用途：面向 VCN AOI 迭代，执行确定性的 DEFT「先嵌入再挖掘」流程。输入弱目标图像 parquet（如 gap 分析或路由输出）与源图池，最终产出与目标相似、去重后的源图 parquet，供下一轮训练消费。
主要能力：一是对目标图像做嵌入；二是对源池做嵌入；三是按最近邻从源池中挖掘相似图像，支持 topn、knn_metric、filter_by_label 等参数，并输出去重后的单列 filepath parquet，同时生成 mining_summary.txt（查询数、邻居数、去重数、标签过滤保留/丢弃对数）。
使用方式：三个步骤依次执行，每步输出为下一步输入。嵌入用 embedding image_embeddings -e <embedding_spec.yaml>，挖掘用 tmm nearest_neighbors -e <mining_spec.yaml>，均通过 docker run 调用 tao_toolkit.data_services 镜像；-e 指向 YAML 默认值，运行期路径用 Hydra 覆盖（key=value）。两步嵌入必须使用同一个 spec，避免编码器不一致。
限制与前置：依赖 Docker、NVIDIA 容器工具链与 GPU（嵌入前向与 cuML/cuDF 最近邻搜索均需 CUDA）；所有读写路径需 bind mount，建议容器内外路径一致；源池若为 CSV 需先转 parquet；filter_by_label=true 但缺 label 列时会告警并跳过过滤；topn×N_targets 超过源池规模属预期现象。输出建议放入带时间戳目录，报告 600–1200 字，含 Verdict、Inputs、Encoder Consistency、Mining Run、Per-Label Breakdown、Output Sanity、Recommended Actions 七部分。