adminandClaude Opus 4.8
8a4ebe685b
Prompt offers only {title}; product_id is used for Excel column B and the
output filename (货号.jpg), not for AI generation. Update §7/§10 and the
mockup (remove the 插入货号 chip + {product_id} from the sample prompt).
Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
189 lines
14 KiB
Markdown
189 lines
14 KiB
Markdown
# 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（cmbot 已有自己的打包与更新体系）。
|
||
|
||
## 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（D 新图路径 / E 状态 / F 原因）
|
||
```
|
||
|
||
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） | 读 |
|
||
| 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**（Office 打开会锁文件，openpyxl 无法写回）→ 提示「请关闭 Excel 后再开始」。
|
||
- **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，Python 3.7 兼容，不依赖 PySide6）：
|
||
|
||
- `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（OpenAI 兼容 `/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：multipart `data` + `files={"image":...}`。
|
||
- **传图**：本地衣服图 → `data:<mime>;base64,...`（data-url）或 multipart 文件。
|
||
- **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。
|
||
- 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。）
|
||
- **「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）。
|
||
- **「预览最终提示词」是按钮，点击弹只读预览窗（`QDialog`）**：取一条样本行把占位符替换成真值，显示最终要发送给 AI 的完整提示词。样本行默认取明细表当前选中行、没选则取第一条待处理行；窗内可切换样本行、可复制；缺 `{title}` 占位符时在窗内提示。预览只读，不改话术本身。
|
||
- 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。
|
||
|
||
## 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）：
|
||
|
||
- **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。
|
||
- `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）
|
||
|
||
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）。
|
||
|
||
三栏布局：
|
||
|
||
- **左栏（较宽，设置区）**：选择 Excel 文件、输出目录（记住上次，存 `app_config.json`）；数据源概览（共 N 行 / 完成 / 待处理 / 失败）；AI 模型下拉（来自 AI 模型配置）；通用话术编辑 +「保存话术」+「插入标题」+「预览最终提示词」（均见 §7）；生成设置 **3 列**（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）。
|
||
- **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。
|
||
- **右栏（运行区）**：本次进度环 + 统计（完成 / 失败 / 跳过 / 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）。
|
||
|
||
> **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）。
|
||
|
||
> 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。
|
||
|
||
## 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`（HTTP）、`openpyxl`（Excel）；`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`；AI 密钥不入库。
|
||
- 核心逻辑单测通过、不依赖 GUI、Python 3.7 可运行。
|