sophhub 0.4.23 → 0.4.25

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "sophhub",
-  "version": "0.4.23",
+  "version": "0.4.25",
   "description": "SophHub CLI - Manage and download AI Agent skills and agents",
   "type": "module",
   "bin": {

package/skills/agent-install/skill.json

@@ -1,12 +1,19 @@
 {
   "name": "agent-install",
-  "version": "0.1.5",
+  "version": "0.1.6",
   "types": [
     "store"
   ],
   "displayName": "Agent安装",
   "description": "通用 Agent 安装与升级。",
   "changelog": [
+    {
+      "changes": [
+        "新增 install_agent_skills.py：Agent 安装/升级时重新下载 auto_install skill 并直接替换 workspace/skills 目录"
+      ],
+      "date": "2026-05-19",
+      "version": "0.1.6"
+    },
     {
       "changes": [
         "update_openclaw 根据 .config.json 的 auto_generate_image_description 同步自动生成图片描述开关（默认开启）"
@@ -30,5 +37,5 @@
     }
   ],
   "createdAt": "2026-04-21",
-  "updatedAt": "2026-05-15"
+  "updatedAt": "2026-05-19"
 }

package/skills/agent-install/src/SKILL.md

@@ -1,7 +1,7 @@
 ---
 name: agent-install
 description: 安装或升级通用 OpenClaw Agent（含按 .config.json 自动下载 skill）。Use when the user asks to install an agent, upgrade an agent, download agent config, back up an existing agent, update openclaw.json, or install skills listed with auto_install.
-version: 0.1.5
+version: 0.1.6
 ---
 
 # Agent Install
@@ -191,17 +191,14 @@ uv run {baseDir}/scripts/update_openclaw.py \
 
 在 Step 3 成功、`openclaw.json` 已写入后执行。
 
-**Skill**：读 workspace 内 `.config.json` 的 `skills`，对 **`auto_install: true`** 的条目：
+**Skill 重新安装**：读 workspace 内 `.config.json` 的 `skills`，对 **`auto_install: true`** 的条目**依次**下载并**直接替换** `{workspace}/skills/{skill_name}` 目录（先删旧目录再写入新包；本地对该 skill 的改动会被覆盖）：
 
 ```bash
-mkdir -p "{workspace}/skills"
-```
-
-```bash
-npx -y sophhub@latest download {skill_name} -o "{workspace}/skills"
+uv run {baseDir}/scripts/install_agent_skills.py \
+  --workspace "{workspace}"
 ```
 
-`{workspace}` 为本 Agent 工作目录；多条**依次**下载。必要时加 `--type builtin` / `--type store`。
+`{workspace}` 为本 Agent 工作目录。新装与升级/重置均须执行本步。
 
 **输出模版**
 

package/skills/agent-install/src/pyproject.toml

@@ -1,6 +1,6 @@
 [project]
 name = "agent-install"
-version = "0.1.5"
+version = "0.1.6"
 description = "通用 Agent 安装与升级"
 requires-python = ">=3.10"
 dependencies = []

package/skills/agent-install/src/scripts/common.py

@@ -185,6 +185,30 @@ def normalize_skills(skills: Any) -> list[str]:
     return list(dict.fromkeys(result))
 
 
+def get_auto_install_skills(agent_def: dict[str, Any]) -> list[dict[str, Any]]:
+    """返回 .config.json 中 auto_install: true 的 skill 条目（保序、去重）。"""
+    skills = agent_def.get("skills")
+    if not isinstance(skills, list):
+        return []
+
+    result: list[dict[str, Any]] = []
+    seen: set[str] = set()
+    for item in skills:
+        if not isinstance(item, dict):
+            continue
+        if item.get("auto_install") is not True:
+            continue
+        name = item.get("name")
+        if not isinstance(name, str) or not name.strip():
+            continue
+        skill_name = name.strip()
+        if skill_name in seen:
+            continue
+        seen.add(skill_name)
+        result.append(item)
+    return result
+
+
 def normalize_dependencies(dependencies: Any) -> list[str]:
     if not isinstance(dependencies, list):
         return []

package/skills/agent-install/src/scripts/install_agent_skills.py

@@ -0,0 +1,162 @@
+#!/usr/bin/env python3
+from __future__ import annotations
+
+import argparse
+import json
+import shutil
+import subprocess
+import sys
+import tempfile
+from pathlib import Path
+
+from common import get_auto_install_skills, load_agent_definition, load_json
+
+
+def run_sophhub_download(skill_name: str, output_dir: Path, *, timeout: int = 300) -> subprocess.CompletedProcess[str]:
+    return subprocess.run(
+        ["npx", "-y", "sophhub@latest", "download", skill_name, "-o", str(output_dir)],
+        capture_output=True,
+        text=True,
+        check=False,
+        timeout=timeout,
+    )
+
+
+def replace_skill_directory(source_dir: Path, target_dir: Path) -> None:
+    """删除目标 skill 目录并用新下载内容完整替换。"""
+    if target_dir.exists():
+        shutil.rmtree(target_dir)
+    shutil.copytree(source_dir, target_dir)
+
+
+def install_single_skill(skill_name: str, skills_dir: Path) -> dict[str, object]:
+    target_dir = skills_dir / skill_name
+
+    with tempfile.TemporaryDirectory(prefix=f"agent-install-skill-{skill_name}-") as tmp:
+        tmp_path = Path(tmp)
+        proc = run_sophhub_download(skill_name, tmp_path)
+
+        downloaded_dir = tmp_path / skill_name
+        if proc.returncode != 0:
+            return {
+                "name": skill_name,
+                "ok": False,
+                "reason": "download_failed",
+                "returncode": proc.returncode,
+                "stdout": proc.stdout.strip(),
+                "stderr": proc.stderr.strip(),
+            }
+
+        if not downloaded_dir.is_dir():
+            return {
+                "name": skill_name,
+                "ok": False,
+                "reason": "download_missing_directory",
+                "expected_path": str(downloaded_dir),
+                "stdout": proc.stdout.strip(),
+                "stderr": proc.stderr.strip(),
+            }
+
+        skills_dir.mkdir(parents=True, exist_ok=True)
+        had_existing = target_dir.exists()
+        replace_skill_directory(downloaded_dir, target_dir)
+
+        return {
+            "name": skill_name,
+            "ok": True,
+            "target_dir": str(target_dir),
+            "replaced": had_existing,
+        }
+
+
+def load_agent_def_for_workspace(
+    workspace: Path,
+    *,
+    agent_id: str | None = None,
+    source_path: Path | None = None,
+) -> dict[str, object]:
+    config_path = workspace / ".config.json"
+    if config_path.is_file():
+        return load_json(config_path)
+    if agent_id:
+        return load_agent_definition(agent_id, source_path)
+    raise ValueError("workspace 下无 .config.json，请提供 --agent-id")
+
+
+def install_agent_skills(
+    workspace: Path,
+    *,
+    agent_id: str | None = None,
+    source_path: Path | None = None,
+) -> dict[str, object]:
+    agent_def = load_agent_def_for_workspace(workspace, agent_id=agent_id, source_path=source_path)
+    auto_install = get_auto_install_skills(agent_def)
+    skills_dir = workspace / "skills"
+
+    if not auto_install:
+        return {
+            "ok": True,
+            "workspace": str(workspace),
+            "skills_dir": str(skills_dir),
+            "installed": [],
+            "failed": [],
+            "details": [],
+            "message": "无 auto_install skill，跳过。",
+        }
+
+    results: list[dict[str, object]] = []
+    for item in auto_install:
+        skill_name = str(item["name"])
+        results.append(install_single_skill(skill_name, skills_dir))
+
+    failed = [item for item in results if not item.get("ok")]
+    installed = [str(item["name"]) for item in results if item.get("ok")]
+
+    return {
+        "ok": not failed,
+        "workspace": str(workspace),
+        "skills_dir": str(skills_dir),
+        "installed": installed,
+        "failed": [
+            {
+                "name": str(item["name"]),
+                "reason": item.get("reason"),
+                "stderr": item.get("stderr"),
+            }
+            for item in failed
+        ],
+        "details": results,
+        "message": (
+            f"已重新安装 {len(installed)} 个 skill（直接替换目录）。"
+            if not failed
+            else f"{len(failed)} 个 skill 安装失败，已成功 {len(installed)} 个。"
+        ),
+    }
+
+
+def main() -> int:
+    parser = argparse.ArgumentParser(description="安装或重新安装 Agent 的 auto_install skills（直接替换目录）")
+    parser.add_argument("--workspace", required=True, help="Agent workspace 路径")
+    parser.add_argument("--agent-id", help="Agent ID（workspace 尚无 .config.json 时使用）")
+    parser.add_argument("--source-path", help="Agent 下载目录")
+    args = parser.parse_args()
+
+    try:
+        result = install_agent_skills(
+            Path(args.workspace).expanduser().resolve(),
+            agent_id=args.agent_id,
+            source_path=Path(args.source_path).expanduser().resolve() if args.source_path else None,
+        )
+    except (ValueError, FileNotFoundError) as exc:
+        payload = {"ok": False, "message": str(exc)}
+        json.dump(payload, sys.stdout, indent=2, ensure_ascii=False)
+        sys.stdout.write("\n")
+        return 1
+
+    json.dump(result, sys.stdout, indent=2, ensure_ascii=False)
+    sys.stdout.write("\n")
+    return 0 if result.get("ok") else 1
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())

package/skills/image-classify/skill.json

@@ -1,12 +1,19 @@
 {
   "name": "image-classify",
-  "version": "1.0.4",
+  "version": "1.0.5",
   "types": [
     "store"
   ],
   "displayName": "照片分类器",
-  "description": "通过人脸识别对照片进行分类、搜索和管理",
+  "description": "照片分类器：注册人脸、按人搜索/一键分类相册。当用户说用照片分类器查找或搜索某人、对文件夹分类、添加/删除照片分类器用户时使用。",
   "changelog": [
+    {
+      "version": "1.0.5",
+      "date": "2026-05-19",
+      "changes": [
+        "配置与注册照片迁至与 images 同级的 .image-classify/ 目录；阈值改为脚本常量；首次运行从 .references/ 或 skill 内 references/ 自动迁移并删除旧目录"
+      ]
+    },
     {
       "version": "1.0.4",
       "date": "2026-05-18",
@@ -45,5 +52,5 @@
     }
   ],
   "createdAt": "2026-04-10",
-  "updatedAt": "2026-05-18"
+  "updatedAt": "2026-05-19"
 }

package/skills/image-classify/src/SKILL.md

@@ -17,13 +17,14 @@ description: 照片分类器。通过人脸识别对照片进行分类、搜索
 
 - Python 3.10+、uv
 - 依赖：`requests`, `opencv-python`, `numpy`, `sophnet_tools`（项目内置）
-- 配置文件：`{baseDir}/references/config.json`
+- 配置文件：`{dataRoot}/.image-classify/config.json`（与 `images` 同级；首次运行可从 `.references/` 或 `{baseDir}/references/` 迁移）
 - 若使用 **DM 自动推送**（注册时 `--friend-id`、一键 `classify` 后推送结果），需本机存在有效 JWT：`/home/node/.openclaw/jwt.json`（与 `send_dm_message.py` 一致）
 
 ## 核心概念
 
 - **`{baseDir}`**：本 skill 根目录，即 `skills/image-classify`，调用时替换为实际绝对路径。
-- **配置文件**：`{baseDir}/references/config.json`，存储所有注册用户的名称、照片路径、人脸 embedding 向量，以及可选 **DM 绑定**：`friendId`（好友 userId）、`friendLabel`（可选展示名）。旧字段 `xia_you_hao` / `xia_you_label` 仍可被脚本读取。
+- **`{dataRoot}`**：与 `images` 同级的工作区根目录（由脚本自动解析，本仓库内通常为 `skills/`）。
+- **配置文件**：`{dataRoot}/.image-classify/config.json`，存储注册用户、照片路径（位于 `.image-classify/`）、人脸 embedding、搜索结果，以及可选 **DM 绑定**（`friendId` / `friendLabel`；旧字段 `xia_you_hao` / `xia_you_label` 仍兼容）。
 - **脚本入口**：`{baseDir}/scripts/face_search.py`，通过 `uv run` 以子命令方式调用。
 - **所有命令输出均为 JSON 格式**，方便解析结果。
 
@@ -33,7 +34,7 @@ description: 照片分类器。通过人脸识别对照片进行分类、搜索
 uv run {baseDir}/scripts/face_search.py [-c CONFIG_PATH] <command> [args...]
 ```
 
-`-c` / `--config` 可选，指定配置文件路径，默认为 `references/config.json`（相对于执行目录）。建议始终传入绝对路径 `{baseDir}/references/config.json`。
+`-c` / `--config` 可选；省略时自动使用 `{dataRoot}/.image-classify/config.json`。
 
 ## 可用命令一览
 
@@ -63,12 +64,12 @@ uv run {baseDir}/scripts/face_search.py [-c CONFIG_PATH] <command> [args...]
 
 ### 未指定搜索目录时（`search` / `quick-search` / `classify` 共用）
 
-待搜索根目录由脚本内 `get_images_path()` 解析（通常为仓库上级 `images`）。其下按日期命名的子目录（`YYYYMMDD`）为可选搜索范围。
+待搜索根目录为 `{dataRoot}/images`（与 `.image-classify` 同级，由脚本自动解析）。其下按日期命名的子目录（`YYYYMMDD`）为可选搜索范围。
 
 若用户**未说明**搜索目录（或只说「默认目录」「最近上传的」等），**不要猜测路径**，先执行：
 
 ```bash
-uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json list-date-folders
+uv run {baseDir}/scripts/face_search.py list-date-folders
 ```
 
 输出 JSON 字段说明：
@@ -96,20 +97,20 @@ uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json list
 
 **流程**：
 
-1. 获取用户提供的**用户名**、**照片路径**，以及是否绑定 **DM 接收方**（均可选）。用户常以自然语言写出类似：**虾友：xxx，ID:23725**（虾友即 DM 对象；**23725** 即 `friendId`）。解析规则：**xxx** → `--friend-label`；**23725** → `--friend-id`（正整数，与 `send_dm_message.py` 的 `--user-id` / 接口 `userId` 一致）。可只填 `friendId`、不填展示名。
+1. 获取用户提供的**用户名**、**照片路径**，以及是否绑定 **DM 接收方**（均可选）。用户常以自然语言写出类似：**虾友：xxx，ID:23725**。解析规则：**xxx** → `--friend-label`；**23725** → `--friend-id`（正整数）。可只填 `friendId`、不填展示名。
 2. 检查用户名是否已存在：
 ```bash
-uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json check "张三"
+uv run {baseDir}/scripts/face_search.py check "张三"
 ```
 输出：`{"exists": true/false, "name": "张三"}`
 
 3. **如果不存在** → 注册新用户（无虾友号）：
 ```bash
-uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json add "张三" "/path/to/photo.jpg"
+uv run {baseDir}/scripts/face_search.py add "张三" "/path/to/photo.jpg"
 ```
 若用户提供了 `friendId`，追加 `--friend-id <正整数>`；若有展示名，追加 `--friend-label "xxx"`（注意转义或引号，避免 shell 拆词）：
 ```bash
-uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json add "张三" "/path/to/photo.jpg" --friend-label "小李" --friend-id 23725
+uv run {baseDir}/scripts/face_search.py add "张三" "/path/to/photo.jpg" --friend-label "小李" --friend-id 23725
 ```
 输出：`{"success": true/false, "message": "...", "name": "张三", "image_url": "https://...", "friendId": 23725, "friendLabel": "小李"}`（`friendId` / `friendLabel` 仅在实际传入时出现）
    - `success: true` → 提示：`🎉✨ **注册成功** · xxx`，并使用返回的 `image_url` 展示照片：`![image](image_url)`；若返回含 `friendId` / `friendLabel`，可顺带一句已绑定 DM（不必冗长）
@@ -124,19 +125,19 @@ uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json add
    ```
    - **更新照片**：
    ```bash
-   uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json replace "张三" "/path/to/new.jpg"
+   uv run {baseDir}/scripts/face_search.py replace "张三" "/path/to/new.jpg"
    ```
      输出包含 `image_url` 字段。
      - 成功：`✅🔄 **照片已更新** · xxx`，使用 `image_url` 展示照片：`![image](image_url)`
      - 失败：`❌🙈 照片中未发现有效的人脸信息，更新失败！`
    - **重新命名**：
    ```bash
-   uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json rename "张三" "李三"
+   uv run {baseDir}/scripts/face_search.py rename "张三" "李三"
    ```
      - 提示：`✏️📛 **用户名已更新** · xxx → yyy`
    - **保留多张**：
    ```bash
-   uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json append "张三" "/path/to/extra.jpg"
+   uv run {baseDir}/scripts/face_search.py append "张三" "/path/to/extra.jpg"
    ```
      输出包含 `image_url` 字段。
      - 成功：`✅➕ **新照片已追加** · xxx`，使用 `image_url` 展示照片：`![image](image_url)`
@@ -152,7 +153,7 @@ uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json add
 2. 检查用户名是否存在（`check` 命令），不存在则提示：`❌🔍 **未找到该用户** · 请确认姓名后重试`
 3. 使用**子会话**执行搜索（可能耗时较长）：
 ```bash
-uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json search "张三" "<dir>"
+uv run {baseDir}/scripts/face_search.py search "张三" "<dir>"
 ```
 （`<dir>` 为用户指定路径，或从 `list-date-folders` 选中的 `path`。）**命令返回后立刻关闭并删除该子会话。**
 输出：
@@ -178,7 +179,7 @@ uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json sear
 1. 获取用户提供的**照片路径**和**搜索目录**。若**未指定搜索目录**，先按「未指定搜索目录时」列出最近 3 个日期文件夹供选择（支持「更多」），得到 `<dir>` 后再继续。
 2. 使用**子会话**执行搜索（先提取人脸 embedding，再匹配，可能耗时较长）：
 ```bash
-uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json quick-search "/path/to/face.jpg" "<dir>"
+uv run {baseDir}/scripts/face_search.py quick-search "/path/to/face.jpg" "<dir>"
 ```
 **命令返回后立刻关闭并删除该子会话。**
 输出：
@@ -205,7 +206,7 @@ uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json quic
 1. 从用户表述中提取**搜索目录**。若**未指定搜索目录**，先按「未指定搜索目录时」列出最近 3 个日期文件夹供选择（支持「更多」），得到 `<dir>` 后再继续。
 2. 使用**子会话**执行分类（可能耗时较长）：
 ```bash
-uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json classify "<dir>"
+uv run {baseDir}/scripts/face_search.py classify "<dir>"
 ```
 **命令返回后立刻关闭并删除该子会话。**
 输出（节选）：
@@ -260,7 +261,7 @@ uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json clas
 3. 提示确认：`⚠️🗑️ **确认删除用户 xxx？** · 此操作不可撤销`
    - 用户确认 →
    ```bash
-   uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json delete "张三"
+   uv run {baseDir}/scripts/face_search.py delete "张三"
    ```
    提示：`🗑️✨ **用户已删除** · xxx`
    - 用户取消 → 提示：`↩️👋 **已取消删除**`
@@ -273,20 +274,20 @@ uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json clas
 
 - **单用户 `search`**（指定 `--name`）：
 ```bash
-uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json pack --name "张三" --timeout 120
+uv run {baseDir}/scripts/face_search.py pack --name "张三" --timeout 120
 ```
 输出（节选）：`{"success": true, "url": "https://...", "zip_path": "/tmp/.../search_results.zip", "dm": {...}, "dm_lines": [...]}`（有 `friendId` 时含 `dm` / `dm_lines`）  
 成功提示：`📦🔗 **下载链接已就绪** ✨` → `<url>` → 若有 `dm_lines`，再展示「下载链接私信状态」块。
 
 - **`quick-search`（直接搜索）**：结果存于 `quick_search_result`，执行 **不带 `--name`** 的 `pack`（与仅含直接搜索结果时一致）：
 ```bash
-uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json pack --timeout 120
+uv run {baseDir}/scripts/face_search.py pack --timeout 120
 ```
 成功提示：`📦🔗 **下载链接已就绪** ✨` → `<url>`（通常**无**虾友私信，因无注册用户上下文）
 
 - **一键 `classify`**（不指定 `--name`，**每位用户单独打包**）：
 ```bash
-uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json pack --timeout 120
+uv run {baseDir}/scripts/face_search.py pack --timeout 120
 ```
 输出示例（节选）：
 ```json
@@ -319,7 +320,7 @@ uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json pack
 1. 获取用户提供的**图片路径**（支持单张或多张）
 2. 直接执行：
 ```bash
-uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json upload-image "/path/to/a.jpg" "/path/to/b.jpg"
+uv run {baseDir}/scripts/face_search.py upload-image "/path/to/a.jpg" "/path/to/b.jpg"
 ```
 3. 单张时输出：`{"success": true/false, "folder_path": "/abs/path/to/images/YYYYMMDD", "file_path": "/abs/path/to/images/YYYYMMDD/a.jpg", "failed": []}`
 4. 多张时输出：`{"success": true/false, "folder_path": "/abs/path/to/images/YYYYMMDD", "uploaded": [...], "failed": [...]}`
@@ -328,41 +329,40 @@ uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json uplo
 ## Example Workflow
 
 - 用户：「把这张照片添加为张三」
-  1. `uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json check "张三"`
-  2. 不存在 → `uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json add "张三" "/path/to/photo.jpg"`
+  1. `uv run {baseDir}/scripts/face_search.py check "张三"`
+  2. 不存在 → `uv run {baseDir}/scripts/face_search.py add "张三" "/path/to/photo.jpg"`
   3. 提示：`🎉✨ **注册成功** · 张三`
 
 - 用户：「用照片分类器在 /home/photos 下查找张三」
-  1. `uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json check "张三"` → 存在
-  2. 子会话执行 `uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json search "张三" "/home/photos"`
+  1. `uv run {baseDir}/scripts/face_search.py check "张三"` → 存在
+  2. 子会话执行 `uv run {baseDir}/scripts/face_search.py search "张三" "/home/photos"`
   3. 展示结果表格 → `pack --name "张三" --timeout 120` 生成下载链接（见 §6）→ 若有 `dm_lines`，展示下载链接私信状态
 
 - 用户：「用这张照片在 /home/photos 里找找有没有类似的」
-  1. 子会话执行 `uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json quick-search "/tmp/face.jpg" "/home/photos"`
+  1. 子会话执行 `uv run {baseDir}/scripts/face_search.py quick-search "/tmp/face.jpg" "/home/photos"`
   2. 成功 → 展示表格 → `pack --timeout 120`（不带 `--name`）；失败 → 提示未检测到有效人脸
 
 - 用户：「用照片分类器对 /home/album 进行分类」
-  1. 子会话执行 `uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json classify "/home/album"`
+  1. 子会话执行 `uv run {baseDir}/scripts/face_search.py classify "/home/album"`
   2. 展示各用户结果（及分类摘要 `dm_lines` 若有）→ `pack --timeout 120`（多用户各一链接，见 §6）→ 展示链接及 **`pack` 返回的 `dm_lines`**（下载链接私信状态）
 
 - 用户：「删除照片分类器中李四的信息」
-  1. `uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json check "李四"` → 存在
-  2. 提示确认 → 用户确认 → `uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json delete "李四"`
+  1. `uv run {baseDir}/scripts/face_search.py check "李四"` → 存在
+  2. 提示确认 → 用户确认 → `uv run {baseDir}/scripts/face_search.py delete "李四"`
   3. 提示：`🗑️✨ **用户已删除** · 李四`
 
 - 用户：「把这些图片放到待搜索目录」
-  1. `uv run {baseDir}/scripts/face_search.py -c {baseDir}/references/config.json upload-image "/tmp/a.jpg" "/tmp/b.jpg"`
+  1. `uv run {baseDir}/scripts/face_search.py upload-image "/tmp/a.jpg" "/tmp/b.jpg"`
   2. 全部成功后提示：`✅📤 **已放入待搜索目录** → <folder_path> ✨`
 
 ## Notes
 
-- 建议始终通过 `-c` 传入 `{baseDir}/references/config.json` 的绝对路径，避免相对路径导致找不到配置文件。
+- 配置与注册照片位于 `{dataRoot}/.image-classify/`；一般无需传 `-c`。首次运行若尚无 `.image-classify/config.json`，会按顺序从 `{dataRoot}/.references/` 或 `{baseDir}/references/` 迁移并删除旧目录。
 - `search`、`quick-search` 和 `classify` 可能耗时较长（取决于搜索目录中的图片数量），应在**子会话**中执行；**结束后立即关闭并删除该子会话**，再将结果展示与 `pack` 放在**主会话**中完成。
 - `images/` 目录用于存放待搜索图片；`upload-image` 内部会创建当天目录并串行逐张处理图片。
 - 搜索过程中会在图片所在目录下创建 `.embedding` 隐藏目录缓存 embedding 结果，后续搜索同一目录会自动跳过已处理的图片。
 - `pack` 与 `copy` 均依赖 `config.json` 中保存的搜索结果（`search_result` 或 `quick_search_result` 等），须先执行 `search`、`classify` 或 `quick-search`。默认流程只需 **`pack`**；`copy` 为可选，由用户另行提出时再执行。
-- **`classify`** 会向 `friendId` 发**分类结果摘要**；**`pack`** 会向 `friendId` 发**打包下载链接**（两次私信、用途不同）；若只需其一，可后续再改脚本或配置（当前实现为两者都发）。
-- `pack` 的压缩文件存放在系统临时目录中，上传完成后可忽略清理。上传超时默认 120 秒，文件特别大时可通过 `--timeout` 增大。
-- `config.json` 中的 `query_threshold`（默认 0.5）控制人脸检测置信度阈值，`search_similarity_threshold`（默认 0.3）控制搜索匹配的最低相似度。
+- 已绑定 `friendId` 的用户：**`classify`** 会推送分类结果摘要；**`pack`** 会推送打包下载链接（两次私信、用途不同）。
+- `pack` 的压缩文件在系统临时目录，上传完成后可忽略。默认上传超时 120 秒，大文件可通过 `--timeout` 增大。
 - `{baseDir}` 指本 skill 根目录（如 `skills/image-classify`），调用时替换为实际绝对路径。
 - `friendId`（虾友号）与可选 `friendLabel` 写在用户条目下；**注册时**通过 `add ... --friend-id` / `--friend-label` 写入。后续若需修改可编辑 `config.json`（本 skill 未单独提供改绑子命令）。旧键名仍兼容读取。

package/skills/image-classify/src/pyproject.toml

@@ -0,0 +1,11 @@
+[project]
+name = "image-classify"
+version = "1.0.5"
+description = "Photo classifier by face embedding similarity"
+requires-python = ">=3.10"
+dependencies = [
+    "opencv-python-headless>=4.8.0",
+    "numpy>=1.24.0",
+    "requests>=2.28.0",
+    "sophnet-tools>=0.0.1",
+]