🐾 宠物写真工作室 v2.0

> 上传宠物照 → 锁定外观 → 换姿势/场景/风格 → 生成写真 → 一致性自检 → 成品交付

核心承诺与验收标准

承诺：主体的样子不变，动作/场景/风格可变。

这句话必须可度量，否则就是空话。 本 skill 用 5 锚点一致性自检（见 Step 6）把它变成分数。低于阈值自动重试，不合格不交付。

⚠️ 开工前必读：Provider 选择矩阵

不要凭直觉选。各 Provider 对「动物本尊复刻」的能力天差地别，选错会导致核心功能失效。

决策规则（2026-08-03 用户决策）：
- 宠物本尊复刻（"要像奶金"）→ 即梦 或 可灵。两者参考图均不限主体类型，是动物角色一致性的正解。即梦/可灵的 Key 配置见 .env.example。
- 纯文生图（"风格化金渐层，不要求本尊"）→ 平台 ImageGen 工具（无 Key、最快）。注意此时是"同款非本尊"。
- MiniMax → 仅人像参考，传动物会被静默忽略，不推荐用于宠物。

> 🚨 关于「无参考图」的诚实边界
> 平台 ImageGen 工具当前未开放 image 参数，只能文生图。没有参考图，模型只能凭文字"想象一只金渐层"→ 出来的是"金渐层类"，不是"奶金本尊"。
> 这是平台 API 能力开放问题，不是模型智商问题。要让它"看奶金的脸"，必须用即梦/可灵的参考图能力，或等平台开放 image 参数。
> 即梦/可灵首次用真实 Key 跑通前，先用 fidelity_probe.py 做带/不带对照验证动物锁定有效性；未验证前不要向用户宣称"已锁定"。

工作流

Step 0  接收照片 ──► 若已有档案，跳到 Step 3
Step 1  Vision 分析 ──► 提取 5 锚点特征
Step 2  建档案      ──► scripts/profile.py save
Step 3  确认意图    ──► 风格 / 场景 / 姿势 / 张数（可用玩法库替代）
Step 4  成本预告    ──► 必须先告知积分消耗并等确认
Step 5  构建 + 生成 ──► 锁定段 + 可变段 + 正向解剖段
Step 6  一致性自检  ──► 5 锚点比对评分，<4/5 提高保真度重试
Step 7  交付        ──► 落盘归档 + 可选成品排版

Step 1 · Vision 分析（提取 5 锚点）

必须提取，缺一不可：

> 锚点 4 最关键。品种毛色是"泛特征"（一万只橘猫都一样），独特标记才是"这一只"。分析时必须主动找：白手套、围脖、断耳、雀斑、花斑位置、尾巴环纹数。找不到就明说，别编。

物种词典按需读取（不要预加载）：
- 猫 → references/subjects/cat.md
- 狗 → references/subjects/dog.md
- 其他 → references/subjects/_template.md 现场构建

Step 2 · 建档案

python3 scripts/profile.py save --name 咪咪 --species cat \
  --coat "orange mackerel tabby, cream belly" \
  --eyes "amber gold, round" \
  --marks "white front paws;M-mark forehead;notched left ear" \
  --build "short hair, round face, chubby" \
  --refs /path/front.jpg /path/profile.jpg

档案存 ~/.pet-photo-studio/profiles/{name}.json。一次分析，永久复用 —— 这是杜绝"第二次生成猫变样"的关键。后续只需 profile.py load --name 咪咪。

Step 3 · 确认意图

给用户三选一，别一上来就问 5 个参数：

1. 选风格 → references/styles.md（12 种预设，含光线+场景+道具）
2. 玩法模式 → references/playbooks.md（猫格测试 / 名画致敬 / 盲盒 / 多宠同框 / 时间旅行…）
3. 自由描述 → 用户说人话，你翻译成提示词

Step 4 · 成本预告（强制）

生成前必须告知消耗并等待确认。 不许静默扣积分。

> 逻辑依据：图像生成 low 质量消耗的算力/Token 显著低于 high，故"先 low 草稿挑构图、再 high 出成品"比"直接 high 出多张"更省积分、且避免全不满意的重做浪费。具体积分以平台账户实时扣减为准（官方口径：单价因任务复杂度与模型而异）。

话术模板：
> 这次准备生成 4 张 low 质量草稿供你挑构图（成本较低）；选中后再出 high 质量成品（单位成本较高）。具体积分以平台实时扣减为准。确认继续吗？

Step 5 · 构建提示词 + 生成

统一模板（三段式） —— 顺序不可换，权重从高到低：

① 锁定段（从档案读，逐字不改）
A photorealistic photo of a {species}, {coat}, {pattern}, {eyes} eyes,
{build}, {unique_marks},

② 可变段（本次创意）
{pose}, {expression}, distinct catchlight in eyes,
{lighting}, {scene}, {props}, {style},
shallow depth of field, bokeh background,

③ 正向解剖段（防崩坏，见 references/negative.md）
anatomically correct {species} paws, four legs in natural posture,
both pupils identical in size and direction, one single intact tail,
two symmetrical ears, single {species} alone in frame, clean background,
professional pet photography, ultra detailed, sharp focus on eyes

🚫 三条禁令：
1. 不写 no xxx 否定句。扩散模型不理解否定，no other animals 里权重最高的是 animals，反而提高多动物概率。一律改写成正向解剖描述。
2. 不在 prompt 里写画幅（3:2 aspect ratio 之类）。API 有 size 参数，写进 prompt 会被当画面内容，可能真画出比例标注线。
3. 不省略正向解剖段。爪子畸形/多腿/双瞳不一致是宠物图崩坏率最高的三项。

调用（路径 🅰️）：

ImageGen(
  prompt = 三段式提示词,
  image = [档案里的 1-3 张参考图],
  input_fidelity = "high",       # 锁外观的核心旋钮（前提：所用 ImageGen 后端支持该参数）
  size = 见下表,
  quality = "low"|"high",
  output_dir = "/workspace/pet-photos/{name}/"
)

> ⚠️ 参数可用性前置校验（P0 验证结论）
> 平台 ImageGen 的可用参数因版本而异。开工前先确认当前环境是否真支持 image / input_fidelity。
> - 若支持 → 按上表传参考图 + input_fidelity=high，原生锁定外观。
> - 若当前工具只接受 prompt（无 image / input_fidelity） → 不要假装锁定已生效。
> 此时"样子不变"只能靠 ① 段（锁定段）逐字锚定 + Step 6 一致性自检兜底，且必须如实告知用户：
> "当前生成通道不支持参考图锁定，相似度靠描述锚定，可能每次略有差异。"
> 不论哪条路，Step 6 的 5 锚点自检都是硬验收，不可跳过——这是"锁定"唯一可度量的保险。

| 需求 | size |
|------|------|
| 竖版写真（手机壁纸/朋友圈）**默认** | `1024x1536` |
| 横版（电脑壁纸/横幅） | `1536x1024` |
| 方图（头像/九宫格单格） | `1024x1024` |

### Step 6 · 一致性自检（**不可跳过**）

生成后用 Vision 读回图片，对照档案 5 锚点逐项打分：

| 得分 | 处理 |
|------|------|
| 5/5 | ✅ 直接交付 |
| 4/5 | 🟡 交付 + 明确标注差异项，问是否重试 |
| ≤3/5 | 🔴 **不交付**。提高 `input_fidelity`、把独特标记词前移加权，自动重生成一次 |

自检结果写回档案 `history`，用于长期追踪哪些风格/参数保真度高。

**脚本化自检（P1-5，推荐）**：用 `scripts/consistency_check.py` 把主观比对变成可复现流程——
先 `analyze --profile 名 --ref 参考图 --gen 生成图` 出客观指标 + 结构化 Vision 评分卡，
Agent 用 Vision 读生成图、把每条锚点 `match` 填 `true/false`，
再 `score --json 评分卡 --log` 算 5 锚点得分并写回档案 history。比纯口头判断更稳、可沉淀。

> 这一步的意义超出质量本身：**它把"锁定"从宣传语变成可度量指标。** 没有它，你无法回答"v2.1 比 v2.0 好在哪"。

### Step 7 · 交付

📸 {宠物名} 的写真完成

🐾 主体：{锚点摘要}
🎨 风格：{风格名} 💡 光线：{光位+光质} 📐 {size}
🔒 保真：input_fidelity={值} ✅ 一致性：{n}/5

🖼️ {本地文件路径} ← 必须是本地路径，不是临时 URL
💰 本次消耗：以平台账户实际扣减为准（单价因任务复杂度与模型而异）

━━━━━━━━━━━━━━━━
💡 提示词：{完整英文}

📣 顺手能发的 3 条文案（复制即发，别只给图 —— 有文案分享率明显更高）：
· 吐槽型：{和本次玩法挂钩的梗，如"AI 说我月薪 3k 的猫比我像社畜，我竟无法反驳"}
· 共情型：{让人会心一笑的总结，如"原来它不是高冷，是哲学家，思考了一下午为什么要吃饭"}
· 悬念型：{让人想点开的钩子，如"测了下我家猫的人格，结果让我沉默了三分钟"}
（按本次玩法从 references/playbooks.md「社交裂变·文案模板示例」选最贴的 3 条，
名画致敬 / 通缉令 / 多宠同框 / 节日限定 各有专属文案）

🔄 继续玩：换姿势 / 换场景 / 换光线 / 出套系 / 做成台历

**成品升级**（价值密度分水岭，主动建议）：
```bash
python3 scripts/compose.py grid --dir /workspace/pet-photos/咪咪 --out 九宫格.jpg
python3 scripts/compose.py calendar --dir ... --year 2027 --out 台历.pdf

> 用户为"一张图"付费意愿低，为"一件东西"（台历/明信片/纪念册）付费意愿高。这是从工具变成产品的关键。

按需加载索引

不要一次性读全部。按当前步骤只读需要的：

脚本速查

边界与安全

• 多宠同框：把两只宠物的参考图一起传（ImageGen 支持最多 3 张），提示词明确 two cats side by side, both looking at camera，并在解剖段写清各自锚点。这是物理上拍不到的照片，是本 skill 最强的场景。
• 纪念场景（彩虹桥）：离世宠物纪念照。付费意愿最高，但容错最低。原图往往模糊且仅一两张。必须：① 先说明"可能无法完全还原"；② 优先柔光/逆光等宽容度高的风格；③ 一致性 <4/5 绝不交付；④ 全程用平和语气，不煽情。
• 真人：v2.0 不支持。真人写真是另一个赛道（零容错相似度 + 肖像权合规 + 红海竞争）。若要走，路径是 宠物 → 宠物拟人化 → 宠物+主人合影 → 真人，见 CHANGELOG.md 的路线图，不要直跳。
• 不生成宠物受伤、恐怖、拟真血腥内容。
• 用户上传的照片仅用于本次生成与档案，不外传。

版本

v2.0.3 · 新增即梦 Jimeng + 可灵 Kling 两个 Provider（动物本尊复刻首选，参考图不限主体类型） / Provider 选择矩阵重构 / .env.example 配置模板。

v2.0.0 · 三层架构重构 / 平台 ImageGen 优先 / 一致性自检闭环 / 档案持久化 / 正向解剖防崩 / 成品排版 / 玩法库 / 多物种。
完整变更与 v1.2 对照见 CHANGELOG.md。

```