adminandClaude Opus 4.8
c82f870910
Design for the "2 AI 穿搭" tab: Excel as the (fixed) data source → convert rows to OutfitTask → garment image + prompt → AI image API → person-wearing-clothes JPG → write result path back to Excel. Ports the old project's API client / batch / retry into cmbot's app/core/services layering, reusing config/log/ ~/.cmbot/output. Also fixes the 旧ai穿搭项目.md §6 recommendation (keep Excel). Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
152 lines
11 KiB
Markdown
152 lines
11 KiB
Markdown
# 旧「AI 生图」参考项目分析
|
||
|
||
> 来源：`D:\chengma\标题生成产品图工具源码`（同事编写）。本文用于为 cmbot 的「AI 穿搭」模块开发提供参考——分析它的功能与实现，提炼可复用点与注意事项。
|
||
>
|
||
> ⚠️ 说明：该项目实际名为**「标题生成产品图工具」**，不是字面上的「AI 穿搭」，但它是同事做过的**最接近的 AI 图像生成实现**（本地图 + 提示词 → 调中转 AI 图像 API → 生成电商主图），其 API 调用、传图、批量、并发重试等机制对「AI 穿搭」高度可复用。
|
||
|
||
---
|
||
|
||
## 1. 项目定位
|
||
|
||
一个 **PySide6 桌面批量生图工具**：读取 Excel 中的商品标题、货号、本地商品图路径，套用通用提示词，调用 **Nano Banana（Gemini 图像）/ GPT Image** 中转 API，为「台湾虾皮女装电商」生成 1:1 的 JPG 主图，并把结果实时写回 Excel。
|
||
|
||
面向非技术员工：一键启动、一键打包、离线运行、配置可迁移。
|
||
|
||
## 2. 技术栈与依赖
|
||
|
||
- **GUI**：PySide6（`requirements.txt`：`PySide6>=6.6,<7`）。
|
||
- **Excel**：`openpyxl`（读写 `.xlsx`，实时写回）。
|
||
- **图像**：`Pillow`（校验、压缩到 ≤2MB、转 JPG）。
|
||
- **HTTP**：`requests` + `urllib3<2`。
|
||
- **并发**：标准库 `concurrent.futures.ThreadPoolExecutor` + `threading`。
|
||
- **运行/打包**：`bootstrap.py` 自举 + `offline_runtime/windows-x64`（内置 `python.exe` + 预下载 wheels），`.bat` 一键启动/打包。
|
||
|
||
代码组织：**几乎全部逻辑集中在单文件 `app/main.py`（约 1643 行）**，GUI 与业务逻辑混在一起（与 cmbot 的 app/core/services 分层不同）。
|
||
|
||
## 3. 目录结构
|
||
|
||
```
|
||
标题生成产品图工具源码/
|
||
app/main.py # 全部逻辑：配置/Excel/API/并发/GUI
|
||
bootstrap.py # 启动自举：建 venv 或用离线 runtime，装依赖，起 main
|
||
api_config.json # 多模型 API 配置（含明文 api_key）
|
||
settings.json # 上次界面设置（Excel/输出/并发/间隔/分辨率/质量…）
|
||
prompt.txt # 通用话术（提示词模板，含 {title} {product_id} 占位符）
|
||
requirements.txt
|
||
offline_runtime/windows-x64/ # 内置 python + wheels（员工免装 Python）
|
||
runtime/ # 运行期 venv、日志、失败记录、requirements_state
|
||
logs/ # 带时间戳的运行日志（保留最近 20 个）
|
||
图片/ 输出图片/ # 示例输入/输出
|
||
标题生成产品图.xlsx # 示例 Excel
|
||
*.bat # win 一键启动/打包
|
||
需求规格说明.md 需求梳理草稿.md README_使用说明.md
|
||
```
|
||
|
||
## 4. 功能概览（按需求规格）
|
||
|
||
- Excel 批量驱动：A 标题 / B 货号 / C 本地图路径 / D 结果图路径(写回) / E 状态(完成/失败,写回) / F 失败原因(写回)。
|
||
- 每处理一行**实时保存 Excel**，降低中途崩溃丢结果的风险；自动跳过 E=「完成」的行；是否重试 E=「失败」的行由界面复选框控制。
|
||
- 通用话术 `prompt.txt` 可在界面查看/编辑/保存，支持插入 `{title}` `{product_id}` 占位符，提供「最终提示词预览」。
|
||
- 图片作为**图像输入**随请求发送（不是文本占位符）。
|
||
- 输出 JPG，1:1，≤2MB，三档质量（小文件 75 / 均衡 85 / 高清 92）；默认名 `货号.jpg`，重名自动 `_1`/`_2`，非法字符替换为 `_`。
|
||
- 并发 / 新请求间隔 / 单任务冷却 / 失败重试次数 / 分辨率（512/1K/2K/4K）/ JPG 质量，均可在界面设置并存 `settings.json`。
|
||
- 温和停止（不启新任务、已发请求收尾）、实时日志、进度统计（完成/失败/跳过）、结束摘要弹窗、导出失败清单。
|
||
|
||
## 5. 核心实现要点
|
||
|
||
### 5.1 多模型 API 抽象（最值得借鉴）
|
||
|
||
`api_config.json` 支持**多个模型**，每个含 `url / model / api_key / api_type / timeout_seconds / connect_timeout_seconds / extra_body`，界面记住 `last_selected_model`。当前预置两个：
|
||
|
||
- `gpt_image_2` → `.../v1/images/edits`，`api_type=images_edits`
|
||
- `nano_banana_2` → `.../v1/chat/completions`，`model=gemini-3.1-flash-image-preview`，`api_type=auto`
|
||
|
||
`ImageApiClient.generate()` 根据 `api_type`（`detect_api_type` 可从 URL 自动判断：`auto/chat/gemini/images/images_edits`）构造**四种请求格式**：
|
||
|
||
- **chat（OpenAI 兼容 `/v1/chat/completions`）**：
|
||
```json
|
||
{"model": "...", "messages": [{"role":"user","content":[
|
||
{"type":"text","text": prompt},
|
||
{"type":"image_url","image_url":{"url":"data:image/jpeg;base64,..."}}]}], "stream": false}
|
||
```
|
||
- **gemini（`generateContent`）**：`contents[].parts` = `{text}` + `{inlineData:{mimeType,data(base64)}}`，`generationConfig.responseModalities=["TEXT","IMAGE"]`。
|
||
- **images**：`{model, prompt, image_urls:[data_url], aspect_ratio:"1:1", resolution, n:1}`。
|
||
- **images_edits（multipart）**：`data={model,prompt,n,size}` + `files={"image": (name, handle, mime)}`，`Authorization: Bearer <key>`。
|
||
|
||
`normalize_api_url()` 把 URL 补全到正确端点（`/v1/chat/completions`、`/v1/images/edits` 等）。`extra_body` 可合并进 payload，便于适配不同接口。
|
||
|
||
### 5.2 传图与响应解析
|
||
|
||
- **传图**：`image_to_data_url()` 把本地图读成 `data:<mime>;base64,<...>` 的 data-url（chat/gemini/images 用），或 multipart 直接传文件（images_edits 用）。
|
||
- **取图**：`extract_image_from_response()` 递归遍历 JSON（`walk_json_values`），从多种字段里找图——`image_base64/base64/b64_json/inlineData.data`、或 `data:image/...;base64,` 内联、或图片 URL（再用 session 下载）。对中转 API 返回结构差异做了较强兼容。
|
||
- **保存**：`save_jpg_under_limit()` 用 Pillow 转 JPG、`ImageOps` 处理方向，循环降质量/尺寸直到 ≤2MB。
|
||
|
||
### 5.3 并发、限速、重试、超时
|
||
|
||
- `BatchWorker.run()` 用 `ThreadPoolExecutor(max_workers=concurrency)` 调度行任务。
|
||
- `RateLimiter(interval)`：保证任意两次请求开始间隔 ≥ 新请求间隔。
|
||
- `process_one()`：每行最多「首次 + retry_count 次」尝试；`retry_delay_seconds(error, attempt)` 对限流/429 用**短阶梯等待**，普通错误短等待，避免看起来卡死；任务间 `task_cooldown` 冷却。
|
||
- `call_generate_with_heartbeat()`：把单次请求放进子线程，主线程每秒检查，**等待超过 30 秒持续打「已等待 N 秒」心跳日志**；超时按分辨率动态决定（512=180s/1K=240s/2K=360s/4K=600s，可被 `timeout_seconds` 覆盖）。
|
||
- **温和停止**：`stop_event`（`threading.Event`）置位后不再提交新任务，已发请求等其完成再收尾。
|
||
|
||
### 5.4 Excel 写回与失败清单
|
||
|
||
- `check_excel_writable()` 开始前检测 Excel 是否被占用。
|
||
- 每行成功 → 写 D（结果路径）/E=完成；失败 → E=失败/F=原因；**每行处理完即保存**。
|
||
- `runtime/failure_records.json` 记录失败行；「导出失败清单」只导失败行 + 失败时间 + 重试次数。
|
||
|
||
### 5.5 配置、日志、设置
|
||
|
||
- `settings.json` 持久化界面设置（Excel/输出路径、并发、间隔、冷却、重试、分辨率、质量、是否重试失败行）。
|
||
- `logs/` 带时间戳日志，`cleanup_logs()` 只保留最近 20 个；界面实时日志用 Qt 信号 `log = Signal(str)`。
|
||
- `api_config_errors()` 校验缺失字段：启动时轻提示、点开始时严格阻止。
|
||
|
||
### 5.6 GUI 与线程模型
|
||
|
||
- `MainWindow(QMainWindow)` 构建界面；后台用 `QThread` + `BatchWorker(QObject)`，信号 `log / progress(done,total,success,failed,skipped) / finished(summary)` 回主线程更新。
|
||
- 这套「QThread + Worker(QObject) + 信号回主线程」与 cmbot 现有更新检查/导出的后台线程思路一致。
|
||
|
||
### 5.7 启动与离线打包
|
||
|
||
- `bootstrap.py`：优先用 `offline_runtime/windows-x64/python/python.exe` + 预置 wheels 建 venv 装依赖（员工电脑免装 Python），再启动 `app/main.py`；记录 `runtime/requirements_state.json` 避免重复装。
|
||
- `.bat`（`win一键启动.bat` / `启动软件.bat` / `start_windows.bat`）调 bootstrap。
|
||
|
||
## 6. 对 cmbot「AI 穿搭」模块的借鉴点
|
||
|
||
「AI 穿搭」预期是：输入衣服图 → 调 AI 图像 API → 生成模特上身/穿搭效果图。与本项目「本地图 + 提示词 → 生成主图」**核心相同**，可直接借鉴：
|
||
|
||
- ✅ **API 客户端抽象**（多模型、`api_type` 多格式、URL 归一化、`extra_body`）——几乎可整体移植成 cmbot 的 `services/ai_image_service.py`。
|
||
- ✅ **传图方式**（base64 data-url / multipart）与**响应取图**（递归找 base64/URL、下载）的兼容写法。
|
||
- ✅ **提示词模板 + 占位符 + 预览**（cmbot 可换成衣服相关占位符，如 `{garment}` 或风格参数）。
|
||
- ✅ **批量 + 并发 + 限速 + 阶梯重试 + 心跳超时**这套稳态调度（中转 API 易 429）。
|
||
- ✅ **温和停止、实时日志、进度统计、失败清单**的交互范式。
|
||
- ✅ **JPG 压缩到限值**的输出处理。
|
||
|
||
与 cmbot 的差异（落地时要调整）：
|
||
|
||
- **数据源仍用 Excel（已确认不变）**：cmbot 的 AI 穿搭把 Excel 当作 I/O 适配边界——读行转成内部模型 `OutfitTask`、生成后把新图路径写回 Excel（D/E/F 列），核心对内部模型工作、与数据源解耦（将来再加文件夹/队列输入也不必改核心）。设计见 `docs/11-ai-outfit.md`。
|
||
- cmbot 走 **app/core/services 分层 + 单测**；本项目是单文件混排，移植时应拆进 `services`（API/网络/Excel）与 `core`（无 GUI 逻辑），便于测试。
|
||
- cmbot 已有数据目录（`~/.cmbot`）、配置（`config_service`）、日志、打包/更新体系，**不需要**照搬本项目的 bootstrap/offline_runtime/.bat 那一套。
|
||
- 注意 **Python 3.7 兼容**：旧项目用了 `dict[str, Any]` 等 PEP 585 写法，移植到 cmbot（Python 3.7.9）需 `from __future__ import annotations` 或改 `typing.Dict`。
|
||
|
||
## 7. 注意事项与风险
|
||
|
||
- 🔒 **`api_config.json` 含明文 API key**（vectorengine.ai 中转）。本文已脱敏，**切勿把真实 key 提交到仓库或外泄**；cmbot 接入时应像更新源凭据那样,放用户数据目录、不入库。
|
||
- 中转 API 稳定性未知，**会出现 429 上游繁忙**——并发默认 1，阶梯重试，必要时排队。
|
||
- 接口返回结构不统一，取图逻辑做了较强兼容，移植时保留这套「递归找图」的鲁棒性。
|
||
- 2K/4K 更慢更贵，界面有二次确认；cmbot 接入时也应提示成本/耗时。
|
||
- 该项目仅在「标题→主图」场景验证过，「穿搭」提示词与上身效果需另行调试。
|
||
|
||
## 8. 关键文件清单（移植时重点看）
|
||
|
||
| 文件 / 函数 | 作用 |
|
||
|---|---|
|
||
| `app/main.py` `ImageApiClient.generate/build_payload/build_multipart_fields` | API 请求构造（四种格式）⭐ |
|
||
| `app/main.py` `extract_image_from_response/walk_json_values/decode_image_data_url` | 响应取图（鲁棒）⭐ |
|
||
| `app/main.py` `image_to_data_url/save_jpg_under_limit` | 传图 / JPG 压缩 |
|
||
| `app/main.py` `BatchWorker.run/process_one/call_generate_with_heartbeat/RateLimiter` | 并发/限速/重试/心跳 ⭐ |
|
||
| `app/main.py` `detect_api_type/normalize_api_url/api_config_errors` | 多接口适配与校验 |
|
||
| `api_config.json` / `settings.json` / `prompt.txt` | 配置与提示词模板 |
|
||
| `bootstrap.py` + `offline_runtime/` | 离线运行/打包（cmbot 不需要照搬） |
|
||
| `需求规格说明.md` | 完整功能需求（最权威） |
|