用 AI 视觉模型检查护照照片

用 AI 视觉模型检查护照照片

一个手动启动的 n8n 工作流。它先列出五个 Google Drive 链接，下载每张照片，把大于 1024 像素的缩小。每张照片再交给 Google Gemini 视觉模型，提示词里写着英国政府的数码护照照片规则。模型对每张照片返回一个合格与否的结论、对人物和背景的描述，以及一份理由清单。

包里有什么

• workflow.json：n8n 导出的工作流，八个节点和三张便签。里面没有任何凭据。
• README.md：这份设置说明，压缩包里的是英文版。

我们相对原来的副本改了什么

• 模型节点原来调用的是 gemini-1.5-pro-latest，Google 已不再列出它。现在改为调用 models/gemini-3.8-flash，Google 的模型页面（2026 年 11 月 12 日查阅）把它列为稳定版，支持图片输入。
• Photo URLs 里的五个 Drive 链接原来指向作者自己的文件。现在每个文件 id 都是占位符，从 <YOUR_PHOTO_1_FILE_ID> 到 <YOUR_PHOTO_5_FILE_ID>。
• Google Drive 和 Google Gemini 节点与作者那边 n8n 里凭据的关联已删掉，请选你自己的。
• 别的都没改。文件里没有 Code 节点。

开始之前

• 一个 n8n 实例，n8n Cloud 或自己的服务器都行。Edit Image 节点用到 GraphicsMagick，n8n 的 Docker 镜像里已经带了。
• 一个能打开这些照片的 Google 账号，作为 Google Drive 凭据连接到 n8n。
• 一个 Gemini API 密钥，用来建 Google Gemini 凭据。
• 那个 Drive 里最多五张测试用的人像。

设置

1. 在 n8n 里新建一个工作流，打开它的菜单，选 Import from File，选中 workflow.json。
2. 添加一个 Google Drive 凭据，在 Download Photos 里选中它。
3. 用你的密钥添加一个 Google Gemini (PaLM) API 凭据，在 Google Gemini Chat Model 里选中它。
4. 在 Photo URLs 里，把每个占位符换成一张照片的文件 id。它就是照片 Drive 链接里 /d/ 和 /view 之间的那段文字。想改名的话，可以改掉 portrait_1 到 portrait_5。
5. 点 Test workflow 按钮，再打开 Passport Photo Validator 看结论。

一次运行的过程

1. When clicking ‘Test workflow’ 启动它。
2. Photo URLs 列出五个条目，每个有名称和一个 Drive 链接。Photos To List 把它拆成五个条目。
3. Download Photos 按链接从 Drive 取每个文件，放进二进制字段 data。
4. Resize For AI 只在照片更大时，把它缩到 1024 乘 1024 像素以内。更小的照片原样通过。
5. Passport Photo Validator 把规则、任务和图片作为图像消息发给模型。图片从 data 读取，这是节点默认的字段名。
6. Structured Output Parser 把回复整理成三个字段：is_valid、photo_description 和 reasons。模型对每张照片回答一次，所以五张照片得到五个条目。

改变风格

• 哪些照片：Photo URLs 里的清单，或用别的来源代替 Drive 和 Photos To List。
• 规则：Passport Photo Validator 里的系统消息，规则就是里面的纯文字。
• 回答：Structured Output Parser 里的 schema。
• 模型：Google Gemini Chat Model，或任何能读图片的聊天模型。
• 图片尺寸：Resize For AI 里的宽和高。

注意事项

• 没有任何节点保存结论。它们只存在于这次运行里，直到你在 Passport Photo Validator 后面加一个 Google Sheets、数据库或邮件节点。
• 结论里不重复照片的名称。请按 Photo URLs 里的顺序，把五个条目和清单对上。
• 模型只看得到图片。它量不出像素和文件大小，所以关于宽度、高度和 50KB 到 10MB 的规则并没有被检查，太小的照片也可能通过。这些请另外检查。
• 提示词里的规则是从英国政府的护照照片页面照搬来的。依赖它之前，请和那个页面对一下，用于别的国家时要改掉。
• 模型可能判断错反光、阴影或表情。用结论来分拣照片，要紧的几张交给真人拍板。
• 照片会发给 Google 的 Gemini API，而且拍的是人。请确认你的隐私声明和照片里的人都允许这样做。
• 每张照片是一次带图片的模型调用，所以五张照片就是五次调用。
• Drive 的访问跟着凭据走。你连接的账号必须能打开每一个文件。