AI钱币鉴定落地实践：大模型+Agent工作流如何辅助识别与信息结构化

最近把 Claude 的 Agent 能力跟智谱 GLM-5.1 大模型接到一起，做了一个 AI 钱币鉴定的体验 Demo。先说结论：这个方向能跑通，但它不等于专业鉴定。它真正擅长的是把“这张钱币图片里有什么”转成结构化信息，再结合资料库给出参考结果，帮你把查目录、对版别、估行情的重复劳动省掉。

这篇文章适合两类人。一类是钱币收藏新手，想知道 AI 能不能帮自己快速认识手里的币；另一类是正在做图像识别、Agent 工作流的开发者，想找一个比较完整的落地样例。最值得关注的点不是某个模型“强不强”，而是完整链路怎么设计：图片输入、视觉理解、知识库检索、结构化输出、失败兜底。

先说清楚一件事：我用它跑通的是“辅助鉴定”，不是“权威鉴定”。真伪、品相评分、精确估价这些事，静态图片本身就给不了足够证据。下面按实际落地顺序拆一遍。

1. AI 钱币鉴定系统到底在解决什么

1.1 传统流程里最花时间的不是“看”，而是“查”

一枚普通古钱币或者老银元拿到手里，新手通常要判断几件事：

• 品种是什么，例如“光绪元宝”“袁大头”“乾隆通宝”。
• 年号、面值、材质、直径、重量。
• 属于哪个版别，例如“大字版”“小字版”“甘肃版”。
• 品相如何，有没有明显磕碰、划痕、包浆。
• 当前市场参考价大概在什么区间。

这里面最耗时的不是第一眼“看”，而是后面反复“查”。新手不认识版别，就要去翻目录、问人、搜图对比。老手虽然认得多，但遇到冷门品种也要翻资料。

AI 鉴定的价值就在这里：先用多模态大模型读出币面可观察的信息，再让 Agent 去资料库里找候选品种，最后把结果整理成一张可以快速阅读的卡片。它替代的是“初步资料检索”，不是“最终拍板”。

1.2 这套 Demo 的协作方式

这个 Demo 里我用了两个角色：

• 智谱 GLM-5.1 大模型负责视觉理解。它看钱币图片，描述币面文字、年号、图案、面值和材质特征。
• Claude 的 Agent 能力负责调度和判断。它拿到文字描述后，提取关键实体，调用知识库工具，最后汇总输出。

为什么不用一个模型一步到位直接给结论？因为多模态模型直接回答“这是什么币、值多少钱”时，很容易把“看起来像”讲成“一定是”。幻觉来源很多：图片不清晰、特征不明显、训练数据里同品种图片太多。

所以更稳的做法是：先让视觉模型输出“可见事实”，再做实体抽取，再查资料库，最后才生成鉴定卡片。每一层都能检查和干预。

1.3 实际能力边界

这套方案能做的事情，我实测下来大概是这样：

开头不要期待过高。真正跑起来后你会发现，最有用的不是“它能准确说出这是哪一枚币”，而是“它能帮你把候选范围从几千种缩小到两三种”。

2. 跑通 Demo 前需要准备哪些条件

2.1 模型接入方式：API 优先，本地可作替换

智谱 GLM-5.1 大模型我直接走官方开放平台 API，这样最快，不用先折腾显卡和依赖。配套的 Claude Agent 也走官方 SDK，或者用支持相同调用方式的模型网关。简单说，你的代码只需要保存两个 API Key：一个给视觉大模型，一个给 Agent 编排模型。

如果你不希望图片出本地环境，可以改用本地部署的开源多模态模型，例如用 Ollama 拉起支持视觉能力的模型。这样图片隐私性更好，不用传外部接口。但代价是显存要求高，部署和调优时间长，而且不同小模型对币面小字的识别能力差距很大。新手不要一开始就钻进本地部署，先让云端 API 把流程跑通更重要。

2.2 图片素材和知识库

图片是这套系统的生命线。我建议准备至少正反面两张照片，放在同一个编号目录下。拍摄要求不复杂，但很关键：

• 自然光或均匀灯光，不要强反光。
• 背景用纯色，不要放一堆其他钱币。
• 不要手指捏着币面，会遮挡图案。
• 不要过度修图，不要锐化拉满。
• 图片长边建议在 1024 到 1536 像素之间。

知识库可以先用 CSV 维护，字段至少包含：名称、年份、面值、材质、直径、重量、参考价、备注。数据量小的几十条也能玩，但要真正好用，至少需要覆盖你常接触的品种。

name,year,denomination,material,diameter,weight,price_range,note 光绪元宝户部当制钱十文,1903-1906,十文,铜,28,7.2,30-150,常见版 袁大头民国三年一元,1914,一元,银,39,26.6,900-1500,以品相为准

这个 CSV 后面会被 Agent 当作查询工具的数据源。

2.3 最小工程结构

我建议把项目拆成下面这样，而不是全部写在一个脚本里：

coin_agent/ ├── images/ │ ├── 001_obv.jpg │ └── 001_rev.jpg ├── knowledge/ │ └── coin_catalog.csv ├── output/ │ ├── result.jsonl │ └── report.md ├── main.py ├── config.json └── requirements.txt

images 放输入图片，knowledge 放知识库，output 放每次运行结果。这样做的理由是批量跑的时候更好排查：哪张图失败、哪条结果有问题、哪个阶段的输出异常，都能按目录定位。

3. 核心流程拆解：Agent 怎么把钱币图片变成鉴定卡

3.1 先让视觉模型“只描述，不判断”

这个 Demo 最关键的步骤，不是最后那句“它可能是某某币”，而是最开始让视觉模型老实描述。

我用的 Prompt 大概是这样的：

请仔细观察这张钱币图片，列出你确定的可见特征： 1. 币面上的文字、年号、面值； 2. 主要图案，例如龙、嘉禾、人像、建筑物； 3. 材质观感，例如银白色、铜黄色、包浆颜色； 4. 正面和反面的布局； 5. 任何明显缺陷，例如磕碰、划痕、穿孔。 只描述你能看到的内容，不要判断真伪，不要估价，不要推测版本。

这样写的目的是把“观察”和“判断”分开。视觉模型只负责看，不负责猜。观察越干净，后面的 Agent 就越不容易被带偏。

3.2 Agent 负责抽取实体和查资料

视觉模型返回文字描述后，Claude Agent 要做的第一件事是抽取结构化实体。例如从“正面写着光绪元宝，背面有龙纹，边缘有英文”里提取出：

• 文字关键词：光绪元宝
• 面值：十文或一元
• 图案：龙纹
• 可能材质：铜或银

然后是查知识库。Agent 通过工具函数读取 coin_catalog.csv，做关键词匹配和筛选。比如“光绪元宝”选中一批数据，“铜”再筛掉一批，“龙纹”再筛一轮，最后留下候选列表。

整个流程用伪代码表示就是这样：

def identify_coin(image_path): # 第一步：视觉模型生成可观察描述 observation = glm_vision_chat( image_path, prompt="只描述可见特征，不要判断真伪" ) # 第二步：Agent 抽取实体 facts = claude_agent_extract_entities(observation) # 第三步：查知识库 candidates = search_coin_db( catalog="knowledge/coin_catalog.csv", conditions=facts ) # 第四步：Agent 汇总鉴定卡 result = claude_agent_generate_card( observation=observation, candidates=candidates ) return result

这只是一个示意，不是完整可运行代码。你落地时可以直接用智谱和 Claude 的官方 SDK，把每一步封装成独立函数，方便日志记录和错误处理。

3.3 生成结构化的鉴定卡

最后的输出我推荐用 JSON，方便程序读取，也方便后续导出 Excel 或生成报告。

{ "id": "001", "observation": "正面有光绪元宝四字，背面有龙纹，边缘有英文，铜色明显。", "possible_names": [ "光绪元宝户部当制钱十文" ], "year_range": "1903-1906", "denomination": "十文", "material": "铜", "confidence": "中", "price_range": "30-150", "need_recheck": ["边齿", "重量", "直径"] }

字段里最值得关注的是confidence和need_recheck。confidence表示知识库匹配和特征确认的程度，need_recheck表示哪些信息必须人工再看。这样设计的目的就是不让 AI 的输出显得绝对正确。

4. 关键参数和判断标准

4.1 图片预处理参数

图片不是越大越好。API 请求有体积限制，大图传输慢，还可能超出模型输入尺寸。小图又看不清年号和小字。

我一般先把图片长边压缩到 1024 到 1536 像素，JPEG 质量控制在 85 左右。如果一枚币上有特别小的暗记，再单独裁切局部图传给模型，而不是直接传整张高分辨率原图。

还要注意方向问题。有些手机拍的图自带 EXIF 旋转信息，直接读二进制给模型，可能会出现图片被转置的情况。建议先统一转成标准方向，再保存或上传。

4.2 大模型推理参数

鉴定任务和聊天任务不一样，不需要太多创造性。参数据我实测可以这样设置：

Agent 的 system prompt 也要收窄。不要写“你是资深钱币专家”，因为这会诱导模型给出超出证据的判断。更好的写法是：

你是一个钱币鉴定流程的调度器。你只负责从视觉模型描述中提取事实、查询知识库、生成结构化报告。没有足够证据时，明确标注“待人工复核”。

4.3 并发和重试

不要一上来就开最大并发。先单条任务跑一遍，确认输入、输出、日志都正常。然后并发 2 到 3 条，观察有没有限流或超时。再根据模型服务商配额往上加。

失败重试用指数退避，例如第一次等 2 秒，第二次等 4 秒，第三次等 8 秒。连续失败就别再重试了，把任务写入失败队列，等人工检查。

4.4 判断标准

什么样的结果算成功？不是模型不报错就算成功，而是：

• 视觉模型描述和图片内容一致，没有明显幻觉。
• Agent 抽取的字段能被知识库检索到。
• 候选列表里包含正确品种，或者至少没有完全离谱的选项。
• 输出 JSON 能被正常解析。
• 低置信度结果明确标出待复核项。

如果上面五条都满足，这套流程才算跑通。

5. 单条任务跑通之后再批量鉴定

5.1 文件命名和输入清单

批量处理前，先把图片命名规范好。我推荐用“编号_面别”的方式：

001_obv.jpg 001_rev.jpg 002_obv.jpg 002_rev.jpg

obv表示正面，rev表示背面。如果你有一批现代纪念币，还需要记录材质和重量信息，建议再建一个输入清单：

id,obverse,reverse,known_year,known_weight,remark 001,images/001_obv.jpg,images/001_rev.jpg,2023,,纪念币 002,images/002_obv.jpg,images/002_rev.jpg,,26.6,银元

命名规范的原因很简单：批量任务要把一枚币的正反面合并到同一条结果里，没有规范命名，程序没办法自动配对。

5.2 任务队列和断点续跑

批量任务不要把所有图片一次读进内存，也不要一个 for 循环跑到底。更稳的做法是维护一个任务状态列表，每个任务记录：

• 输入路径
• 当前状态：待处理、处理中、成功、失败
• 模型返回结果
• 错误信息
• 耗时

每次处理完一条，就把结果追加写入output/result.jsonl。这样即使任务中断，已经处理的结果也不会丢。下次启动时，读取已完成的 ID，只处理未完成的即可。

失败任务单独写进output/failed.json，不要混在成功结果里。我见过很多批量任务最后输出一堆空文件，就是因为失败和数据丢失没有被分开处理。

5.3 输出报告和人工复核

批量跑完后，可以生成两种输出：

• JSONL：给程序进一步处理。
• Markdown/HTML 报告：给人快速阅读。

报告里一定要有“置信度低”的分组。我的建议是：高置信度结果直接归档，中等置信度结果人工抽查，低置信度结果全部人工复核。对于钱币这种有收藏价值的物品，不要直接用系统结果做交易决策。

5.4 批量任务常见问题

批量阶段最容易出的问题不是模型判断错，而是数据链错。比如图片路径写错、正反面配对错、知识库字段类型不一致、CSV 编码乱码。先跑两条验证整条链，再放开全量，能省很多排查时间。

6. 常见报错和排查顺序

6.1 典型问题对照表

6.2 系统化排查链路

遇到问题先别怀疑模型能力，按下面顺序查：

1. 先直接调用视觉模型，输入单张图片，确认能生成正确描述。
2. 再单独跑 Agent 实体抽取，确认字段完整。
3. 然后查知识库关键词，确认能匹配到候选。
4. 最后才整体联调，看是不是流程衔接问题。

多数“AI 鉴定不准”的案例，最后都卡在图片质量或知识库数据上，而不是模型本身。

6.3 本地部署大模型替代时的特别坑

如果换成本地部署的开源多模态模型，还会有两个额外问题：

• OOM。常见表现是程序启动后跑几条任务突然退出，或者推理速度越来越慢。
• 小字识别弱。币面年号往往很小，本地小模型容易看错。

解决思路是：降低图片输入尺寸，限制 batch size，不要多任务并发，优先用针对中文优化的小参数视觉模型。即便如此，本地模型的整体效果也可能弱于云端大模型，需要重新评估精度。

7. 这些边界会让你更清楚 AI 鉴定能做到哪一步

7.1 真伪鉴定不能只靠静态图片

钱币鉴定里最难的不是认品种，而是分真伪。高仿币可能图案、文字、重量都接近真品。包浆可以是人工做旧，边齿可以用机器复刻，这些细节在普通照片上很难体现。

如果只是拿手机随手拍一张图，AI 很可能把一枚高仿币识别成真品对应的品种，然后给出参考价。这个风险必须在前端提示。我的做法是在输出卡片上固定加一行：

本结果仅为图像辅助参考，不能作为真伪鉴定依据。如需交易或评级，请交由专业机构实物检测。

7.2 品相和估价要谨慎

估价是另一个容易翻车的地方。同一枚币，MS65 和 XF45 的价格可能差好几倍。AI 从图片上能看出明显划痕、磕碰、清洗痕迹，但无法准确判断压力、光泽、包浆状态。

所以估价字段永远用区间，并且加上“行情变化快，具体以成交为准”。不要让用户觉得 AI 报出来的数字就是市场价。

7.3 从 Demo 到生产还需要补什么

你如果想把这个 Demo 做成长期可用的工具，不能只优化模型，还要补这些工程项：

• 标准化拍摄环境，减少图片质量波动。
• 定期更新知识库，加入新发行的币种和行情变化。
• 增加人工复核队列，低置信度结果强制走人工。
• 记录每次模型的输入、输出、耗时、错误信息，方便复盘。
• 注意数据合规，不要未经授权处理他人收藏品图片，也不要采集不可信来源的数据做训练。

我个人的建议是，先把这个方案当辅助工具用。真正落地时，最该盯住的不是模型有多强，而是输入图片质量、知识库覆盖率和失败重试机制。踩过几次之后你会明显感觉到，很多问题不是 AI 不行，是图和资料没准备好。把这两件事做扎实，AI 钱币鉴定才能变成一个稳定可用的初筛工具。