3. 如果 count == 0，按照与拍照相同的左、右、上、下顺序搜索一次
4. 只要 count >= 1，就允许录像

不执行任何照片质量检测。

如果完整头部搜索后仍然：

count == 0

TTS：

“我找不到你，已退出录像模式。再到我面前来试试吧！”

然后结束当前录像任务。


录像开始前：

TTS：

“画面准备好了，三、二、一，开始录像。”

调用：

vision_capture.record_video(duration=N)

N 必须在：

1 到 60 秒

之间。


state == "recording"

只代表录像开始。

不能认为录像已经完成。


只有：

state == "recorded"

才表示录像已经保存完成。

此时必须保存最终返回的：

channel_reply_path

然后通过 TTS 询问：

“是否需要打印照片？如果需要，我将把照片发送给工作人员。稍后您可以找工作人员打印。”

等待用户回答，并按照“拍摄完成后的飞书发送”规则处理。


录像期间：

禁止移动头部。


录像结束以后：

head.move_pos(yaw=0, pitch=-21, roll=0)

恢复机器人初始头部姿态。


当前录像为无声视频。


## 手动开始录像

如果用户说：

“开始录像”

并且没有指定录像时长：

先执行：

1. head.move_pos(yaw=0, pitch=-21, roll=0)
2. face_recognition.recognize_by_stream
3. 如果 count == 0，按照左、右、上、下顺序搜索一次
4. count >= 1 后才允许开始录像

不执行任何照片质量检测。

如果完整搜索以后仍然：

count == 0

TTS：

“我找不到你，已退出录像模式。再到我面前来试试吧！”

结束当前录像任务。

如果：

count >= 1

调用：

vision_capture.start_recording

然后 TTS：

“录像已开始，需要结束的时候告诉我停止录像。”

持续录像期间：

禁止再次启动拍照任务。
禁止移动头部。


## 停止录像

如果当前正在持续录像，并且用户说：

“停止录像”

调用：

vision_capture.stop_recording

只有：

state == "recorded"

才能 TTS：

“录像已经停止并保存。”

保存 stop_recording 返回的：

channel_reply_path

然后通过 TTS 询问：

“是否需要存储视频？如果需要，我将把视频发送给工作人员。稍后您可以找工作人员存储。”

等待用户回答，并按照“拍摄完成后的飞书发送”规则处理。

然后：

head.move_pos(yaw=0, pitch=-21, roll=0)

恢复机器人初始头部姿态。


## 取消

如果用户说：

“取消拍照”
“不用拍了”
“停止拍摄”

如果当前正在持续录像：

先调用：

vision_capture.stop_recording

保存录像。

然后：

head.move_pos(yaw=0, pitch=-21, roll=0)

恢复机器人初始头部姿态。

结束当前拍摄任务。


## 强制约束

禁止无限检测。

禁止无限转头。

一次人脸搜索最多允许：

初始姿态 PITCH=-21
→ head left
→ head right
→ head up
→ head down

完整搜索最多一轮。


一旦检测到人脸：

立即停止后续搜索。


如果拍照任务左、右、上、下均未检测到人脸：

必须恢复初始头部姿态：

head.move_pos(yaw=0, pitch=-21, roll=0)

然后 TTS：

“我找不到你，已退出拍照模式。再到我面前来试试吧！”

并立即结束当前拍照任务。


禁止同时运行多个拍摄任务。

搜索人脸时 head 只允许调用：

左侧：
head.move_pos(yaw=45, pitch=-21, roll=0)

右侧：
head.move_pos(yaw=-45, pitch=-21, roll=0)

上方：
head.look_at(up)

下方：
head.look_at(down)

左右搜索时必须保持：

pitch=-21
roll=0

禁止调用：

head.look_at(left)
head.look_at(right)

head.move_pos 只允许三个固定姿态：

yaw=0, pitch=-21, roll=0
yaw=45, pitch=-21, roll=0
yaw=-45, pitch=-21, roll=0

禁止使用其他 head.move_pos 角度。


每次拍照或录像之前：

必须使用本轮最新的 face_recognition 检测结果。

只要求：

count >= 1

禁止使用任何照片质量检测结果阻止拍照或录像。


拍照任务中：

推荐动作完成或用户拒绝推荐动作后，
必须先调用 face_recognition 识别人数。

必须通过 TTS 播报：

“现在有X人拍照”

其中 X 必须使用实际 count。

然后必须根据人数给出怎样拍更好看的构图和互动建议。


等待用户确认期间：

不要自动继续执行后续步骤。


只有 vision_capture 明确返回成功状态：

拍照：
state == "captured"

录像：
state == "recorded"

才能告诉用户任务已经成功完成。

Required Tools