# AI 图片去重审核系统

基于 DashScope 多模态 Embedding + DashVector 向量数据库的图片相似度检测系统。

## 功能特性

- 使用 DashScope 多模态 Embedding 生成图片向量
- 使用 DashVector 进行高效向量相似度搜索
- 支持 pHash 感知哈希预筛选
- 异步批量下载和处理图片
- 自动标记重复图片并记录相似度分数

## 环境要求

- Python 3.8+
- MySQL 数据库
- DashScope API Key
- DashVector API Key

## 安装

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

## 配置

创建 `config.ini` 配置文件：

```ini
[database]
host = localhost
port = 3306
user = root
password = your_password
database = your_database
charset = utf8mb4

[dashscope]
api_key = your_dashscope_api_key

[dashvector]
api_key = your_dashvector_api_key
endpoint = your_endpoint
collection_name = image_vectors
vector_dimension = 1024

[image]
cdn_base = https://your-cdn.com/

[similarity]
phash_threshold = 10
vector_threshold = 0.85

[process]
batch_size = 100
concurrent_downloads = 10
log_level = INFO
log_file = image_similarity.log
```

## 使用方法

```bash
python image_similarity_check.py
```

## 项目结构

```
├── image_similarity_check.py  # 主程序：图片去重审核
├── query_status.py            # 查询处理状态
├── reset_data.py              # 重置数据
├── reset_vector.py            # 重置向量库
├── basket.py                  # 测试脚本
├── requirements.txt           # 依赖包
└── config.ini                 # 配置文件（不提交）
```

## 工作流程

1. 从数据库获取待处理的图片记录
2. 调用 DashScope API 获取图片的多模态 Embedding
3. 在 DashVector 中搜索相似图片
4. 根据相似度阈值判断是否重复
5. 更新数据库状态（重复/不重复）