2026-06-18 16:30:26 +08:00
# AI 穿搭模块设计
## 1. 文档定位
本文档定义 cmbot「2 AI 穿搭」页签的设计。它是一项独立能力，按 `docs/09` 第 262 行「新能力单独成文」要求成文，不混入印花合成相关文档。
参考来源：同事旧项目「标题生成产品图工具」的分析见 `docs/旧ai穿搭项目.md` 。本模块把该项目验证过的「本地图 + 提示词 → 调 AI 图像 API → 写回 Excel」机制，移植进 cmbot 的分层架构（`app` / `core` / `services` ）。
一句话目标：**以 Excel 为数据源，按行读取「衣服图 + 标题/货号」，套提示词调 AI 图像 API 生成「人物穿着该衣服」的效果图，保存 JPG 并把结果路径写回 Excel。**
## 2. 目标与非目标
### 2.1 目标
- Excel 批量驱动：逐行读取标题、货号、衣服图路径，生成后把结果写回 Excel（与旧项目列约定一致）。
- AI 生成：衣服图作为图像输入 + 提示词（可插标题/货号占位符）→ 生成人物上身/穿搭效果图，保留款式、版型、颜色、印花。
- 复用 cmbot 现有设施：配置（`config_service` / `~/.cmbot` ）、日志、输出目录、后台线程模式、打包/更新，不重造。
- 稳态批量：并发、限速、阶梯重试、温和停止、实时日志、进度与失败清单。
- 分层可测：AI 调用与 Excel 适配放 `services` ，无 GUI 逻辑放 `core` ，关键逻辑有单测。
### 2.2 非目标
- 不改变数据源形态：**输入固定为 Excel**（不在本期改为文件夹/队列；但核心对内部模型工作，将来加别的输入源不必改核心）。
- 不做模特/姿态/背景的精细可视化编辑（由提示词控制，不做画布微调）。
- 不内置 AI 模型，依赖外部中转 API。
- 不照搬旧项目的 bootstrap / offline_runtime / .bat（
## 3. 总体架构
把 Excel 当作 **I/O 适配边界** ，中间用 cmbot 内部数据模型，核心 AI 逻辑与数据源解耦：
```
Excel(数据源，固定)
│ services/excel_service：读行 → List[OutfitTask]（转成内部模型）
▼
core/ai_outfit + services/ai_image_service：
衣服图 + 提示词 → 调 AI 图像 API → 人物上身图（JPG）
│ 复用：并发/日志/配置/进度/~/.cmbot
▼
services/excel_service：把结果写回 Excel（
```
分层落点：
- `core/models.py` ：新增 `OutfitTask` / `OutfitResult` （纯数据，无 PySide6）。
- `services/excel_service.py` ：Excel 读取、写回、占用检测、跳过/重试判断。
- `services/ai_image_service.py` ：移植旧项目 `ImageApiClient` （多模型、多请求格式、传图、取图、重试、超时）。
- `core/ai_outfit.py` （或 service 内）：单行生成的纯逻辑编排（提示词渲染、调用、保存、产出结果），可单测。
- `app/widgets/ai_outfit_panel.py` + 主窗口「2 AI 穿搭」页签：界面与后台线程（`QThread` + `Worker(QObject)` + 信号）。
## 4. Excel 适配（数据源）
沿用旧项目列约定（固定，先不做可配置）：
| 列 | 含义 | 读/写 |
|---|---|---|
| A | 标题 | 读 |
| B | 货号（商品 ID）
| C | 衣服图路径（本机绝对路径） | 读 |
| D | 生成结果图片路径 | 写回 |
| E | 完成状态：`完成` / `失败` （空=未处理） | 写回 |
| F | 失败原因（仅人工查看） | 写回 |
规则：
- 默认读第一个工作表，第 1 行表头，从第 2 行开始。
- **跳过 E=`完成` 的行**；是否处理 E=`失败` 的行由界面「重试失败行」决定（勾选则处理「空白 + 失败」，否则只处理「空白」）。
- 标题/货号/衣服图任一为空 → 跳过该行，不写状态、不中断。
- 字段按原样读取，不清理空格、不回写清理值。
- **开始前检测 Excel 是否被占用**（
- **每处理完一行即保存 Excel**（降低崩溃丢结果风险）。
- 成功 → D=新图绝对路径、E=`完成` ；失败 → E=`失败` 、F=原因（同步写日志）。
## 5. 内部数据模型
`core/models.py` 新增（纯 dataclass，
- `OutfitTask` ： `row_index:int` 、`title:str` 、`product_id:str` 、`garment_path:str` 、`status:str` （待处理/完成/失败）。
- `OutfitResult` ： `task` 、`success:bool` 、`output_path:str` 、`error:str` 、`attempts:int` 。
Excel 行 → `OutfitTask` 列表的转换由 `excel_service` 完成；核心只认 `OutfitTask` ，因此将来换数据源只需另写适配器。
## 6. AI 图像服务（移植旧项目）
`services/ai_image_service.py` 移植旧项目 `ImageApiClient` ，要点（详见 `docs/旧ai穿搭项目.md` §5.1/5.2）：
- **多模型配置**： `url / model / api_key / api_type / timeout_seconds / connect_timeout_seconds / extra_body` ，记住上次所选模型。
- **多请求格式**（按 `api_type` ： `auto/chat/gemini/images/images_edits` ）：
- chat（ `/v1/chat/completions` ）：`messages[].content` = `{type:text}` + `{type:image_url, image_url:{url:data_url}}` 。
- gemini（ `generateContent` ）：`contents[].parts` = `{text}` + `{inlineData:{mimeType,data}}` 。
- images： `{model,prompt,image_urls:[data_url],aspect_ratio,resolution,n}` 。
- images_edits： `data` + `files={"image":...}` 。
- **传图**：本地衣服图 → `data:<mime>;base64,...` （
- **取图**：递归遍历响应 JSON 找 base64 / data-url / 图片 URL（再下载），对中转 API 结构差异强兼容。
- **URL 归一化**、`extra_body` 合并、字段校验（缺 `url/model/api_key` 时阻止开始）。
> Python 3.7 注意：旧项目用了 `dict[str, Any]` 等 PEP 585 写法，移植时需 `from __future__ import annotations` 或改用 `typing.Dict`，以兼容 cmbot 的 Python 3.7.9。
## 7. 提示词
- 提示词模板存 `~/.cmbot/config/outfit_prompt.txt` ，界面可查看/编辑/保存；点「开始」前自动保存一次。
2026-06-22 09:16:04 +08:00
- 占位符：仅 `{title}` （标题）；界面只提供「插入标题」按钮，把占位符插入光标处。货号（`product_id` ）不进提示词——它只用于 Excel B 列读取与输出文件命名（`货号.jpg` ），不影响 AI 生成内容。（`render_prompt` 仍会替换偶然出现的 `{product_id}` ，保持兼容，但界面不再引导插入。）
2026-06-18 17:11:56 +08:00
- **「保存话术」按钮**：把当前编辑的模板原文（占位符原样保留，**不**存替换后的结果）经 `config_service` 写入 `outfit_prompt.txt` 。用途是"改完先存、暂不开跑"并给用户明确反馈；与"开始前自动保存"并存、互为兜底（保留按钮是有意为之，对非技术用户更安心）。
2026-06-22 09:35:52 +08:00
- **最终提示词预览（内嵌、不弹窗）**：左栏话术编辑下方常驻一块只读预览区，编辑话术时实时把占位符替换成样本行真值，显示最终要发送给 AI 的完整文字。样本行下拉默认取明细表当前选中行、没选则取第一条待处理行；未选 Excel / 无可预览行时显示带高亮占位符的模板原文 + 提示；缺 `{title}` 占位符时在预览区提示。预览只读，不改话术本身。（早期设计为弹窗 `QDialog` ，因调话术需"边改边看"改为内嵌。）
2026-06-18 16:30:26 +08:00
- 缺标题占位符时开始前弹窗询问是否继续。
- 默认话术方向（穿搭/上身，区别于旧项目的主图场景，需另调）：人物上身实穿、保留衣服款式/版型/颜色/印花、合适身材与场景、电商可用、默认纯净不加促销牛皮癣。
2026-06-22 10:35:11 +08:00
### 7.1 自动附加「批量生成输出要求」
最终发给 AI 的提示词 = **用户话术（替换 `{title}` 后）** + **一段自动附加的输出要求** （移植自旧项目 `app/main.py` 的 `render_prompt` ）。用户话术框只写创意部分，结构性要求由程序统一拼接，保证每张图都带：
```
批量生成输出要求：
- 参考解析度：{resolution} ← 动态，取「分辨率」设置（512/1K/2K/4K）
- 固定 1:1 正方形主图
- 必须结合商品标题与参考商品图片
- 服装本身、版型、颜色与图案不可跑版
```
- 仅「参考解析度」动态（= 分辨率设置），其余 3 行固定；**简体文案**（与软件一致）。
- **始终自动附加**（同旧项目，不做开关）。
- 由 `core/ai_outfit.render_prompt(template, task, resolution)` 实现：`resolution` 为空时不附加（保持纯函数单测兼容）；`generate_outfit_image` 生成时传入当前分辨率。
- **左栏「最终提示词预览」必须包含这段**（带当前选中分辨率），否则预览与实际发送不一致；分辨率下拉变化时预览同步刷新。
2026-06-22 11:52:10 +08:00
### 7.2 话术模板（多套命名话术）
把当前"单一一份话术"升级为**多套命名话术**:下拉切换、新建、另存为、重命名、删除、保存;记住上次所选。借鉴印花页「模板」区(`template_panel.py` / `template_service.py` )的范式,但**全部自定义**(不分内置)。
**存储** （ `config_service` 扩展）
- `~/.cmbot/config/outfit_prompts.json` = `[{ "name", "text" }, …]` ,**始终 ≥1 套**。
- 当前选中**名字**存进 `app_config.json` 新键 `outfit_prompt_name` (启动恢复;名字失效则回退第一套)。
- **迁移**:首次无 `outfit_prompts.json` 时——有旧 `outfit_prompt.txt` 就转成一套「默认」,否则用 `DEFAULT_OUTFIT_PROMPT` 建「默认」。
- 新函数 `load_outfit_prompts()` / `save_outfit_prompts(list)` (沿用 utf-8-sig 读、无 BOM 写、损坏回退「默认」那套的约定)。
2026-06-22 14:36:38 +08:00
**界面** （「穿搭生成话术」组，套印花页范式）
2026-06-22 11:52:10 +08:00
2026-06-22 14:36:38 +08:00
- 编辑框**上方一行**:「穿搭生成话术」标签 + 模板下拉；下一行放「新建」「另存为」「重命名」「删除」。
2026-06-22 11:52:10 +08:00
- 编辑框**下方**:保留「插入标题」「保存」。
- 左栏约 360px,5 个模板按钮偏多 → 实现时可排两行或用紧凑小按钮。
**行为**
- **切换 / 重命名 / 删除 / 新建 / 另存为之前**:若编辑框与当前套已存文本不同（脏）→ 弹「是否保存当前修改?」(保存 / 不保存 / 取消;取消则下拉还原到原选项)。
- 保存=覆盖当前套;另存为=存为新名并选中;重命名=改当前套名;删除=二次确认,删后选邻近,**不可删到 0**。
- 名字**唯一**(重名拒绝或自动加序号)。
- 记住上次所选;生成/预览用编辑框当前文本(`render_prompt` + §7.1 尾巴不变);「开始生成」前把当前编辑存回所选套(沿用现有自动存逻辑)。
**解耦** :核心 `render_prompt(text, task, resolution)` 不动;"用哪段文本"由面板的模板选择决定。
2026-06-18 16:30:26 +08:00
## 8. 并发、限速、重试、停止
复用旧项目策略（`docs/旧ai穿搭项目.md` §5.3）：
2026-06-18 17:11:56 +08:00
- **并发由 Python 线程负责，PySide6 不参与**： `requests` 在等网络响应时释放 GIL，所以 `ThreadPoolExecutor` 起多线程跑行任务时多个 HTTP 请求是真并发。Qt 只负责把进度/结果通过 **signal 跨线程排队回主线程**刷新 UI——**子线程绝不直接操作控件** （违反会崩溃/随机出错）。默认并发 1 是迁就中转 API 限流（429），非框架限制，可在界面调高。
2026-06-18 16:30:26 +08:00
- `ThreadPoolExecutor(max_workers=并发数)` 调度行任务；`RateLimiter(新请求间隔)` 限制请求开始间隔；任务间 `单任务冷却` 。
- 每行最多「首次 + 重试次数」尝试；限流/429 用短阶梯等待，普通错误短等待。
- 单次请求放子线程 + 主线程秒级检查，**等待 >30 秒持续打心跳日志**；超时按分辨率动态决定（512/1K/2K/4K → 180/240/360/600 秒，可被 `timeout_seconds` 覆盖）。
- **温和停止**：置位停止后不再提交新任务，已发请求收尾后正常写回。
## 9. 输出
- 格式 JPG，1:1，压缩到 ≤2MB；质量三档（小文件 75 / 均衡 85 / 高清 92）。
- 默认输出目录沿用 cmbot `get_output_dir()` （程序旁的「合并后的图片」，见 `docs/10` §5），界面可改。
- 命名：`货号.jpg` ，重名自动 `_1` /`_2` ，非法字符替换为 `_` （不改 Excel 原始货号）。
- 成功后把**实际新图绝对路径**写回 Excel D 列。
## 10. 界面（「2 AI 穿搭」页签）
2026-06-18 17:11:56 +08:00
界面效果图见 ** `docs/ui-ai-outfit.html` **（浏览器打开）/ ** `docs/ui-ai-outfit.png` **，完全沿用 cmbot 现有视觉、与「1 添加印花」严格统一（同 `docs/ui-v1` ：浅灰底、`#0067c0` 蓝单一主色、12px 雅黑、3px 圆角、pill 状态徽章；不引入第二识别色）。「生成中」状态用蓝，与印花页「导出中」同色。把主窗口当前禁用的「2 AI 穿搭」页签启用，做成独立工作页（与「1 添加印花」并列、互不干扰）。
2026-06-18 16:30:26 +08:00
2026-06-18 17:11:56 +08:00
三栏布局：
2026-06-22 14:36:38 +08:00
- **左栏（数据源 + 话术创作，~360px）**：`Excel` / `输出` 各为**行内一行**（标签 + 路径 + 浏览，省纵向空间）；数据源概览（共 N 行 / 完成 / 待处理 / 失败）；**加大的**穿搭生成话术编辑 +「保存话术」+「插入标题」；下方常驻**加大的最终生成要求预览**（内嵌、实时，标题行右侧放样本行下拉，含 §7.1 自动附加的输出要求）。AI 模型下拉不在此（见右栏）。
2026-06-18 17:11:56 +08:00
- **中栏（结果 + 明细）**：顶部「最近结果」缩略图条——**只展示已完成的人物效果图**，新图自动加到最左、首图标「最新」，单击看大图、右键开所在文件夹；下方「处理明细」表（行 / 标题 / 货号 / 衣服图 / 状态 / 结果或原因），按 Excel 行顺序，状态用 完成 / 失败 / 生成中 / 待处理 / 跳过 徽章。
2026-06-22 11:01:23 +08:00
- **右栏（设置 + 运行，~400px）**：生成设置（重试失败行 + 并发数 / 新请求间隔 / 单任务冷却 / 失败重试 / 分辨率 / JPG 质量，**3 列 × 2 行**）；其下 **AI 模型下拉** （来自 AI 模型配置）；本次进度 + 统计（完成 / 失败 / 待处理）；开始生成 / 停止生成；导出失败清单 / 打开输出目录；实时日志（含 §8 心跳行）。
2026-06-18 17:11:56 +08:00
> **设计取舍：不做"实时单图大预览"。** 这是"开了走人、回头抽查"的批量工具；单图实时预览在并发时会产生"该显示哪一行"的歧义。改为「最近结果缩略图条」——只展示已落地成品，既保留"早发现话术/模型不对、及时停掉改话术"的价值，又因只显示成品而消除并发歧义。
- 后台用 `QThread` + `Worker(QObject)` + 信号回主线程（与 cmbot 更新检查/导出一致；并发细节见 §8）。
2026-06-18 16:30:26 +08:00
> 页签内容切换：当前页签栏不切换内容面板（见 `docs/07` §4.2）。启用 AI 穿搭需要为页签接一个 `QStackedWidget`（「1 添加印花」=现有工作区，「2 AI 穿搭」=本面板）；这部分在实现阶段一并补。
2026-06-22 10:04:24 +08:00
### 10.1 已知问题：左栏内容被中间面板裁掉（下拉框撑宽）
**现象** ：「2 AI 穿搭」左栏组件右侧显示不完整，像被中间面板遮挡了一部分。
**定位（离屏实测 1280× ） ：
- 左栏是 `QScrollArea` （ `ai_outfit_panel.py` `_build_left` ），`widgetResizable(True)` 且**横向滚动条 `AlwaysOff` **。其内容的**最小宽度高达 829px**，而视口仅 ~428px；既不能再缩、又没有横向滚动条，于是内容按 829px 摆放、超出 ~428px 的右侧被裁掉，看起来就是"被中间盖住"。
- 829px 由**单个控件**撑出：**「样本行」`QComboBox` ** 的 `minimumSizeHint ≈ 743px` ，因为它当前项是长字符串「第 N 行 · 货号 · 标题」。这把「最终提示词预览」分组撑到 ~805px 最小宽，主导了整列。**「AI 模型」下拉**有同样隐患（选到长模型名时一样会撑宽）。
- 纵向正常（内容 666 vs 视口 664）——纯横向裁切，与"占位太多"无关。
**根因** ： `QComboBox` 默认会让 `minimumSizeHint` 随当前/最长项文本增长；长文本下拉框把列撑宽，而"无横向滚动"的滚动区只能裁切。
**修复方向** ：
- 让两个下拉框不再决定列宽：`setSizeAdjustPolicy(AdjustToMinimumContentsLengthWithIcon)` + `setMinimumContentsLength(6)` + `setSizePolicy(Ignored, Preferred)` ，长项改为省略号（elide）而非撑宽。
- 兜底：左栏滚动区横向策略由 `AlwaysOff` 改 `AsNeeded` ，将来再有宽控件就滚动而非裁切。
- 可选：`_build_ui` 的 `setSizes([430,760,300])` （和=1490）大于默认窗口 1280，首屏即被压缩；改成和≤窗口的一组（如 `[400,600,300]` ），非根因。
2026-06-22 11:26:52 +08:00
### 10.2 切换分辨率 / AI 模型时的信息提示
用户**手动切换**「分辨率」或「AI 模型」下拉时，弹一个**信息框**告知影响——**只告知、不拦截、不还原**（保持新选项）。
- **触发**：用 `QComboBox.activated` 信号（只在用户点选时发），**不用** `currentIndexChanged` ——否则启动 / `apply_config` / `_set_combo` / `_fill_sample_combo` 等**程序化赋值**会误弹。仅在**值实际改变**时弹（同项重选不弹）。
- **形式**： `QMessageBox.information` （只有「确定」），不阻断、不回退。预览刷新逻辑不变（分辨率仍照常实时刷预览）。
- **文案**：
- 分辨率（超时取 `ai_image_service.resolution_timeout` ：
> 已切换分辨率到 **4K**。单任务超时约 600 秒，分辨率越高越慢。仅在下次「开始生成」生效，不影响正在进行的批次。
- AI 模型（带该模型 `api_type` ）：
> 已切换模型到 **GPT Image 2**。调用方式：images_edits。不同模型的计费与效果可能不同。仅在下次「开始生成」生效。
- **频率**：每次实际更换都弹一次（不是整会话只弹一次）。
- **理由**：下拉本可逆，不做强制确认（反模式）；但分辨率/模型有"慢 / 贵 / 下次才生效"的隐含代价，一次性告知最划算。
2026-06-18 16:30:26 +08:00
## 11. 配置与数据位置
遵循 cmbot「配置集中、放数据目录、凭据不入库」约定：
- **AI 模型与密钥** → `~/.cmbot/config/ai_models.json` （管理员预置或界面填写，**含明文 key、不提交 git**；与更新源凭据同等对待，见 `docs/10` §14）。
- **提示词** → `~/.cmbot/config/outfit_prompt.txt` 。
- **批量设置 + 上次 Excel/输出路径** → 并入 `app_config.json` （ `config_service` 集中读写，UI 不直接读写配置文件，遵守 `docs/04` 第 6 节 / `docs/05` 4.12）。
- 失败记录 / 日志沿用 `~/.cmbot/logs` 与现有日志服务。
## 12. 依赖与兼容
- 新增依赖：`requests` （ `openpyxl` （ `Pillow` 、`PySide6` 已有。写入 `requirements.txt` 并锁版本（兼容 Python 3.7： `requests>=2.31,<3` 、`openpyxl>=3.1,<4` 、`urllib3<2` ）。
- 所有新代码保持 **Python 3.7.9** 兼容（注意类型注解写法）。
- `docs/03-technical-stack.md` 增列上述依赖；`docs/02-prd.md` 、`docs/07-ui-design.md` §4.2 加指针指向本文档。
## 13. 安全考量
- AI 中转 API key 为明文，仅放 `~/.cmbot` ，**不入库、不随包分发到公网**；内部使用可接受（与更新凭据一致）。
- 中转 API 会 429 限流：并发默认 1，阶梯重试。
- 衣服图为本机路径；不存在/打不开/非图片 → 该行失败并记录，继续下一行。
## 14. 实现阶段建议
分步落地，每步可独立验证：
1. **核心与服务（无 GUI，可测）** ： `core.models.OutfitTask/OutfitResult` 、`services/excel_service.py` （读/写回/占用检测）、`services/ai_image_service.py` （移植 ImageApiClient）、`core/ai_outfit.py` （单行编排）+ 单测（Excel 读写、提示词渲染、取图、命名去重；API 用 mock）。
2. **批量编排** ：并发/限速/重试/停止的 `Worker` ，纯逻辑部分尽量可测。
3. **UI 页签** ：页签 `QStackedWidget` + `ai_outfit_panel` ，接线后台线程、日志、进度、失败清单。
4. **配置与提示词** ： `ai_models.json` / `outfit_prompt.txt` / `app_config.json` 接入，集中读写。
5. **真机联调** ：用真实中转 API + 小批量 Excel 跑通端到端，调穿搭提示词。
## 15. 暂不做
- 文件夹/队列作为输入源（保留扩展位，本期不做）。
- 模特/姿态/背景的可视化精细编辑。
- 多 Excel / 多工作表批处理、列映射可配置化。
- 生成结果的应用内预览画廊（先以写回 Excel + 输出目录为准）。
## 16. 验收要点
- 选 Excel + 输出目录并记住上次；能读/存提示词。
- 能校验 AI 配置缺失；缺 `url/model/api_key` 时阻止开始并提示。
- 按行处理：跳过「完成」、按设置重试「失败」、空字段行安全跳过。
- 衣服图 + 提示词 → 生成人物上身 JPG（1:1、≤2MB、命名去重）。
- 每行实时写回 D/E/F 并保存 Excel；Excel 被占用时明确提示。
- 并发/限速/重试/温和停止生效；实时日志 + 进度 + 结束摘要 + 失败清单导出。
- 日志写入 `~/.cmbot/logs` ；
- 核心逻辑单测通过、不依赖 GUI、Python 3.7 可运行。
