feat: 添加場景識別 Playground API 整合

新增:
- scripts/test_scene_api.py - API 測試腳本
- docs_v1.0/IMPLEMENTATION/SCENE_API_INTEGRATION.md - API 整合指南

功能:
- ✅ GET /api/v1/scene/:uuid endpoint 設計
- ✅ Python 測試腳本
- ✅ 完整使用文檔
- ✅ Python 整合範例

使用方式:
```bash
# 啟動 Playground (port 3003)
cargo run --bin momentry_playground -- server --port 3003

# 測試場景識別
python3 scripts/test_scene_api.py <video_uuid>
```

目前狀態:
- ✅ Python 場景識別功能正常
- ✅ API endpoint 設計完成
- ⏳ Rust 完整實作進行中
- 📄 完整文檔已建立

docs_v1.0/IMPLEMENTATION/SCENE_API_INTEGRATION.md

@@ -0,0 +1,141 @@
+# 場景識別 API 整合指南
+
+## 概述
+
+本文檔說明如何在 Playground (port 3003) 中使用場景識別功能。
+
+## API Endpoint
+
+### 場景識別
+
+**Endpoint**: `GET /api/v1/scene/:uuid`
+
+**描述**: 對指定影片執行場景識別
+
+**參數**:
+- `uuid` (path): 影片 UUID
+
+**回應格式**:
+```json
+{
+  "video_uuid": "384b0ff44aaaa1f1",
+  "scenes": [
+    {
+      "start_time": 0.0,
+      "end_time": 156.0,
+      "scene_type": "office",
+      "scene_type_zh": "辦公室",
+      "confidence": 0.87,
+      "duration": 156.0
+    }
+  ],
+  "processing_time": 1.3
+}
+```
+
+## 使用方式
+
+### 1. 啟動 Playground 伺服器
+
+```bash
+# 使用 port 3003
+cargo run --bin momentry_playground -- server --host 0.0.0.0 --port 3003
+```
+
+### 2. 測試場景識別
+
+```bash
+# 使用測試腳本
+python3 scripts/test_scene_api.py <video_uuid>
+
+# 範例
+python3 scripts/test_scene_api.py 384b0ff44aaaa1f1
+```
+
+### 3. 直接使用 curl
+
+```bash
+curl -H "X-API-Key: muser_68600856036340bcafc01930eb4bd839_1774418104_97221b69" \
+  "http://localhost:3003/api/v1/scene/384b0ff44aaaa1f1"
+```
+
+## Python 整合範例
+
+```python
+import requests
+
+API_KEY = "muser_68600856036340bcafc01930eb4bd839_1774418104_97221b69"
+BASE_URL = "http://localhost:3003"
+
+def classify_scene(video_uuid):
+    """執行場景識別"""
+    response = requests.get(
+        f"{BASE_URL}/api/v1/scene/{video_uuid}",
+        headers={"X-API-Key": API_KEY}
+    )
+    
+    if response.status_code == 200:
+        return response.json()
+    else:
+        raise Exception(f"API error: {response.status_code}")
+
+# 使用範例
+result = classify_scene("384b0ff44aaaa1f1")
+print(f"場景數量：{len(result['scenes'])}")
+for scene in result['scenes']:
+    print(f"  - {scene['scene_type']} ({scene['confidence']*100:.1f}%)")
+```
+
+## 目前狀態
+
+### 已完成 ✅
+- ✅ 場景識別 Python 腳本 (`scripts/scene_classifier.py`)
+- ✅ Places365 380 個場景類別
+- ✅ API 測試腳本 (`scripts/test_scene_api.py`)
+- ✅ Rust API handler 設計
+
+### 進行中 ⏳
+- ⏳ Rust API endpoint 完整實作
+- ⏳ 與資料庫整合
+- ⏳ 錯誤處理優化
+
+### 已知限制
+- Rust API endpoint 需要完整實作以支援資料庫查詢
+- 目前建議使用 Python 腳本直接測試
+
+## 故障排除
+
+### 問題：API 回應 404
+
+**可能原因**:
+- 影片 UUID 不存在
+- Playground 伺服器未啟動
+
+**解決方案**:
+```bash
+# 檢查伺服器狀態
+curl http://localhost:3003/health
+
+# 檢查影片是否存在
+curl -H "X-API-Key: ..." "http://localhost:3003/api/v1/videos"
+```
+
+### 問題：處理時間過長
+
+**建議**:
+- 減少取樣頻率 (`--sample-interval`)
+- 增加最小場景持續時間 (`--min-scene-duration`)
+- 使用 Places365 Core ML 模型（而非 PyTorch）
+
+## 相關文檔
+
+- `docs_v1.0/IMPLEMENTATION/SCENE_CLASSIFICATION_MODULE.md` - 模組使用手冊
+- `docs_v1.0/IMPLEMENTATION/PLACES365_INSTALLATION.md` - 模型安裝指南
+- `docs_v1.0/TESTING/SCENE_CLASSIFICATION_TEST_REPORT_2026_04_01.md` - 測試報告
+
+## 下一步
+
+1. 完成 Rust API endpoint 實作
+2. 整合資料庫查詢
+3. 添加異步處理支援
+4. 優化效能和記憶體使用

scripts/test_scene_api.py

@@ -0,0 +1,67 @@
+#!/usr/bin/env python3
+"""測試場景識別 API"""
+
+import requests
+import json
+import sys
+
+API_KEY = "muser_68600856036340bcafc01930eb4bd839_1774418104_97221b69"
+BASE_URL = "http://localhost:3003"
+
+def test_scene_classification(video_uuid: str):
+    """測試場景識別 API"""
+    print(f"測試場景識別 API: {video_uuid}")
+    print(f"API URL: {BASE_URL}/api/v1/scene/{video_uuid}")
+    
+    headers = {
+        "X-API-Key": API_KEY
+    }
+    
+    try:
+        response = requests.get(
+            f"{BASE_URL}/api/v1/scene/{video_uuid}",
+            headers=headers,
+            timeout=300
+        )
+        
+        print(f"\nHTTP 狀態碼：{response.status_code}")
+        
+        if response.status_code == 200:
+            result = response.json()
+            print(f"\n✓ 場景識別成功")
+            print(f"處理時間：{result.get('processing_time', 0):.2f} 秒")
+            print(f"場景數量：{len(result.get('scenes', []))}")
+            
+            if result.get('scenes'):
+                print(f"\n場景詳情:")
+                for i, scene in enumerate(result['scenes'][:3]):
+                    print(f"  {i+1}. {scene.get('scene_type')} ({scene.get('confidence', 0)*100:.1f}%)")
+                    print(f"     時間：{scene.get('start_time', 0):.1f}s - {scene.get('end_time', 0):.1f}s")
+            
+            return True
+        else:
+            print(f"\n✗ API 請求失敗：{response.status_code}")
+            print(f"回應：{response.text[:200]}")
+            return False
+            
+    except requests.exceptions.RequestException as e:
+        print(f"\n✗ 請求錯誤：{e}")
+        print("\n請確認:")
+        print("1. Playground 伺服器已啟動 (port 3003)")
+        print("2. API key 正確")
+        print("3. 影片 UUID 存在")
+        return False
+
+def main():
+    if len(sys.argv) < 2:
+        print("使用方式：python3 scripts/test_scene_api.py <video_uuid>")
+        print("\n範例:")
+        print("  python3 scripts/test_scene_api.py 384b0ff44aaaa1f1")
+        sys.exit(1)
+    
+    video_uuid = sys.argv[1]
+    success = test_scene_classification(video_uuid)
+    sys.exit(0 if success else 1)
+
+if __name__ == "__main__":
+    main()