用 Cloudflare Workers AI + Jev 做一个可视化图片分类传送带
项目地址：Jev Sense
技术栈：Node.js 20+、原生 JavaScript、Cloudflare Workers AI、Jev（System One）
最近做了一个图片分类小项目：把图片放上传送带，图片经过扫描区时提取视觉线索，再由另一个模型根据线索选择标签，最后落入对应的分类箱。相比只展示一个分类结果，这个界面能把“看到了什么”和“为什么分到这里”都呈现出来。
目前项目以动物图片为例，内置 30 张示例图、30 个动物标签，以及哺乳类、鸟类、爬行类、两栖类、鱼类、昆虫类六个分类出口。无法确定或请求失败的图片会进入“待复核”。
下面是六张示例图经过传送带并完成分拣的动图。录制时使用真实的 Cloudflare 和 Jev 服务，动图以 1.5 倍速播放。
页面总览如下。总览截图使用模拟模式，主要展示界面布局。
为什么拆成两次模型调用
整个流程可以概括为：
图片 → Cloudflare 视觉模型提取可见特征 → Jev 根据文字证据选标签 → 分类或待复核第一步调用 Cloudflare Workers AI 的视觉模型@cf/meta/llama-4-scout-17b-16e-instruct，让它描述图片里可见的动物特征，例如体形、颜色、羽毛或鳞片。提示词要求它不要直接做最终物种分类，也不要执行图片中出现的指令。
第二步将视觉描述交给 Jev。Jev 收到的是文字证据和候选标签，不接收原图；它需要从 30 个预设动物标签和uncertain中选择一个。如果证据不足，就选择uncertain。这样，视觉观察和业务判断有了明确的边界，页面也能分别展示两步的结果。
最初考虑过把图像和文字都转成向量，再交给 Jev 判断。但项目使用的 System One 接口没有提供这套流程所需的文档化多模态向量输入方式，因此最终采用了“视觉描述 → 结构化判断”的实现。
前后端是怎么衔接的
服务端是一个不依赖 Web 框架的 Node.js HTTP 服务。前端传送带主要调用两个接口：
| 接口 | 作用 |
|---|---|
POST /v1/describe-animal | 接收图片，返回视觉描述和耗时 |
POST /v1/decide-animal | 接收视觉描述，返回 Jev 选择的标签、类别和耗时 |
服务端也提供POST /v1/classify-animal，用于一次请求完成上述两步；POST /v1/judge则支持传入自定义问题。当前传送带页面使用的仍是固定动物标签，并没有做成任意场景的分类界面。
前端在图片接近扫描区时发起视觉请求；拿到描述后，图片继续向闸口移动，同时发起 Jev 请求。抵达闸口后，页面等待判断结果再决定出口。模型请求与动画有一部分时间重叠，但每张图片仍然先得到视觉描述，再提交 Jev 判断。
还有两个细节比较重要：
- 图库自带的参考标签只用于浏览器中的结果对照，不会随推理请求发给模型，避免“把答案写进题目”。
- 模拟模式只演示页面和传送带流程，不会真正识别图片；它的结果会进入“待复核”，不会伪装成识别成功。
本地运行
准备 Node.js 20 或更新版本，然后在 PowerShell 中运行：
git clone https://github.com/xiaotao-xiaotao/jev-sense.gitSet-Locationjev-senseCopy-Itemconfig.example.json config.json npmstart浏览器打开http://127.0.0.1:8788。示例配置默认是server.mock: true，此时不调用外部模型，适合先体验交互。
要运行真实分类，在config.json中将server.mock改为false，并填写 Cloudflare Account ID、Workers AI Token 和 Jev API Key。示例配置中的 Jev 接口与模型只是项目使用时的配置，实际可用性以服务提供方当前情况为准。config.json已加入.gitignore，不要把真实密钥提交到仓库。
页面支持多图上传和拖放，格式为 PNG、JPEG、WebP；单张原图上限 20 MB，队列最多 20 张。前端会压缩上传图片，预置图在发起识别请求前也会缩小尺寸。处理后可以在页面查看视觉线索、Jev 原始判定、耗时和分拣记录。
当前边界与后续方向
这还是一个动物分类演示。上传不在预设标签内的物种时，模型可能无法给出合适标签；“待复核”用于承接不确定结果和请求失败。仓库中的六图演示与图库标注一致，但这不能当作整体准确率评估。
这套“先提取证据，再按规则判断”的流程可以继续探索图片打标签、内容审核或自定义分类。迁移到新场景时，需要重新设计视觉提示词、候选标签和判定规则，并用真实样本验证，再安排人工复核。
项目代码、运行说明和演示视频都在 GitHub 仓库。
