refactor(ai-outfit): 标题生成改为「一次请求·纯提示词·多条按序填」 (§19.22)

把标题生成从「逐行看图、各生成1条、每行一次请求」改为一次请求、纯提示词
（不传图）、生成多条、按序回填（数量由用户写进提示词，docs/11 §17.1/§17.7）。

- ai_text_service：新增 extract_titles_from_response（多行→多条、逐行去
  序号/引号、丢空）+ AiTextClient.generate_texts（一次POST返回多条，与
  generate_text 共用 _post）；generate_text/extract_text 改为取首条
- ai_title：generate_titles（一次请求、image_path=None 纯文本）；移除
  generate_title/_reference_image/render_title_prompt（不再逐行看图/替换占位符）
- config_service：DEFAULT_TITLE_PROMPT 改批量风格（生成多条、每行一条）
- 面板 _TitleWorker：一次 generate_titles → 按序 write_title_result 回填；
  N>行数多的丢+日志、N<行数后面行留空+日志；请求异常→日志+成功0；去掉行间节流
- _start_title 不再传 request_interval

测试：extract_titles 多行→多条/去序号引号、generate_texts 多条且无图、
generate_titles 一次请求/异常。全套 py37 通过（test_config_service 的
packaging 模板失败属并行 §19.13，与本改动无关）。离屏冒烟：3/3 精确、
5/3 丢弃、2/3 留空 三种分发均按序回填 Excel A + 日志正确。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

docs/11-ai-outfit.md

@@ -420,24 +420,30 @@ Excel 行 → `OutfitTask` 列表的转换由 `excel_service` 完成；核心只
 
 ## 17. 标题生成（左栏独立功能）
 
-「添加印花」批量导出生成的 Excel（`docs/02` §6.12），A 列「标题」只是占位的**印花名**，不是真正的电商标题。本功能在 AI 穿搭页**左栏**新增一个**独立的「生成标题」**流程：用户写标题提示词，AI **看该行衣服图**（视觉）生成电商标题，**写回 Excel A 列**，再点「开始生成」跑图时图片提示词的 `{title}` 即用上新标题。与「开始生成」（图片）**互不绑定**、各自一个按钮。
+「添加印花」批量导出生成的 Excel（`docs/02` §6.12），A 列「标题」只是占位的**印花名**，不是真正的电商标题。本功能在 AI 穿搭页**左栏**新增一个**独立的「生成标题」**流程：用户写标题提示词（含数量），**一次请求、纯提示词（不传图）生成多条电商标题**，**按序回填 Excel A 列**（第 i 条 → 第 i 行），再点「开始生成」跑图时图片提示词的 `{title}` 即用上新标题。与「开始生成」（图片）**互不绑定**、各自一个按钮。
 
-### 17.1 数据流与回填语义
+### 17.1 数据流与回填语义（一次请求 · 纯提示词 · 多条 · 按序填行）
 
-- **行来源**：复用 `excel_service.read_all_rows(excel)`（状态无关）——对全部有效行生成、**覆盖式**写 A，不看 E 列状态、不引入新列（保持与 `标题生成产品图.xlsx` 七列一致）。
-- **逐行看图、各生成 1 条、顺序回填**：按行顺序处理，第 i 行看第 i 行衣服图 → 生成 1 条标题 → **立即**写回第 i 行 A（`write_title_result(excel, row_index, title)`）→ 刷新中栏「处理明细」表该行「标题」列。即「第 n 条标题 → 第 n 行 A，顺序回填 + GUI 实时刷新」。
-- **目录行取首图**：C 列为图片目录时（印花 Excel 即如此），标题写回**一个 A 单元格**（整行一个标题），故只取 `ai_outfit.list_directory_images(dir)` 的**第一张**作视觉参考；标题提示词宜写成概括款式/印花的通用句式。
-- **条数对齐**：因逐行各生成 1 条，标题数永远 = 行数，不存在「AI 返回条数和行数对不上」的兜底问题。提示词即使写「生成 N 条」，每行也**只取第一条**（解析时取首个非空行、去行首序号/符号与首尾引号、单行化）。
-- **"覆盖图片组件的标题" = 写回 A + 重载**：图片生成在「开始生成」时当场 `load_outfit_tasks(excel)` 读 A 列，故标题写回 A 后无需另改图片组件；标题全部生成完**重新加载一次 Excel**，刷新界面与内存任务，紧接着「开始生成」即用新标题。
+> **§17.7 改版**：早期为「逐行看图、各生成 1 条」（每行一次请求、带图）。现改为
+> **一次请求、纯提示词（不传图）、生成多条、按序回填**（用户在提示词里自写数量）。
+
+- **行来源**：复用 `excel_service.read_all_rows(excel)`（状态无关）——拿到全部有效行（仅为「填到哪些行 + 行号」），**覆盖式**写 A，不看 E 列状态、不引入新列。
+- **一次请求、纯提示词**：把用户标题提示词**原样**（不带图、不替换 `{title}`）发一次给文本模型；提示词里由用户自写数量（如「生成 6 条…每行一条」）。
+- **解析多条**：从响应里把文本**按行**拆成多条，每条清洗（去行首序号/符号 `1. / - / ①`、去首尾引号、单行化、丢空行）→ 得到标题列表。
+- **按序回填**：第 i 条 → 第 i 行 A（`write_title_result(excel, row_index, title)`），逐条写、刷新中栏「处理明细」表该行「标题」列。
+- **条数对不上时兜底**：`N = len(标题)`，`R = len(行)`。`N > R` → 多出的 `N-R` 条**丢弃** + 日志提示；`N < R` → 后 `R-N` 行**留空** + 日志提示。不报错中止。
+- **生成完重载 Excel**：刷新界面与内存任务，紧接「开始生成」跑图即用新标题（图片生成当场 `load_outfit_tasks` 读 A 列）。
 
 ### 17.2 文本服务（复用图像服务的 HTTP 管道）
 
 - 新增 `services/ai_text_service.py` 的 `AiTextClient(config, session=None)`：复用 `ai_image_service` 的 `AiModelConfig` / `image_to_data_url` / `detect_api_type` / `normalize_api_url` / Bearer 鉴权 / 超时 / session，不重写 HTTP。
-- `generate_text(prompt, image_path=None) -> str`：
-  - `chat`：`messages=[{role:user, content:[{type:text,text:prompt}, {type:image_url,...}]}]`（带图=视觉）。
-  - `gemini`：`contents[].parts=[{text},{inlineData}]`，`generationConfig.responseModalities=["TEXT"]`。
-  - `images`/`images_edits`：纯图片接口，不能返回文字 → 抛 `AiTextServiceError`，提示「该模型不能生成文字，请改选文本/视觉模型」。
-- `extract_text_from_response(data)`：取 `choices[0].message.content`（str 或 content 列表的 text）/ gemini `candidates[0].content.parts[].text`；都取不到则抛错；返回**第一条标题**（见 §17.1 解析规则）。
+- `generate_texts(prompt, image_path=None) -> List[str]`（标题生成走此：`image_path=None` 纯文本）：
+  - `chat`：`messages=[{role:user, content:[{type:text,text:prompt}]}]`（无图时不含 `image_url`）。
+  - `gemini`：`contents[].parts=[{text}]`，`generationConfig.responseModalities=["TEXT"]`。
+  - `images`/`images_edits`：纯图片接口，不能返回文字 → 抛 `AiTextServiceError`。
+  - 一次 POST → `extract_titles_from_response` 返回**多条**清洗后标题。
+- `generate_text(prompt, image_path=None) -> str`：保留（返回第一条，= `generate_texts` 的 `[0]`），供单条场景与既有单测；与 `generate_texts` 共用同一段 POST。
+- `extract_titles_from_response(data) -> List[str]`：取 `choices[0].message.content` / gemini `candidates[0].content.parts[].text` 的原始文本，**按行拆分 + 逐行清洗**（去序号/符号/引号、单行化、丢空），返回标题列表。`extract_text_from_response` = 取其首条（兼容保留）。
 
 ### 17.3 模型与提示词
 
@@ -449,12 +455,12 @@ Excel 行 → `OutfitTask` 列表的转换由 `excel_service` 完成；核心只
   - **命中的模型是纯图片接口（images/images_edits）时，开跑前就拦截（§19.21）**：`_find_title_model` 检出 `api_type ∈ {images, images_edits}` → 返回错误「『{名字}』是图片模型（{api_type}），不能生成文字标题，请改选 chat/gemini 文本模型」→ `_resolve_title_model_config` 弹窗 + 中止，不逐行失败。
   - 边界：`api_type=chat` 但实际返回图片的模型（如 Nano Banana）类型上无法预判，仍在运行时由 `AiTextClient`/「未找到文字标题」逐行暴露——这是固有限制。
 - **`ai_models.json` 需有一条文本/视觉模型**（管理员维护，含真实 key，不入库）：`api_type` 设 `chat`、`model` 填中转的真实 id（如 `gpt-5.5`）、`name` 与 `title_model` 一致（默认 `GPT-5.5 文本`）。`docs/ai_models.sample.json` 已含 chat 示例可参照。
-- **标题提示词**：单份，存 `~/.cmbot/config/title_prompt.txt`（`load_title_prompt`/`save_title_prompt`，仿旧式单份，标题侧不做多套模板）；默认文案面向电商女装（结合款式/版型/颜色/印花，输出一行中文标题，不加引号/表情/促销词）。
+- **标题提示词**：单份，存 `~/.cmbot/config/title_prompt.txt`（`load_title_prompt`/`save_title_prompt`，仿旧式单份，标题侧不做多套模板）；默认文案为**批量风格**——让模型生成**多条**电商女装标题、**每行一条**、不带序号/引号/表情，数量由用户在提示词里写（默认示例可写「生成 10 条」）。
 
 ### 17.4 界面与运行
 
 - **左栏布局**（§10 已同步）：「标题生成」组在上、「穿搭生成话术」组在下；预览块移除。标题组含：标题提示词编辑、「保存」、「生成标题」（**无标题模型下拉**，模型由 `title_model` 配置定名，§17.3）。
-- **运行**：`_TitleWorker(QObject)` 跑在 `QThread`（仿 `_OutfitWorker`），按行顺序逐行生成、立即回填、刷新该行 GUI；失败记日志、跳过该行、继续；用右栏「新请求间隔」做行间节流；温和停止。模型用 `_resolve_title_model_config()`（按 `title_model` 名字查 `ai_models.json`）。
+- **运行**：`_TitleWorker(QObject)` 跑在 `QThread`（仿 `_OutfitWorker`），**一次请求**（纯提示词，无图）拿到标题列表 → **按序逐条回填** `write_title_result` + 刷新该行 GUI；条数对不上按 §17.1 兜底（多丢、少留空、记日志）；请求失败记日志并以「成功 0」收尾；温和停止。模型用 `_resolve_title_model_config()`（按 `title_model` 名字查 `ai_models.json`）。**只有一次请求，不再用「新请求间隔」做行间节流**。
 - **互斥**：「生成标题」与「开始生成」运行时互斥（避免同表并发写）。
 - 进度/结果走中栏「处理明细」表与右栏日志（不写 Excel 状态列）。
 
@@ -462,10 +468,11 @@ Excel 行 → `OutfitTask` 列表的转换由 `excel_service` 完成；核心只
 
 - 左栏有「标题生成」组（提示词 + 保存 + 生成标题按钮），**无标题模型下拉**、无预览块。
 - `app_config.title_model` 指向的模型在 `ai_models.json` 存在 → 生成走该模型；改 `title_model` 名字即换模型，无需改代码。
-- 选印花生成的 Excel（A=印花名、C=目录），点「生成标题」→ 每行 A 被改写为 AI 标题、明细表标题列实时刷新、D/E/F 未动。
-- `title_model` 找不到对应模型 / 命中条目是纯图片接口（images/images_edits）时，**开跑前**弹窗报错并中止（不逐行失败，§19.21）。
+- 选印花生成的 Excel，点「生成标题」→ **一次请求**返回多条 → 按序回填各行 A、明细表标题列实时刷新、D/E/F 未动。
+- 条数对不上：N>行数多的丢弃 + 日志；N<行数后面行留空 + 日志（不报错中止）。
+- `title_model` 找不到对应模型 / 命中条目是纯图片接口（images/images_edits）时，**开跑前**弹窗报错并中止（§19.21）。
 - 生成完重载 Excel，紧接「开始生成」跑图用的是新标题。
-- 文本解析、`generate_title`（单文件/目录取首图/无图失败/客户端异常）、`write_title_result`（只改 A）、`_find_title_model`（命中/缺失/图片模型报错）单测通过，Python 3.7。
+- `extract_titles_from_response`（多行→多条、清洗）、`generate_titles`（一次请求纯文本、客户端异常）、`write_title_result`（只改 A）、`_find_title_model`（命中/缺失/图片模型报错）单测通过，Python 3.7。
 
 ### 17.6 决策：标题模型「配置定名」而非下拉
 
@@ -475,3 +482,14 @@ Excel 行 → `OutfitTask` 列表的转换由 `excel_service` 完成；核心只
 - **为什么不把模型名写死在代码里**：写死后换模型/升级要改 `.py` 重新打包分发。改放 `app_config.title_model`（默认 `GPT-5.5 文本`）后，换模型只改配置一行、重启生效，对非技术管理员友好。
 - **界面效果一致**：两种做法用户都看不到下拉、都固定一个模型；差别只在「换模型」的代价（改配置 vs 改代码）。
 - 标题提示词暂不做多套模板（同 §17 决策；真有多套切换需求再按 §7.2 范式补）。
+
+### 17.7 决策：标题改为「一次请求、纯提示词、多条按序填」
+
+§19.18 初版为「逐行看图、各生成 1 条」（每行一次请求、带衣服图做视觉）。用户复盘后改为
+**一次请求、纯提示词（不传图）、生成多条、按序回填**（§19.22）：
+
+- **为什么去掉图片**：印花 Excel 一行=一个印花子目录、多张图，"看哪张"本就要取首图近似；且用户的标题更偏**通用电商 SEO 风格**（同批女装标题可互换），不必逐件看图。去图后改为纯文本批量，**一次请求拿多条**，更快更省（N 行从 N 次请求降到 1 次）。
+- **数量由用户在提示词里写**（已确认）：代码不自动附加数量、不替换 `{title}`，原样发；解析返回的多行为多条标题。
+- **条数对不上不强求**：`N>行数` 多的丢、`N<行数` 后面行留空 + 日志，不报错中止（用户可改提示词数量重跑）。
+- **代价**：标题不再与具体某件衣服一一对应（无图）；若将来要"每件看图各出标题"，那是另一种模式，按 §17.1 旧版思路另做。
+- 文本服务保留 `generate_text`（单条）+ 新增 `generate_texts`（多条），共用同一段 POST；标题流程走 `generate_texts(prompt, image_path=None)`。