feat(v3): 人物模块重构 - 大模型结构化特征值替代 OpenCV 帧定位。prompt 增加 person_appearances(uid+7特征+action)并重写合并 prompt(稳定特征优先比对)；gemini 透传特征字段；oracle_db events/people 加 person_appearances_json/features_json/display_uid + _merge_features；video_processor 去 cv2 改 ffprobe 校验、_store_result 聚合 uid 特征落 people、删缩略图/事件截图；person_service 聚合特征后基于特征文本 LLM 合并；api_gateway 删 3 个图接口；NAS 镜像+DDL 加新字段；fam-ui 特征卡替代头像、事件时间线人物特征块

fam-edge/src/fam_edge/ai_orchestrator/prompts.py

@@ -6,8 +6,10 @@ Prompt 模板 - 集中管理，避免 gemini/nvidia 适配器各维护一份导
   2. timestamp 统一"视频内相对时间 HH:MM:SS"，消除绝对/相对歧义
   3. 人物命名: 已知成员用真名，未知用"人物A/B/C"本视频内临时编号，
      并强制 people_mentioned = events 内出现人物去重后的集合（下游合并依赖）
-  4. 输出硬约束: 首字符必须是 {，禁止思考过程/markdown/解释
-  5. 边界情况: 无人/空视频/看不清 -> 空 events + summary 说明，不凑数
+  4. 人物特征: 每个人物在每个 event 里输出 person_appearances，含 uid + 结构化特征
+     文本（性别/年龄段/身形/发型/衣着/面部/辨识点）；下游靠特征值跨视频绑定同一身份
+  5. 输出硬约束: 首字符必须是 {，禁止思考过程/markdown/解释
+  6. 边界情况: 无人/空视频/看不清 -> 空 events + summary 说明，不凑数
 """
 from typing import Optional
 
@@ -44,6 +46,21 @@ def build_video_prompt(known_members: str, event_start_time: str,
       "timestamp": "HH:MM:SS",
       "description": "该时刻画面的详细描述：人物身份、动作细节、位置移动、交互对象、姿态/手势/朝向、手中物品、周围环境",
       "people": ["人物标识"],
+      "person_appearances": [
+        {{
+          "uid": "人物A",
+          "features": {{
+            "gender": "男",
+            "age_band": "中年",
+            "build": "瘦高",
+            "hair": "短发黑色",
+            "clothing": "红色卫衣+深色长裤",
+            "face": "蓄须",
+            "distinguishing": "左手戴手表"
+          }},
+          "action": "走向沙发坐下"
+        }}
+      ],
       "is_attention_event": false
     }}
   ],
@@ -74,12 +91,27 @@ def build_video_prompt(known_members: str, event_start_time: str,
 4. people: 该时刻出现的人物标识。已知成员用真名，未知人物用「人物A」「人物B」
    本视频内连续编号（同一人保持同一编号）。只填标识本身，不要带括号注释
    （如只写"人物A"，不要写"人物A（别名/标识：人物B）"）。
-5. people_mentioned: 必须等于 events 中所有 people 字段出现过的标识去重后的集合。
+5. person_appearances: 该时刻出现的每个人物的结构化特征 + 动作。必填字段说明:
+   - uid: 与 people 数组里的标识完全一致（同一人同一 uid）。
+   - features: 客观可见特征，必须包含以下 7 个子字段，看不清的写 "unknown"，绝不留空:
+     * gender: 性别（男/女/unknown）
+     * age_band: 年龄段（幼儿/儿童/少年/青年/中年/老年/unknown）
+     * build: 身材（如 瘦高/中等/偏胖/壮实/矮小/unknown）
+     * hair: 发型与颜色（如 短发黑色/长发棕色/秃顶/unknown）
+     * clothing: 当下衣着（如 红色卫衣+深色长裤/白色T恤+牛仔裤/unknown）
+     * face: 面部特征（如 蓄须/戴眼镜/圆脸/unknown）
+     * distinguishing: 辨识点（如 左手戴手表/右脸有痣/跛行/无）
+   - action: 该人物在本时刻的动作（与 description 里该人物动作一致，单独抽出便于检索）。
+   特征硬约束:
+     * 客观描述可见特征，不猜测、不推断、不编造（看不清的字段写 unknown，不要靠常识猜性别/年龄）。
+     * 同一 uid 在视频多个 event 出现时，features 字段保持一致（衣着变了再如实更新 clothing，
+       但 gender/age_band/build/face 必须稳定）。
+6. people_mentioned: 必须等于 events 中所有 people 字段出现过的标识去重后的集合。
    一致性强制：events 里出现的标识必须都在 people_mentioned 里，反之亦然。
-6. is_attention_event: 跌倒、危险动作、异常哭闹、陌生人闯入、身体不适等需关注事件
+7. is_attention_event: 跌倒、危险动作、异常哭闹、陌生人闯入、身体不适等需关注事件
    填 true，否则 false。关注事件的 event 仍按上述密度规则抽取，但 description 须明确
    说明"异常"点（如"张三在 00:01:15 跌坐在地，身体向右侧倾，双手撑地"）。
-7. global_summary: 客观描述，不猜测、不想象、不编造。须包含：谁在画面中、主要活动、
+8. global_summary: 客观描述，不猜测、不想象、不编造。须包含：谁在画面中、主要活动、
    是否有关注事件、时段大致结构。
 
 【已知家庭成员】
@@ -124,9 +156,10 @@ def build_person_merge_prompt(unnamed_lines: str) -> str:
     """构建人物合并 prompt（person_service._llm_merge 用）。
 
     Args:
-      unnamed_lines: 待合并人物的场景描述，每行 "- label：出现场景 ..."
+      unnamed_lines: 待合并人物的特征文本，每行 "- uid：特征=...; 特征=..."
+        （features_json 渲染而来的文本，供 LLM 判断是否同一人）
     """
-    return f"""你是家庭监控人物汇总助手。下面是若干人物标识及其出现场景描述。
+    return f"""你是家庭监控人物汇总助手。下面是若干人物标识及其结构化特征描述。
 请判断哪些标识指向同一个人，并为每个人输出一个稳定的规范名。
 
 【输出格式】
@@ -140,5 +173,12 @@ def build_person_merge_prompt(unnamed_lines: str) -> str:
 3. 无法判断是否同一人的，保守不合并（各保留独立规范名）。
 4. 规范名必须在输出中唯一：多个原标识可映射到同一规范名，但同一规范名只指向一个人。
 
+【判断依据】
+- 优先比对 gender / age_band / build / face 这四个稳定特征（不会在同一天内变化）。
+- hair / clothing 会变化，仅作辅助；仅靠 clothing 相同不足以合并，仅靠 hair 不同不足以拆分。
+- distinguishing 辨识点（如手表/痣/跛行）是强证据，一致时倾向合并。
+- 任一稳定特征明确冲突（如一个写"男"一个写"女"），绝不合并。
+- 任一关键特征缺失（"unknown"）时，其他特征一致性需更强才合并；拿不准保守不合并。
+
 【待处理人物】
 {unnamed_lines}"""