现场环拍补镜
现场人员离开前环拍一遍，产品即时指出漏拍位置，并交付可按工单核验的完工回放。
安装、维修或保洁人员准备离场时，最容易漏掉的往往不是工作本身，而是证明工作已经完成的关键角度。主管随后只看到几张挑选过的照片，发现少拍了阀门、接线盒或清洁死角时，员工已经去了下一单。如今视觉模型的处理成本下降，整段环拍视频可以进入日常工单，而不必只服务高价项目。
员工打开当天工单后，手机会按任务要求提示该拍哪里，例如设备铭牌、已更换的零件、排水口或房间全景。视频上传过程中，系统持续比对画面与工单要求。镜头被手挡住、光线不足，或关键部位没有进入画面时，手机立刻提示“回到配电箱左侧，再拍三秒”，让员工在现场补齐。
通过后，主管收到一份按工单条目排列的完工回放，每项都能跳到对应视频秒数。识别不确定的项目会留给人工点选确认，不会直接判定员工漏做。若客户日后提出异议，团队可调出带拍摄时间、地点和原始视频片段的证据。
首个版本聚焦连锁维修与保洁团队的标准工单，支持手机环拍、镜头补拍和主管复核。它不评估维修质量，更不根据画面自动给员工打分；先把“该留下的现场证据有没有拍全”做扎实。
为什么是现在
8月18日，OpenRouter 页面显示 GPT-5.6 Sol 的 OpenAI 路由价格为“50% off”。S1 截至当天00:33，相关 Hacker News 帖位列第17，记录49 points和9 comments；更低的图像处理价格，让普通工单更可能承担环拍抽帧核验的成本。S2
目标用户
核心用户是管理多支外勤队伍的运营主管。员工准备关闭工单并赶往下一单时，补拍成本最低。此时主管尚未看到素材，无法远程提醒缺失角度。标准工单越重复，现场提示越容易复用。客户容易争议的项目，也更需要原始片段留档。
最小切入点
手机端用原生相机能力录制短环拍，并保留原始文件。后端用 FFmpeg 抽取关键帧，先做模糊、遮挡和亮度筛查。再把合格帧与工单条目送入 Responses API。GPT-5.6 Sol 支持图像输入和结构化输出，却不直接接收视频。S3 因此首版不做连续动作判断，只核验指定物体和角度是否可见。模型返回条目、置信度和对应秒数，低置信结果交给主管确认。
以小博大
第一批用户可从本地保洁、暖通和物业维修团队中获取。用他们已有的完工照片做一次免费缺项复盘，直接展示返场前本可补拍的内容。再提供按工种制作的拍摄清单模板，让主管当天就能试跑。案例传播应突出少追问、少翻相册，不宣传自动判定施工质量。
竞品与缝隙
怎么赚钱
按活跃现场人员收取月度订阅费，套餐包含基础视频处理额度。超出额度后，按视频处理时长计费。主管复核、证据留存和系统集成可放入团队版。
反方视角
错误的缺拍提示会拖慢收工，还可能让员工反复对准无关部位。弱光、狭窄机房和反光铭牌，会放大识别误差。边录边上传还会消耗流量，并受地下室网络影响。若反馈不能在人员离场前返回，核心价值就会消失。时间和地点元数据也不能单独证明视频未被替换，证据链需要原始文件、哈希和操作日志。客户住宅中还可能拍到人脸、门牌或私人物品，团队必须设置权限、保留期限和删除流程。