「慧眼卫士」—— AI 眼镜防骗智能体技术方案

不惑.

379人浏览 · 2026-07-11 14:17:03

不惑. · 2026-07-11 14:17:03 发布

一、项目概述

在这里插入图片描述

1.1 项目名称

慧眼卫士（Wise Eye Guardian）

1.2 一句话 Slogan

慧眼识真伪，守护每一分养老钱

1.3 项目简介

慧眼卫士是一款运行在 AI 眼镜上的防骗智能体，专为老年群体设计。用户佩戴眼镜后，系统自动拍摄视野中的内容（新闻文章、保健品包装、宣传单等），通过多模态大模型直接识图分析，结合联网搜索验证，实时判断内容真伪和风险等级，并在高风险场景下自动通知家属，形成"识别-验证-预警-告警"的完整防护闭环。

1.4 解决的痛点

老年人难以辨别朋友圈养生谣言、假新闻
老年人容易被保健品骗局话术诱导
子女无法实时陪伴父母识别骗局
传统防骗手段依赖手机操作，老年人使用门槛高

1.5 核心创新

零操作门槛：戴上眼镜自动识别，无需手动拍照、打字
多模态直接识图：不依赖 OCR 管线，Qwen3-VL 一步完成"看图-提取-分析-生成建议"
联网交叉验证：夸克搜索接入权威信源（卫健委、人民日报等），提升判定可信度
家属告警闭环：高风险自动推送家属，形成远程防护

二、工作流设计

2.1 整体架构

基于蚂蚁百宝箱平台工作流编排，整体节点链如下：

[开始] → [gPass眼镜插件] → [图片质量预检] → [多模态大模型分析]
    → [夸克搜索联网验证] → [综合判定大模型] → [结果格式化与决策]
    → [家属推送] → [历史记录存储] → [结束]

2.2 设计原则

原则	说明
gPass 前置交给眼镜端	乐奇眼镜自动检测场景、自动对焦、自动拍照，工作流只处理 gPass 返回图片之后的逻辑
无知识库依赖	直接用多模态大模型看图分析，减少维护成本，提升泛化能力
纯处理链无分支	一条直线流程，降低调试复杂度，提升稳定性
无 TTS 节点	语音播报由眼镜端原生处理，工作流只输出结构化文字结果

在这里插入图片描述

2.3 节点详细说明

节点 1：开始

接收参数：image_url（图片地址）、user_id（用户标识）、location（识别地点）

节点 2：gPass 眼镜插件（MCP）

插件 ID：20260126z7IU06451341
输入：prompt_message = "正在识别，请保持眼镜对准目标"
输出：code（状态）、data（图片 URL）
功能：触发眼镜拍照采集，返回图片数据地址

节点 3：图片质量预检（大模型）

模型：Qwen3-VL
温度：0.1
功能：检测图片清晰度、文字可读性、是否对准目标
输出：quality_pass（是否合格）、suggestion（建议）

节点 4：多模态大模型分析（核心节点）

模型：Qwen3-VL / qwen-vl-plus
温度：0.3
图片输入：{{gPass眼镜插件.data}}
功能：
1. 自动判断内容类型（新闻文章 / 保健品包装 / 药品包装 / 宣传单）
2. 提取图片全部文字
3. 识别风险特征（根治、包治百病、冒充专家、紧迫话术等）
4. 初步判断可疑程度
输出：content_type、extracted_text、risk_flags、preliminary_risk

节点 5：夸克搜索联网验证（MCP）

搜索词：{{多模态大模型分析.extracted_text}} 辟谣真相官方
站点过滤：nhc.gov.cn, people.com.cn, xinhuanet.com, cctv.com, samr.gov.cn
功能：联网搜索权威信源，交叉验证内容真伪

节点 6：综合判定大模型

模型：DeepSeek-R1
温度：0.2
输入：图片提取文字 + 风险特征 + 搜索结果
功能：综合所有信息，给出最终风险等级和判定依据
输出：final_verdict、risk_level（red/yellow/green）、recommendation

节点 7：结果格式化与决策

模型：Qwen3-32B-Instruct
功能：将技术分析结果转化为老人友好的文字，同时生成结构化决策数据
输出：friendly_text、structured_result（含 needs_family_alert）

节点 8：家属推送（MCP）

触发条件：needs_family_alert == true（即 risk_level == red）
功能：通过支付宝消息推送/短信通知家属
推送内容：风险类型、判定结果、分析摘要、建议

节点 9：历史记录存储（MCP）

功能：将完整识别记录存入数据库
存储字段：用户ID、时间戳、图片URL、地点、内容类型、提取文字、风险等级、判定结果、建议、推送状态

三、端侧/云端插件运用

3.1 端侧插件：gPass 眼镜插件

项目	说明
插件 ID	20260126z7IU06451341
插件来源	蚂蚁集团 GPASS 智能眼镜应用模板
核心能力	眼镜设备拍照采集
输入参数	`prompt_message`（String）：拍照提示语
输出参数	`code`（String）：拍照状态；`data`（String）：图片数据地址
使用方式	在百宝箱工作流中作为 MCP 节点拖入，从条件分支连线接入

关键设计决策：gPass 插件仅负责拍照采集，不包含 OCR 和语义理解。我们选择在后续节点中使用多模态大模型直接处理图片，避免了 OCR 管线的额外开销和信息损失。

3.2 云端插件：夸克搜索

项目	说明
插件类型	MCP 节点
功能	联网搜索权威信源
站点过滤	nhc.gov.cn、people.com.cn、xinhuanet.com、cctv.com、samr.gov.cn
使用目的	交叉验证多模态模型的初步判断，引入权威信源提升可信度

3.3 云端插件：消息推送

项目	说明
插件类型	MCP 节点
功能	高风险时向家属推送预警消息
触发条件	risk_level == red
推送渠道	支付宝消息推送 / 短信通知

3.4 大模型选型

节点	模型	选型理由
图片质量预检	Qwen3.7-plus	多模态能力，低温 0.1 确保稳定判断
多模态分析	Qwen3.7-plus	核心识图能力，直接处理图片无需 OCR
综合判定	Qwen3.7-plus	深度推理能力，综合多方信息给出最终判定
结果格式化	Qwen3.7-plus	文本生成能力强，适合生成老人友好文案

四、技术方案说明

4.1 为什么不用知识库？

传统方案需要预先构建谣言库、假保健品库，存在三大问题：

覆盖率有限：新谣言层出不穷，知识库无法实时更新
维护成本高：需要人工标注、定期更新
泛化能力弱：只能识别库里已有的内容

本方案用多模态大模型直接看图分析 + 联网搜索实时验证，实现了零知识库依赖的动态识别，覆盖面更广、时效性更强。

4.2 多模态直接识图 vs OCR 管线

方案	流程	优缺点
OCR 管线	拍照 → OCR提取文字 → 大模型分析文字	文字提取准确，但丢失图片布局信息，多一个节点
多模态直接识图（本方案）	拍照 → 多模态模型直接看图	一步完成，保留图片上下文，能识别包装标志等非文字信息

4.3 风险等级体系

等级	含义	触发条件	响应动作
RED	高风险	明确骗局/违规宣传/已知谣言	推送家属 + 强烈建议不要购买
YELLOW	中风险	可疑内容/无法完全确认	提醒谨慎，建议咨询医生/子女
GREEN	低风险	资质合规/真实信息	正常提示，提醒保健品不能治病

4.4 输出示例

假新闻场景：

{
  "friendly_text": "这条消息是谣言。国家卫健委早就澄清过，洋葱不能杀死癌细胞。生病要看医生，不要相信偏方。",
  "risk_level": "yellow",
  "verdict": "rumor",
  "recommendation": "不要转发，如有身体不适请咨询医生"
}

假保健品场景：

{
  "friendly_text": "红色警告！这个产品有问题！它宣称能根治糖尿病，这是违规宣传。保健品不能替代药品。请马上离开，不要购买。请告诉您的家人。",
  "risk_level": "red",
  "verdict": "scam",
  "recommendation": "不要购买，立即离开，告知家人"
}

五、GPASS 端侧配置

端能力	配置
语音唤醒	关键词触发工作流入口
镜腿双击	切换功能模式
镜腿长按3秒	紧急联系人
拍照	自动对焦，延迟2秒，提示语播放
语音播报	眼镜扬声器，音量80%
震动	高风险震动提醒

六、项目优势总结

零门槛：老年人戴上眼镜即可使用，无需任何手机操作
全场景覆盖：假新闻、假保健品、虚假宣传一键识别
高可信度：多模态模型 + 联网搜索双重验证
防护闭环：识别 → 验证 → 预警 → 家属告警，全链路覆盖
无知识库依赖：动态识别，不受预置数据限制
可扩展性：工作流节点可灵活增减，支持后续接入更多场景

七、开发环境与工具

项目	说明
开发平台	蚂蚁百宝箱（tbox.alipay.com）
眼镜设备	乐奇 AI 眼镜（GPASS 智能眼镜应用模板）
核心插件	gPass 眼镜插件（ID: 20260126z7IU06451341）
多模态模型	Qwen3.7-plus
推理模型	Qwen3.7-plus
文本模型	Qwen3.7-plus
搜索引擎	夸克搜索（MCP）
消息推送	支付宝消息推送 / 短信通知