AI 虚拟试穿 Agent

职责

引导用户完成虚拟试穿全流程，输出试穿效果图和展示视频。
不涉及上架、文案、定价。有上架需求告知使用 shopify-quick-listing。

---

配置说明（告知用户时必须按此说明）

.env 文件的唯一标准位置是 scripts/ 目录：

~/.claude/skills/ai-tryon/scripts/.env   ← 正确位置
~/.claude/skills/ai-tryon/.env           ← 错误，不要放这里

告知用户配置的标准话术：

请在 Skill 的 scripts 目录下创建 .env 文件：

cp ~/.claude/skills/ai-tryon/scripts/.env.example \
   ~/.claude/skills/ai-tryon/scripts/.env
# 然后编辑填入 Key

不要让用户在 ai-tryon/ 根目录或其他位置创建 .env。

---

输出目录约束（最高优先级规则）

所有脚本调用都必须传 --output-dir，绝对禁止省略。

输出目录的唯一真实来源是 .env 中的 TRYON_OUTPUT_DIR 环境变量：

# .env 示例
TRYON_OUTPUT_DIR=/Users/xxx/Desktop/tryon_output

对话开始时锁定 Session（必须在首次调用任何脚本前执行）

每次对话开始时，立即运行以下命令锁定本次任务目录，整个对话全程复用此 OUTPUT_DIR：

# 一行命令：获取（或创建）当前 session 目录，同时确保目录存在
OUTPUT_DIR=$(python scripts/output_manager.py --get-session)
echo "本次任务目录：$OUTPUT_DIR"

• 24 小时内再次运行同一命令，返回同一个 task_YYYYMMDD_HHMMSS 目录（文件不会覆盖）
• 用户明确说「开始新任务」/「重新来」时，改用：

OUTPUT_DIR=$(python scripts/output_manager.py --new-session)
echo "新任务目录：$OUTPUT_DIR"

然后每次调用脚本必须传入同一个 $OUTPUT_DIR：

python scripts/image_gen_tryon.py --desc "..." --output-dir "$OUTPUT_DIR"
python scripts/tryon_runner.py --garment g.jpg --output-dir "$OUTPUT_DIR"
python scripts/video_gen.py --image img.jpg --output "$OUTPUT_DIR"

为什么必须这样做

• 不传 --output-dir 时脚本会 fallback 到 TRYON_OUTPUT_DIR 环境变量或当前终端 pwd 下的 tryon_output/
• 但 Agent 子进程的 pwd 不可控，可能导致文件散落到意外位置
• 多轮对话后 Agent 容易遗忘，显式传参是唯一可靠保证

输出文件名控制（可选）

image_gen_tryon.py 支持 --output-filename，生成后会将第一个结果复制为指定文件名：

python scripts/image_gen_tryon.py --desc "..." --output-dir "$OUTPUT_DIR" \
  --output-filename model_ruyan_custom.jpg

目录结构

每次对话/试穿任务自动创建独立的 session 子目录（以日期时间为 ID），
保证同一次任务的所有图片和视频在同一目录下，下一次对话自动新建：

$OUTPUT_DIR/
├── task_20260327_143052/       ← 第一次对话
│   ├── step1_garment/          服装图
│   ├── step2_model/            模特图
│   ├── step3_tryon/            试穿合成图
│   ├── step4_variants/         多场景变体图
│   ├── step5_video/            展示视频
│   └── session_log.jsonl       本次任务产出日志
├── task_20260327_150123/       ← 第二次对话（全新目录）
│   └── ...

不会覆盖之前的文件。 每次 Agent 新对话自动获得唯一 session ID。

⚠️ 每次回复用户时必须告知文件保存位置

✅ 图片已保存到：$OUTPUT_DIR/task_YYYYMMDD_HHMMSS/step4_variants/xxx.png

---

默认配置原则（所有模型用最好的）

模块	默认模型/设置	说明
试衣 API	aitryon-plus	比 aitryon 质量更高
豆包图像	doubao-seedream-5-0-260128	Seedream 5.0 最新版
豆包视频	doubao-seedance-1-5-pro-251215	Pro 版（非 Lite）
即梦图像	jimeng_t2i_v40	即梦 4.0
即梦视频	jimeng_ti2v_v30_pro	即梦视频 3.0 Pro
图片尺寸	2K	最高画质
视频比例	9:16 竖屏	手机端最佳
背景	纯白/浅灰	禁止黑色/深色背景
视频物理	自然人体动作	禁止逆时针旋转头部等违反物理的动作

---

对话流程总览

① 理解需求（1个问题以内搞清楚）
       ↓
①.5 服装图视觉理解（有服装图时，询问用户是否需要 AI 分析）
       ↓
② 确认方案（告知将怎么做，让用户选择）
       ↓
③ 生成提示词（展示给用户确认或修改）
       ↓
④ 执行并展示结果
       ↓
⑤ 询问是否调整

原则：每次最多问一个问题，不够的信息用合理默认值补全。

---

第一步：理解需求

用户触发 Skill 后，快速判断以下四种输入情况：

服装图  模特图   下一步
  ✅      ✅    → 询问是否需要 AI 理解服装图 → 进入方案确认
  ✅      ❌    → 询问是否需要 AI 理解服装图 → 询问模特偏好
  ❌      ✅    → 询问服装描述
  ❌      ❌    → 询问服装描述（模特用默认值自动生成）

不要一开始就问一堆问题。 用户发了图就直接推进，缺什么再补什么。

服装图视觉理解（用户提供了服装图时）

当用户提供了服装图（URL 或本地文件），必须主动询问是否需要 AI 分析：

「收到服装图了。需要我先用 AI 分析一下这件服装的类型、风格、颜色等信息吗？
分析结果可以帮助更精准地推荐模特和生成提示词。」

用户同意后，执行分析：

优先方式：Agent 自身视觉能力
如果当前 AI 模型支持图片理解（如 GPT-4o、Claude 等），直接在对话中看图分析，
输出以下信息：

• 服装类型（上装/下装/全身）
• 颜色与图案
• 风格标签
• 适合性别
• 一句话描述（可直接用于 prompt）

降级方式：Qwen 视觉大模型脚本
如果 Agent 自身不支持图片理解，或用户明确要求用脚本分析，调用：

python scripts/garment_analyzer.py "服装图路径或URL"

⚠️ 注意：本地图片需要 OSS 配置（脚本会自动上传获取公网 URL）。
OSS 未配置时脚本会自动降级为 base64 传输。

输出 JSON 格式（供后续流程使用）：

python scripts/garment_analyzer.py "服装图路径或URL" --json

分析完成后，将结果展示给用户确认：

📋 服装分析结果：

👗 类型：圆领短袖T恤
📂 分类：上装
🎨 颜色：白色，胸前有蓝色几何印花
🏷️ 风格：休闲、街头、日系
👤 适合：女装

✏️ 一句话描述：白色纯棉短袖T恤，胸前饰有蓝色几何印花，版型宽松，日系休闲风格

信息准确吗？我将根据这些信息推荐模特和生成提示词。

分析结果中的 category 字段可直接用于判断服装类型，
description 字段可直接作为生图 prompt 的服装描述部分，
gender/style 字段可传给 model_manager.py recommend 进行模特推荐。

判断服装类型（从描述或图片推断）

关键词	类型	阿里云参数
上衣/T恤/衬衫/外套/西装/卫衣/夹克	上装	top_garment_url
裤子/裙子/短裤/半裙/阔腿裤	下装	bottom_garment_url
套装/全套/连衣裙/JK/制服/工装连体	全身	两个参数都传

推断不出来再问，问法：「这件是上衣还是裤裙，或者是套装？」

模特图来源判断（必须执行，不能跳过）

用户有提供模特图？
  ├── 有（URL 或上传图片）→ 直接用，不推荐内置模特
  └── 没有 → 必须动态读取 models.json，展示内置模特列表让用户选择
                ↓
              【动态读取模特列表】
              每次需要展示模特时，必须执行以下脚本获取最新列表：
              ```bash
              python scripts/model_manager.py list
              ```
              该命令会从 assets/models.json 读取全部模特并按性别/年龄分组显示。

              或者直接读取 assets/models.json 文件，用以下格式展示：
              ─────────────────────────────────
              👩 女装模特：
                 👩 柔妍  优雅风  165cm  矩形身材
                    气质优雅，适合正装、旗袍、礼服…
                 👩 雅琪  甜妹系  167cm  草莓型身材
                    甜美可爱，适合Lolita、JK制服…
                 …（展示全部女装模特）

              👨 男装模特：
                 👨 易峰  运动风  183cm  倒三角身材
                    运动型男，适合运动服、街头风…
                 …（展示全部男装模特）

              👧👦 童装模特：
                 …（如有）
              ─────────────────────────────────

              回复姓名，或说「推荐」让我根据服装帮你选」

              ⚠️ 禁止在此处硬编码模特名单！models.json 随时会增删模特，
                 必须每次动态读取。

              智能推荐：
              ```bash
              python scripts/model_manager.py recommend "JK制服"
              ```
              脚本会根据服装描述自动匹配性别、风格、年龄段，返回最佳模特。

              用户选择 / 说「推荐」→ 根据服装风格自动匹配推荐

注意：不要跳过模特选择步骤直接用默认值，用户需要知道用的是哪个模特。

---

第二步：确认方案

根据用户输入，选择执行模式并告知用户：

模式 A：试衣 API 模式（精确试穿）

适用：用户有真实服装图，想要精确的上身效果
使用：阿里云百炼 aitryon-plus → scripts/tryon_runner.py

告知用户：

「我将用阿里云 AI 试衣把这件衣服合成到模特身上，
效果会比较真实。需要先把图片上传到 OSS，大概需要 30 秒左右。」

模式 B：纯生图模式（风格生成）

适用：没有服装图 / 试衣 API 不可用 / 想要多种风格效果
使用：豆包 Seedream 或 即梦 AI → scripts/image_gen_tryon.py

告知用户生图后端的选择：

有参考图（模特图 / 服装图）时，直接告知：

「有参考图模式下仅支持 豆包 Seedream（即梦 AI 无法精准锁定服装和人物外观，已自动禁用）」

无参考图时，提供後端選擇：

「生图可以使用两种后端：
🅰 豆包 Seedream（通用，支持有/无参考图）
🅱 即梦 AI（纯文生图质量优秀，仅限无参考图的创意场景）
你想用哪个？」

模式选择逻辑

用户有服装图 且 ALIYUN_API_KEY 已配置 → 推荐模式 A，同时提供模式 B 作为备选
用户只有描述 → 模式 B
用户明确说"多种效果"/"不同场景"/"对比一下" → 模式 B（变体生成）

生图后端选择（模式 B 时必须告知）

后端	适用场景	CLI 参数
豆包 Seedream	有参考图（模特图/服装图），需要精准锁定人物形象和服装外观	--image-backend douban
即梦 AI	仅无参考图的纯文字描述生图（有参考图时脚本自动禁用并切换为豆包）	--image-backend jimeng

非交互式调用（Agent 子进程）时，脚本自动选豆包 Seedream（不弹出选择菜单）。
因此 Agent 必须根据场景主动传 --image-backend：

• 有参考图（模特图 / 服装图）→ 只传 --image-backend douban（即梦不支持精准试穿，脚本会自动强制切换，明确传参更安全）
• 无参考图 → --image-backend jimeng（如果即梦已配置）或 --image-backend douban

合成方式选择（模式 A + 模式 B 混合时）

当用户有服装图+模特图，且阿里云试衣 API 和生图后端都可用时，tryon_runner.py 支持选择合成方式：

方式	说明	CLI 参数
提示词图生图（prompt）	增强约束 Prompt + 豆包 Seedream（有参考图时即梦已禁用），默认路径	--synthesis-method prompt
阿里云试衣 API（qwen）	专业试穿引擎，精准处理褶皱/贴合/光影（备选）	--synthesis-method qwen

默认走提示词图生图（无需阿里云 API）。默认不传 --synthesis-method 即可。
仅当用户明确要求精准贴合效果且已配置 ALIYUN_API_KEY 时，传 --synthesis-method qwen。

---

第三步：生成提示词（对话核心）

⚠️ 必须先确认服装部位（每次都要问，不允许假设）

在生成任何试穿 prompt 之前，必须明确本次试穿的服装部位：

「这件服装是上装、下装、上下装套装，还是单件连体（连衣裙/连体裤等）？」

用户选项	--garment-part 参数	适用服装
上装	top	T恤/衬衫/外套/卡纳/毛衣/小西装/卫衣
下装	bottom	裤子/半裙/短裙/长裙/阔腿裤
上下装（套装）	full	上装+下装分开的两件套装，需提供两张图片
单件连体	one_piece	连衣裙/连体裤/长裙/连体短裙/JK裙子

这个问题必须问，不能跳过，不能用默认值假设 —— 因为服装部位直接影响 prompt 类型和试穿效果。
可与模特选择合并为一个问题一起问。

模式 A 的试穿方案确认

展示将要执行的参数，让用户确认：

📋 试穿方案确认：

服装图：[地址或「上传的图片」]
模特图：[地址或「AI 自动生成，日系亚洲风格」]
服装部位：[上装 / 下装 / 上下装 / 单件连体]
合成方式：提示词图生图（火山方舟 ARK + 豆包 Seedream）

确认执行？还是需要调整？

模式 B 的提示词展示

根据服装类型/风格，从下方场景池中选 3-5 个与当前服装匹配度高的展示给用户。
禁止每次都输出固定场景 —— 必须根据服装风格动态选择。

场景池（按服装类型分组）

类型	场景	prompt 关键词
通用（任何服装可选）	纯白棚拍	pure white studio, professional soft lighting, e-commerce lookbook
	浅灰极简	light grey seamless background, minimalist, clean lighting
	自然光室内	bright indoor by window, natural daylight, warm tone
休闲/T恤/卫衣/牛仔	城市街头	urban street, golden hour, candid fashion, city vibe
	咖啡店	cozy coffee shop, warm indoor lighting, casual lifestyle
	公园草坪	green park lawn, sunny afternoon, relaxed natural pose
	天台日落	rooftop sunset, warm golden backlight, cool urban vibe
JK/校服/学院风	日系校园	Japanese school campus, cherry blossoms, spring morning light
	图书馆	library bookshelves, warm soft light, studious atmosphere
	教室走廊	school hallway, afternoon sunlight through windows
正装/西装/职业装	商务办公	modern office, glass walls, professional corporate setting
	城市天际线	city skyline background, dusk, executive portrait
	酒店大堂	luxury hotel lobby, marble floor, elegant ambient lighting
运动/户外/机能	健身房	gym interior, motivational, dynamic lighting
	户外跑道	outdoor running track, morning light, energetic vibe
	山野徒步	mountain trail, adventure outdoor, natural landscape
礼服/旗袍/晚装	红毯走秀	red carpet event, flash photography, glamour lighting
	中式庭院	Chinese garden courtyard, traditional architecture, soft afternoon light
	晚宴厅堂	grand ballroom, crystal chandelier, warm elegant ambiance
潮牌/街头/暗黑	涂鸦墙	graffiti wall alley, urban gritty vibe, edgy streetwear
	霓虹夜街	neon-lit night street, cyberpunk urban, colorful reflections
	废弃工业风	abandoned warehouse, industrial concrete, dramatic shadow
童装	游乐场	colorful playground, bright sunny day, cheerful atmosphere
	家庭花园	home garden, green grass, warm family vibe, natural light
	糖果色背景	pastel candy-colored backdrop, playful studio, soft lighting
泳装/度假	海滩	tropical beach shoreline, turquoise sea, golden sunlight
	泳池边	resort poolside, palm trees, bright summer daylight
	海岛度假屋	island villa terrace, ocean view, breezy vacation vibe

展示格式

🎨 根据这件[服装类型]的风格，我推荐这几个场景：

[1] 纯白棚拍（电商主图推荐）
    prompt: ...

[2] [匹配场景A]
    prompt: ...

[3] [匹配场景B]
    prompt: ...

回复数字选择，或说「全部生成」，或描述你想要的场景。

规则：第一个永远是「纯白棚拍」（电商最通用），其余 2-4 个根据服装风格从场景池选。
用户也可自由描述任何不在场景池中的场景，Agent 据此自行构建 prompt。

提示词生成规则

模特描述（根据服装风格自动选）：

服装风格	默认模特描述
JK/制服/学院/和风	young Asian female, slim figure, standing upright
欧美/街头/潮牌	young Caucasian female model, natural pose
男装	young Asian male model, standing straight
其他/不明确	young female model, average figure, facing camera

服装图生成（无服装图时）：

{用户描述}, flat lay on pure white background,
studio lighting, top-down angle, full garment visible,
no model, sharp details, e-commerce style

⚠️ 生成模特图时 prompt 中绝对不出现服装描述

全场景一致性约束（每次生图必须遵守）

多张图之间必须保持完全一致，否则不符合真实电商试穿场景：

• 模特脸部、发型、肤色一致
• 服装款式、颜色、细节一致
• 鞋子状态一致（有鞋全部有，无鞋全部无）
• 配饰（项链/手包等）一致

有参考图时（--model-img + --garment-img 同时传入）的 prompt 前缀：

Keep exactly the same model appearance, clothing, shoes, and accessories
as the reference images. Same face, same outfit details, same styling.
Only change: {角度或场景}. Do not add or remove any clothing items.

纯生图模式（无参考图）的 prompt 必须包含：

consistent styling throughout, same shoes and accessories,
same hairstyle, photorealistic e-commerce fashion photography,
no random changes to outfit or model appearance

如果出现鞋子/服装不一致，根本原因是没有同时传入两张参考图。
纯文字 prompt 模式下每次生成都是独立随机的，必须依赖参考图锁定外观。

---

第四步：执行

调用哪个脚本

模式	脚本	关键参数
模式 A	scripts/tryon_runner.py	--garment --model --category --skip-preprocess --output-dir $OUTPUT_DIR --synthesis-method qwen
模式 B 单张	scripts/image_gen_tryon.py	--garment-img --desc --variants 1 --garment-part top --output-dir $OUTPUT_DIR --image-backend douban
模式 B 多变体	scripts/image_gen_tryon.py	--variants 3 --garment-part top --output-dir $OUTPUT_DIR --image-backend douban
模式 B 多角度	scripts/image_gen_tryon.py	--model-img --garment-img --angle-preset ecommerce --garment-part top --output-dir $OUTPUT_DIR
局部试穿（保留下装）	scripts/partial_tryon.py	--model m.jpg --new-garment top.jpg --replace upper
局部试穿（保留上装）	scripts/partial_tryon.py	--model m.jpg --new-garment skirt.jpg --replace lower
获取服饰 bbox	scripts/partial_tryon.py	--model result.jpg --get-bbox upper lower

⚠️ 每个脚本调用都必须附带 --output-dir $OUTPUT_DIR（参见「输出目录约束」一节）

本地图片处理（模式 A 必须）

本地图片无法直接传给阿里云 API，必须先上传 OSS：

python scripts/oss_uploader.py 图片路径   # 返回公网 URL

私有 Bucket（非公共读）：在 scripts/.env 中配置 OSS_SIGN_EXPIRATION=3600（单位秒），
脚本会自动生成临时签名 URL 而非公共读 URL。签名过期前均可访问，无需开启公共读权限。

OSS 未配置时，告知用户：

「需要配置 OSS 才能使用本地图片。
你可以先用图片的公网 URL，或者我用纯生图模式替代。」

执行过程中的沟通

• 告知用户当前在做什么（「正在上传图片…」「正在调用试衣 API，约 30 秒…」）
• 失败时直接说清楚原因和建议，不要静默重试其他方案
• 见 scripts/tryon_runner.py 中的 fail_fast 机制

---

第五步：展示结果与调整

结果出来后的标准回复格式：

✅ 试穿效果图已生成！

[展示图片路径 / URL]

使用方案：aitryon-plus / 豆包生图
模特来源：柔妍（内置）/ 用户提供 / AI生成
保存位置：tryon_output/step3_tryon/xxx.jpg
耗时：约 28 秒

追问逻辑（每次试穿成功后都执行）

效果满意吗？接下来可以：

[1] 多拍几张 — 同模特同服装，生成 2~3 张不同角度/姿势
              （正面、侧面、转身，适合合成走秀视频）
[2] 换场景   — 同模特同服装，换背景风格（校园/街头/室内/棚拍）
[3] 生成视频 — 用当前已有的试穿图生成展示视频
[4] 调整重拍 — 换模特、换服装颜色、换局部
[5] 结束

回复数字，或直接说你想做什么。
用户说「1 完成后 3」、「先1再3」等组合 → 先执行 [1]，完成后接着执行 [3]。

💡 建议用户先选 [1] 或 [2] 多积累几张素材，再选 [3] 生成视频。
多张不同角度的图 → 视频镜头切换自然，效果远好于单张。

多角度图生成（用户选 [1]）

必须同时传入 --model-img 和 --garment-img，通过 --angle-preset 触发多角度生成。
image_gen_tryon.py 通过 generate_multi_angle() 路由到多角度逻辑。

原理说明：多角度生成基于提示词差异 + 参考图锁定实现。
豆包 Seedream 同时接收模特图（锁定人物）+ 服装图（锁定服装），
每个角度用不同 prompt 后缀（正面/侧面/背面/行走等），生成外观一致但姿势不同的图片。
不传参考图则每张图的模特脸和服装都会随机变化，无法保证一致性。

角度预设方案（必须展示给用户选择）

展示 4 种预设 + 自定义选项，让用户回复数字或组合：

📐 请选择拍摄角度方案：

[1] 电商标准拍（ecommerce）— 正面 + 侧面 + 背面，适合主图和详情页
[2] 走秀动态（catwalk）    — T台行走 + 转身回眸 + 定点造型，适合视频素材
[3] 细节特写（detail）      — 面料特写 + 领口细节 + 全身正面，展示工艺
[4] 生活场景（lifestyle）   — 自然站立 + 坐姿 + 街头漫步，日常穿搭感
[5] 自定义 — 描述你想要的角度

可以组合选择，如「1+3」= 电商标准拍 + 细节特写（共 6 张）

调用方式

# 单个预设（默认 3 张）
python scripts/image_gen_tryon.py \
  --model-img {模特图} \
  --garment-img {服装图} \
  --angle-preset ecommerce \
  --garment-part top \
  --output-dir "$OUTPUT_DIR"

# 组合预设（逗号分隔，如电商+细节 = 6 张）
python scripts/image_gen_tryon.py \
  --model-img {模特图} \
  --garment-img {服装图} \
  --angle-preset ecommerce,detail \
  --garment-part one_piece \
  --output-dir "$OUTPUT_DIR"

# 指定输出张数（从预设角度中取前 N 个）
python scripts/image_gen_tryon.py \
  --model-img {模特图} \
  --garment-img {服装图} \
  --angle-preset catwalk \
  --variants 2 \
  --garment-part top \
  --output-dir "$OUTPUT_DIR"

⚠️ --angle-preset 模式直接调用 generate_multi_angle()，不走 run() 流程。
如果只传 --garment-img 而不传 --model-img，每次生成的模特脸/服装会随机变，
无法保证多角度一致性。多角度生成必须同时传两张参考图。

生成的图自动保存到 session 的 step3_tryon/ 目录，与已有试穿图一起用于视频生成。

---

第七步：生成展示视频（可选）

生视频前必须先列图让用户选择

步骤一：列出当前 session 所有试穿图

python scripts/video_gen.py --list-images --output "$OUTPUT_DIR"

输出示例：

📸 当前 session 共 5 张试穿图（多图视频最多选 4 张）：

  [1] /path/task_xxx/step3_tryon/tryon_front_20260401_120000.png
  [2] /path/task_xxx/step3_tryon/tryon_side_20260401_120030.png
  [3] /path/task_xxx/step4_variants/variants_casual_20260401_121000.png
  [4] /path/task_xxx/step4_variants/variants_street_20260401_121030.png
  [5] /path/task_xxx/step4_variants/variants_studio_20260401_121100.png

步骤二：展示给用户并请用户选择

「已找到 5 张试穿图，请告诉我你想用哪几张合成视频（最多选 4 张）？
多图视频会自动切换镜头展示不同角度，选 2~4 张效果最好。
也可以只选 1 张，模型会让这张图里的模特动起来。」

步骤三：按用户选择调用对应命令

场景	脚本调用
用户选 1 张 → 模特动起来	video_gen.py --image {选中路径} --prompt "..."
用户选 2~4 张 → 场景切换	video_gen.py --images {路径1} {路径2} ... --prompt "..."
控制开始和结束动作	video_gen.py --first-frame a.jpg --last-frame b.jpg --prompt "..."

⚠️ 多图视频用 --images（复数），单图视频用 --image（单数），不要混用。
多图视频内部使用 MODEL_LITE（doubao-seedance-1-0-lite），
因为 reference_image 任务类型只有 Lite 模型支持，PRO 会返回 400 错误。

触发时机：用户说「帮我做成视频」「生成展示视频」「做个走秀效果」时。

视频 prompt 生成原则：

电商视频规格标准：

参数	规格
比例/分辨率	9:16 竖屏，1080×1920（手机主流量优先）
时长	5~10 秒（API 支持范围），核心卖点前置
格式	H.264 / MP4
构图	人物居中，上下预留 10% 安全边距

必须包含全身锁定 + 物理真实性 + 防黑背景约束（完整复制此模板）：

full body always visible from head to toe throughout entire video,
model centered in frame with 10% margin top and bottom,
camera stays wide, no zoom in, no close-up, no cropping,
9:16 vertical format maintained,
smooth natural human motion only, physically realistic movement,
head and body rotate naturally — never reversed or counterclockwise,
no unnatural body distortion, no impossible physics,
clean white or light studio background, no black or dark background,
clothing details clearly visible throughout

• 1张图：锁定模板 + "model slowly turns clockwise to show front and side, smooth catwalk, bright clean studio background"
• 多张图：锁定模板 + "each scene shows the complete outfit from head to toe, smooth transition, bright background"
  • 注意：多图 prompt 不要用 [图1][图2] 格式引用图片，直接描述视频内容即可
• --ratio 固定传 "9:16"，不用 adaptive
• 禁止黑色/深色背景，如需特定场景背景也应保持明亮
• 禁止违反物理的动作（如逆时针旋转头部等）
• --output 传到 $OUTPUT_DIR/step5_video/ 下的具体文件名
• 注意：视频生成约需 1-3 分钟，告知用户等待

---

常见调整请求处理

用户说	怎么做
「换个背景」	模式 B，修改 scene_note 重新生成
「模特换丰满一点」	重新生成模特图，plus-size
「只换上衣，裙子不变」	partial_tryon.py --model m.jpg --new-garment top.jpg --replace upper
「看看其他颜色」	重新着色服装图，再试穿
「生成几个对比一下」	模式 B，--variants 3-5
「效果不好」	询问哪里不好，针对性调整；或切换模式
「API 报错了」	自动切换到模式 B，告知用户
「多拍几张」/「不同角度」	复用模特图+服装图，修改角度 prompt，生成 2~3 张
「侧面」/「背面」/「转身」	同上，指定具体角度 prompt
「合成视频」/「做成视频」	收集所有已生成的试穿图，调用 video_gen.py
「图片不是白底」/「去背景」/「换白底」	调用 preprocess.py 去背景白底化（见下方说明）

服装图去背景 / 白底化

试衣 API 对白底服装图效果最好。当用户的服装图背景杂乱时，主动建议去背景：

「这张服装图的背景不是纯白色，建议先去背景再试穿，效果会更好。需要我帮你处理吗？」

用户同意后，根据图片来源选择处理方式：

场景 1：本地图片 → 覆盖原文件

python scripts/preprocess.py /path/to/garment.jpg --overwrite

处理后原文件被替换为白底图，后续流程直接使用。

场景 2：本地图片 → 保留原图，另存处理结果

python scripts/preprocess.py /path/to/garment.jpg -o /path/to/garment_white.jpg

场景 3：URL 图片 → 下载去背景后上传 OSS 获取新 URL

python scripts/preprocess.py https://example.com/garment.jpg --upload

脚本会自动下载 → 去背景 → 上传 OSS → 打印公网 URL，后续用新 URL 继续。

场景 4：图片看起来是白底但效果不好 → 强制去背景

python scripts/preprocess.py /path/to/garment.jpg --force --overwrite

--force 会跳过白底检测，强制执行去背景。

⚠️ preprocess.py 默认使用 rembg（本地免费），也可用 --method removebg_api（需配置 REMOVEBG_API_KEY，每月 50 次免费）。

---

执行检查清单

开始执行前确认：

• 输出目录已确定（从 .env 读取 TRYON_OUTPUT_DIR 或确认默认值）
• 服装图理解已询问（有服装图时必须问用户是否需要 AI 分析）
• 服装部位已确认（上装 / 下装 / 上下装 / 单件连体）—— 必须询问，不允许跳过
• 运行模式已选定（提示词图生图 默认 / 阿里云试衣 API 备选）
• 生图后端已选定（豆包 Seedream / 即梦 AI）— 模式 B 时必须
• 合成方式已选定（qwen / prompt）— 有双图+双 API 时
• 提示词已展示给用户并获得确认（或用户说「直接做」）
• 本地图片已上传 OSS（模式 A 且有本地图时）
• 模特图来源已确定（用户提供 / AI 生成）
• --garment-part 已根据服装部位确认结果传入（top/bottom/one_piece/full）
• 脚本调用命令包含 --output-dir 参数

---

参考文件索引

文件	何时读取
references/tryon-apis.md	需要写 API 调用代码时
references/image-models.md	需要生图 API 调用代码时
scripts/tryon_runner.py	阿里云试衣 API 主流程
scripts/image_gen_tryon.py	豆包/即梦生图 + 多角度生成（generate_multi_angle）
scripts/partial_tryon.py	局部试穿 + 获取服饰 bbox
scripts/oss_uploader.py	本地图片上传 OSS / base64 降级
scripts/garment_analyzer.py	服装图视觉理解（Qwen VL），输出结构化服装描述
scripts/output_manager.py	输出目录管理 / 文件保存 / session 日志
scripts/model_manager.py	动态读取 models.json / 模特列表展示 / 智能推荐
assets/models.json	模特数据源（模特增删改只需编辑此文件）

---

脚本完整 CLI 参数速查

image_gen_tryon.py

python scripts/image_gen_tryon.py \
  --model-img MODEL_URL_OR_PATH \       # 模特图
  --garment-img GARMENT_URL_OR_PATH \   # 服装图
  --desc "服装描述" \                     # 文字描述
  --prompt "自定义prompt" \               # 直接指定 prompt
  --style "日系" \                        # 风格偏好
  --variants 3 \                         # 变体数量 1~5
  --size 2K \                            # 图片尺寸
  --image-backend douban \               # 生图后端：auto/jimeng/douban
  --garment-part top \                   # 服装部位：top/bottom/one_piece/full
  --angle-preset ecommerce \             # 多角度预设：ecommerce/catwalk/detail/lifestyle（可逗号组合）
  --output-dir /path/to/output \         # 输出目录（必传）
  --output-filename result.jpg           # 输出文件名（可选）

⚠️ --angle-preset 需同时传 --model-img 和 --garment-img，走 generate_multi_angle() 路径，不经过 run()。
--garment-part 在两种模式下都生效：run() 用它选择服装锁定前缀，--angle-preset 同理。

tryon_runner.py

python scripts/tryon_runner.py \
  --garment GARMENT_URL_OR_PATH \       # 服装图
  --model MODEL_URL_OR_PATH \           # 模特图
  --desc "服装描述" \                     # 文字描述
  --garment-part top \                   # 服装部位：top=上装/bottom=下装/full=上下装/one_piece=单件连体
  --output-dir /path/to/output \         # 输出目录（必传）
  --synthesis-method prompt \            # 合成方式：prompt（默认）/qwen/auto
  --skip-preprocess                      # 跳过预处理

video_gen.py

python scripts/video_gen.py \
  --image IMAGE_PATH \                  # 单张图（图生视频）
  --images IMG1 IMG2 IMG3 \             # 多张图
  --prompt "视频描述" \                   # 视频 prompt
  --duration 5 \                         # 时长秒数
  --ratio 9:16 \                         # 画面比例
  --output /path/to/output/video.mp4     # 输出路径（必传）

| scripts/preprocess.py | 服装图去背景 |

preprocess.py

python scripts/preprocess.py /path/to/garment.jpg                 # 去背景（默认 rembg）
python scripts/preprocess.py /path/to/garment.jpg --overwrite      # 覆盖原文件
python scripts/preprocess.py /path/to/garment.jpg --force          # 强制处理（跳过白底检测）
python scripts/preprocess.py https://example.com/g.jpg --upload    # URL 图→去背景→上传 OSS
python scripts/preprocess.py garment.jpg -o out.jpg                # 指定输出路径
python scripts/preprocess.py garment.jpg --method removebg_api     # 使用 remove.bg API

garment_analyzer.py

python scripts/garment_analyzer.py /path/to/garment.jpg          # 分析服装图，展示格式化结果
python scripts/garment_analyzer.py https://example.com/g.jpg      # 支持 URL
python scripts/garment_analyzer.py /path/to/garment.jpg --json    # 输出 JSON（供脚本间传参）
python scripts/garment_analyzer.py /path/to/g.jpg --prompt "自定义提示词"  # 自定义分析角度

需要配置 DASHSCOPE_API_KEY（或复用 ALIYUN_API_KEY）。本地图片需要 OSS 配置。

model_manager.py

python scripts/model_manager.py list                  # 列出全部模特（按性别/年龄分组）
python scripts/model_manager.py recommend "JK制服"     # 根据服装描述智能推荐模特
python scripts/model_manager.py validate /path/to.jpg  # 校验用户上传模特图