/root/.openclaw/workspace/tasks/task-keyence-r3a/task.md/root/.openclaw/workspace/tasks/task-keyence-r3a/session.md对「少样本/单样本目标检测（Few-shot / One-shot Object Detection）」领域做广度搜索，快速摸清该领域的主要算法类别、代表性工作、数据集，以及 CPU 上可用的轻量化方案，为 R3b 的深度研究奠定基础。
任务重点：1-5张训练图片即可使用，支持CPU训练和推理，适用于工业检测场景。
researcher → 爱衣质检
agent:researcher:main）任务：对少样本目标检测领域进行广度搜索（Search模式），快速建立领域地图。
搜索目标（必须覆盖以下维度）：
1. 算法分类：
- Meta-learning 类（MAML、Prototypical Networks、Relation Network）
- Metric learning 类（Siamese Network、Matching Networks）
- Fine-tuning 类（TFA、FSCE、DeFRCN）
- Template matching 类（传统 vs 深度学习增强）
- 检测-分割联合类（Mask R-CNN few-shot 变体）
- 近年新方向（CLIP-based、ViT-based few-shot detection）
2. CPU 友好方案：
- MobileNet / MobileNetV3 + few-shot
- EfficientDet-Lite / NanoDet
- YOLO-nano / YOLOv8n
- 量化 + CPU推理（INT8 / ONNX Runtime）
- 工业检测的轻量化方案
3. 标准数据集：COCO few-shot、PASCAL VOC few-shot、FSDetView
4. 工业应用：工业缺陷检测、外观检测中的少样本方案
搜索策略（Search模式）：
- SearXNG 广度搜索：8条查询
- "few-shot object detection" survey 2024 2025
- "one-shot object detection" industrial inspection CPU
- few-shot detection meta-learning MAML prototypical
- few-shot object detection lightweight mobile CPU inference
- "few-shot" defect detection visual inspection industry
- few shot detection template matching deep learning
- 少样本目标检测 综述 工业检测
- one shot detection CLIP ViT foundation model
- search.py 定向：
- arxiv × 10（few-shot object detection survey）
- openalex × 8（few-shot detection lightweight CPU）
- github × 8（few-shot object detection）
- hackernews × 5（few-shot detection）
- top 5-8 页面提取正文
输出要求：
- 报告路径：/root/.openclaw/workspace-researcher/reports/few-shot-detection-breadth-survey.md
- 执行日志：追加到 /root/.openclaw/workspace/tasks/task-keyence-r3a/session.md
- freshness_type: academic
- 来源数量目标：≥ 25 条
开始时：
1. 发工作日志：
bash
/root/.openclaw/workspace/scripts/log-to-channel.sh researcher receive "少样本目标检测广度搜索" task-keyence-r3a
完成后：
1. 将执行日志追加到 session.md
2. 发工作日志：
bash
/root/.openclaw/workspace/scripts/log-to-channel.sh researcher handoff "少样本目标检测广度搜索" main task-keyence-r3a
3. sessions_send 通知爱衣（agent:main:main，必须传 timeoutSeconds=0，禁止省略）：
task_id=task-keyence-r3a
task=/root/.openclaw/workspace/tasks/task-keyence-r3a/task.md
du -sb /root/.openclaw/workspace/tasks/task-keyence-r3a/
wc -l /root/.openclaw/workspace/tasks/task-keyence-r3a/session.md
若行数 N > 0，read session.md 全文。
任务特定检查：
- 是否覆盖了至少 4 种不同的算法类别（meta-learning/metric/fine-tuning/template）？
- 是否有明确的 CPU 可用方案列表（至少 3 个）？
- 是否有 arXiv 论文引用（URL 可供 R3b 使用）？
- 是否有工业检测相关的应用案例？
- 来源数量是否 ≥ 20 条？
通过 →
1. 发工作日志（R3a完成）：
bash
/root/.openclaw/workspace/scripts/log-to-channel.sh main done "少样本目标检测广度搜索" task-keyence-r3a
2. message 主人，告知 R3a 质检通过，等待指示是否启动 R3b。
不通过（rejectCount == 0） →
1. 分析问题，创建 task-keyence-r3a-retry1
2. 在原 session.md 末尾追加 rejectCount=1
3. sessions_send 给 researcher
4. 发工作日志：
bash
/root/.openclaw/workspace/scripts/log-to-channel.sh main retry "少样本目标检测广度搜索" "researcher → main" researcher 1 task-keyence-r3a
rejectCount >= 1 →
1. 发工作日志：
bash
/root/.openclaw/workspace/scripts/log-to-channel.sh main fail "少样本目标检测广度搜索" task-keyence-r3a
2. message 主人，请裁决