摘要
北京德恒（无锡）律师陆凌燕讲述：她为外地律协和两级法院讲座后，需在主办方通稿基础上写律所通稿，把主办方通稿链接交给 WorkBuddy，由其生成通稿并自动从十张现场图中挑出含本人的第 5 张。她复盘发现，WorkBuddy 实际靠桌牌、工牌、大屏课件标题、横幅等画面中现成文字定位，人脸本身不是判断依据，因此“没字就没辙”。她又试 DeepSeek V4.1 flash 直接问“哪张是我”，出现把短发、细框眼镜、笑容相近的同行误认为本人的错判；复盘结论是多模态大模型擅长“形容长相”，而形容词不具排他性。调研后改用嵌入向量+余弦相似度做身份判定，并在 skill 中设计四级降级链：①先读画面文字定案；②无字则用 OpenCV SFace（37MB、Apache-2.0、全本地、免费）；③结果存疑再切 InsightFace ArcFace（182MB、精度更高但权重仅限个人非商用）；④本地做不了才调腾讯云 CompareFace（按次计费、需实名与密钥、50 分对应万分之一误识率）。另设“许可降级”（交付客户或商用必须退回 SFace）和“结论降级”（分数不够就写“无法判断”，不猜）。实测：本人跨场合 SFace 0.665 / ArcFace 0.634，与长相相近同行仅 0.147 / 0.117，相差约 4.5 倍；正脸场景 ArcFace 仅略优，故只作备用。文末给出 WorkBuddy 下载邀请链接与 skill 安装地址。
为什么值得看
律师作者产出的原创 AI 实践，不是生活娱乐用法：起点是律所宣传通稿与配图整理（律所运营/品牌工作），并且给出了可复用的方法结构——先用规则与画面文字做最硬的一层、再上专业小模型、存疑才升级更重的模型、本地不行才走云端付费 API；同时把“许可边界”（ArcFace 非商用则交付时必须降级）和“置信度边界”（分数不足不下结论）写成硬约束。这套“按证据强度分级+按许可分级+按置信度拒答”的思路可直接迁移到律师的证据照片筛查（监控截图、合影、现场照片中的人物一致性核对）、案件素材与宣传素材的批量归档，以及对多模态模型“看起来会”与“真的会”的边界判断，避免用形容词式描述替代可量化比对。
摘要和推荐理由由 AI 生成，编辑抽查
完整内容请看原文原文版权归作者所有。
摘要和点评可能有遗漏或偏差，请以原文为准。不构成法律意见。