如何用GPT-5.2 Vibe Coding打造人脸相似度问答应用？

在做人脸相关的产品时，很多系统都会直接给出一个“是否同一人”的结论。但在不少场景下，这种二元判断其实有点无聊——我们更关心的往往是：到底有多像？ 你可以把它当成一个小实验来玩：对比自己年轻时和现在的照片，看看变化有多大；把孩子的照片和父母分别比一比，看看更像谁；或者试试兄弟姐妹在不同年龄、不同光线下的相似程度。 Face Metric 就是这样一个尝试： 它不是做人脸验证（verification），而是返回一个连续的人脸相似度分数，把判断权交给使用者。 本文主要记录这个项目的设计思路、后端算法选择，以及一些工程上的取舍。 源代码：https://github.com/neozhu/face-metric Demo: https://face-metric.blazorserver.com/ 项目概览 Face Metric 是一个暗色风格优先的 Web 应用，功能非常简单： 上传或拍摄两张人脸照片 点击 Compare 得到一个 0–100% 的相似度结果（动画圆环展示） 整体结构是典型的前后端分离： apps/ web/ Next.js UI api/ FastAPI service specs/ 产品与工程规格说明 前端负责交互和展示，后端只做一件事：给两张图片算一个相似度。 为什么不直接用“是否同一人”？ 在调研人脸识别库时会发现，大多数 API 都是围绕 verification 设计的，本质是： embedding → distance → threshold → yes / no 但阈值本身是一个非常“上下文相关”的东西： 安防场景和娱乐应用的容忍度完全不同 不同模型、不同数据分布，阈值也不同 Face Metric 的选择是干脆不做阈值判断，只返回一个连续值，让上层系统自己决定怎么用。 后端算法流程 后端基于 DeepFace，但并不是“直接调一个函数返回结果”，而是把流程拆开，尽量让每一步都可控。 1. 图片解码与校验 校验类型和大小 只在内存中处理，不落盘 单次请求生命周期结束即释放 这一点主要是为了隐私和部署简单。 2. 人脸检测与对齐 使用 DeepFace 的检测与对齐能力： 默认检测器：RetinaFace enforce_detection=True align=True 这里的策略很明确： 宁可失败，也不猜。 如果任意一张图里检测不到人脸，API 会直接返回错误，而不是给一个“看起来合理”的分数。 3. 特征向量（Embedding） 默认模型选择的是 ArcFace，原因很简单： 在人脸识别领域成熟 embedding 判别性强 社区和工程实践都比较稳定 同时加了一个兜底模型： 主模型失败 → 回退到 Facenet512 这不是为了追求“更高精度”，而是提升工程稳定性。 4. 距离计算 对于每一个成功生成 embedding 的模型： 使用 cosine distance 得到一个 [0, +∞) 的距离值 cosine 距离在高维 embedding 场景下表现比较稳定，也便于后续做线性映射。 5. 多模型融合（可选） 如果多个模型都成功： 对它们的 cosine distance 取平均 得到一个 fused distance 这一步的目标不是“集成学习”，而是降低单模型偶发波动。 6. 相似度映射 最后一步非常直接： similarity = clamp(1 - fused_distance, 0..1) 不做 sigmoid 不做复杂归一化 不引入任何“经验阈值” UI 端只负责把它渲染成百分比。 前端的一点取舍 前端用 Next.js，设计上刻意保持克制： 深色背景，减少对照片的干扰 动画只用在结果出现的一瞬间 不提示“是否同一人”，只展示数值 UI 的目标不是“显得智能”，而是让结果本身更容易被理解。 关于隐私 这个项目在设计时有几个明确原则： 图片只存在于内存 不写磁盘、不做缓存 不记录历史请求 Face Metric 更像一个“计算器”，而不是一个“系统”。 本地运行与部署 为了降低体验成本： Web + API 可以本地直接跑 也提供单镜像 Docker Compose 不需要额外环境变量 工程上尽量做到：clone → run → 用。