房产热销稿 · 图文生成器

把「参考案例」的版式基因 + 「当日素材」的成交事实，熔炼成一套可直接发朋友圈/客户群的热销图文：配图（高清 + 手机版）+ 转发配文。

核心价值在两个字：真与净。

真：房号可辨、现场实拍，成交证据立得住。

净：人脸、时间、姓名、房号尾段全部脱敏，不泄露客户隐私、不给竞品留把柄。

快速开始（30 秒看懂）

解决什么问题：房产项目天天有成交，要把成交凭证、政策海报、案场实拍做成一条能直接发朋友圈的图文。手工做要逐张打码、拼版、写字，半小时起步。本技能把它压成一次对话。

你只需准备两个文件夹：

然后说一句话：

按热销稿技能生成今天的热销图文。
参考案例文件夹：<你的路径>
热销素材文件夹：<你的路径>
项目名称：<楼盘名>
VIP 电话：<电话>
脱敏要求：人脸模糊、时间模糊、姓名打码、房号只保留前半段

你会拿到：两张配图（高清 + 手机版）+ 一段转发配文，人脸、时间、姓名、房号尾段已自动脱敏。

三件事做不到就等于白做：

1. 人脸必须人工复核，机器只给候选
2. 坐标必须用绝对刻度标定，不要目视估算
3. 交付前必须逐区放大自检

详细流程见下文。

一、铁律（违反即返工）

二、启动参数确认（必须用 AskUserQuestion）

开始任何操作前，先确认以下参数。严禁沿用上次的路径与项目信息。

> 若用户说"按之前那样"，仍要复述一遍参数请他确认，不能静默沿用。

三、工作流

Step 0 · 环境自检（一次搞定）

python "<skill_dir>/scripts/hotpic_env.py"

该脚本自动完成：检查并安装 numpy / opencv-python / pillow → 扫描可用中文字体 → 校验 YuNet 模型 → 输出环境报告。

关键环境坑（务必知道）：

Step 1 · 侦察参考案例 + 清点素材

1. 逐个 Read 参考案例图片，提取版式基因：
   - 分栏结构（参考案例为三栏拼贴：刷卡单实拍 / 官方政策海报 / 现场人气实景）
   - 文字样式（橙红+亮黄描边大字压在图上）
   - 印章与贴纸位置
2. Read 参考案例配文，提取语气基因：emoji 分行、数字用变体（6️⃣🥁🎊）、末尾 VIP LINE
3. 递归列出素材目录，输出清单
4. 逐张 Read 素材，识别每张的用途：

> 素材与配文命名建议保持项目习惯：刷卡单N.jpg、本月销售政策.jpg、本周特惠房源.jpg、现场人气N.jpg；参考案例配文为 热销朋友圈转发配文.txt。

Step 2 · 人脸检测（机器给候选）

python "<skill_dir>/scripts/hotpic_faces.py" --src "<素材目录>" --out "<工作目录>/face_out" --images "现场人气1.jpg,现场人气2.jpg"

双检测器联合召回：YuNet（onnx，主）+ Haar 三分类器（补充：正脸/alt2/侧脸），IoU 合并去重。

产出三份东西，必须全部用 Read 工具亲眼看：

人工复核要点（这一步不能省）：
- 删掉误检：墙面贴纸、椅背、屏幕文字、宣传物料上的人像
- 补上漏检：侧脸、低头、背影、被遮挡、远景小脸
- 最终产出人工确认后的头部框列表，写进 _mask.json 的 faces

Step 3 · 坐标标定（全部字段）

需要标定的区域：

A. 人脸区（现场人气照）
用 grid_*.jpg 读数，框略大于头部（外扩 15~25%）。

B. 刷卡单敏感字段
逐张打开素材，用 hotpic_grid.py 生成绝对坐标网格（网格标签标注的是原图坐标，不是裁切局部坐标）：

python "<skill_dir>/scripts/hotpic_grid.py" --src "<素材目录>" --name "刷卡单1.jpg" --crop "0,0,2644,700" --step 100

需要标定的字段清单：

坐标标定方法论（本项目踩坑后的最佳实践）：

1. 绝对坐标网格：网格标签必须标原图绝对坐标。用局部坐标读数是偏位的元凶。
2. 投影法测文字边界（比目视准得多）：
   python bw = (gray < 150).astype(np.uint8) # 二值化 rows = np.where(bw[:, x1:x2].sum(axis=1) > 3)[0] # 行投影 → y 段 cols = np.where(bw[y1:y2, :].sum(axis=0) > 0)[0] # 列投影 → x 段
3. 红字房号自动检测（不靠手填）：
   python hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) m = cv2.inRange(hsv, (0, 55, 55), (26, 255, 255)) | cv2.inRange(hsv, (158, 55, 55), (180, 255, 255)) m = cv2.morphologyEx(m, cv2.MORPH_CLOSE, np.ones((9, 131), np.uint8)) # 水平长核连接同行字符 # 过滤：面积 ≥ 1500、宽 ≥ 150、宽高比 > 1.8、位置约束 0.10<cx<0.78 / 0.30<cy<0.90（排除印章）
   > 色相阈值要放宽到 26：不同单据红字会偏橙，阈值太窄会漏检。

C. 版面元素坐标
- 海报内卡片位置：HSV 橙色掩码 + 列投影找空白列 → 得到左右列分界与行中心
- 贴纸安全区：确认避开房号红字带

Step 4 · 脱敏处理

把 Step 3 的坐标写进 _mask.json（格式见 scripts/_mask.template.json），然后：

python "<skill_dir>/scripts/hotpic_mask.py" --config "<工作目录>/_mask.json"

内置四种武器：

姓名类字段必须「先 obliterate 打底 + 再 pixelate 覆盖」双层，单层会残留笔画轮廓。

房号部分打码：obliterate() 只作用于右半段，split = x + w*0.45；若用连通域掩码方式，则 keep[:, :split] = False 后 dilate 51px 再合成。

兜底机制：红字检测失败时（色相超阈值、无连通域）自动启用 red_fallback 手填区域，并在日志打印"兜底遮房号"，便于发现标定问题。

⚠ 房号自动检测的三重安全约束（实测踩坑后的加固，别绕过）：
1. room_auto 默认 false，只有单据/交易截图才设 true
2. 图片配了 faces（即现场照）时，强制跳过房号检测 —— 否则照片里的横幅、红椅等大色块会被当成房号糊掉（实测复现过）
3. 检测结果再按尺寸合理性过滤：高度 > 图高 25%、面积 > 全图 8% 的红色区块自动剔除（房号是细长文字带，不是大色块）

缺图告警：若素材文件名与 aliases 不匹配，排版阶段会打印醒目的 [缺图!] 并在末尾汇总清单。看到这个提示要立刻回头补 aliases，别让成图带着空格子出门。

验证闭环（必须做）：每次跑完，逐字段裁剪原尺寸放大 Read 一遍，确认无残留再进下一步。典型残留：框偏右露出最后一个字、框偏矮露出姓氏下半、页脚日期末尾数字漏出。

Step 5 · 排版渲染（PIL 直绘）

坐标写进 _layout.json（格式见 scripts/_layout.template.json），然后：

python "<skill_dir>/scripts/hotpic_compose.py" --config "<工作目录>/_layout.json"

内置版式骨架（参考案例风格的标准化）：

┌──────────────────────────────────────────────┐
│  红色渐变缎带 + 金色描边大字（顶部 h≈152）      │
├────────────┬──────────────┬──────────────────┤
│  刷卡单实拍  │  官方政策海报  │   现场人气实景     │   ← 三栏拼贴
│  （证真）    │  （承接）     │   （氛围）        │
├────────────┴──────────────┴──────────────────┤
│  通栏房源贴（盘点在售房源）+「已售」胶囊贴纸     │   ← 图2 专属
└──────────────────────────────────────────────┘

可复用组件（hotpic_compose.py 内置）：

配色规范（照抄，别自己发明）：

画面发黄的三重元凶（务必避开）：
1. warm() 暖化函数（R×1.14 / B×0.86）—— 最猛的一层
2. 画布底色用奶油黄 (255,214,140)
3. ImageEnhance.Color(1.10) 再提饱和

三者叠加，白纸都会变成旧报纸。正确做法：删掉暖化，底色中性暖白，只做 vivid(1.06, 1.05)。

版面排布的硬约束：
- 贴纸/印章/大字之间不许互相遮挡，也不许压住房号
- 排版后用坐标网格叠加检查一遍，确认每个元素落在预期位置
- 通栏海报的 cover 比例要算对：PS = 目标高 / 原图高，元素坐标按 PS 换算再加 y 偏移

Step 6 · 输出交付

hotpic_compose.py 自动产出三件套：

> 为什么要手机版：2160 宽、1.3~1.5MB 的高清图在部分查看器（手机相册、微信预览）会加载不全或只渲染一截。发出去一律用 1080 版（330~430KB）。

配文写法（照参考案例语气）：

🥁周日热销 ‼️ 一日三单
🎊 恭喜成为 #<项目名> 业主
🏠 <楼栋> 双栋齐开
🅿️ 房车位同购 一步到位
🔥 现场人气爆棚 好房递减中
☎ 𝙫𝙞𝙥 𝙡𝙞𝙣𝙚：<电话>

要点：
- emoji 分行，一行一个信息点
- 数字用 emoji 变体增强节奏（6️⃣ 🥁 🎊）
- 房源/优惠类配文用 ✅ 列点，与图上政策海报呼应
- 若图上贴了「已售」标签，配文补一句"部分已售，好楼层越挑越少"形成闭环
- 末尾固定挂 VIP LINE

Step 7 · 交付自检（不可跳过）

逐项核对，缺一不可：

• [ ] 每张人脸的框都人工确认过（无漏检侧脸、无误检墙面贴纸）
• [ ] 人脸模糊强度适中（看得出是人，认不出是谁）
• [ ] 所有时间字段（状态栏/交易时间/页脚日期）不可读
• [ ] 所有姓名（付款人/户名/标题内嵌）不可辨认
• [ ] 房号保留前半段、右半段打码
• [ ] 没有遮挡住房号、没有文字互相压盖
• [ ] 画面无偏黄、无偏色
• [ ] 高清版 + 手机版都已生成，配文已写好
• [ ] 目录内无临时检查文件残留（_chk_*、grid_* 等）

最后用 present_files 交付，并在回复中说明脱敏处理清单（做了什么、做了什么没做），让用户对"哪些隐私已隐去"心里有数。

四、常见回修场景（用户反馈 → 定位方向）

五、脚本清单（scripts/）

模板文件：scripts/_mask.template.json、scripts/_layout.template.json，复制到工作目录改成本次内容即可。

配套参考文档（references/）：

六、分享与复用说明

• 面向使用者的最短路径见本文开头的「快速开始」章节；若分享文件夹给同事，可另附一份三步上手说明。
• 整个 PolyXF-hotpic 文件夹自包含：人脸检测模型已内置，除首次安装依赖外无需联网。
• 模型为何是内嵌文本：部分发布平台的文件白名单只放行 .md / .py / .json，二进制 .onnx 会被直接拒收，
  因此模型以 base64 内嵌在 scripts/hotpic_model_data.py，首次运行自动还原为 .onnx，之后走正常路径不再重复解码。
  还原后会校验 md5，包目录只读时自动退到系统临时目录，不影响使用。
• 接收方首次运行只需执行 hotpic_env.py 自动装齐依赖。
• 若接收方系统无 STHUPO.TTF（华文琥珀），hotpic_env.py 会列出所有可用中文字体，把 _layout.json 里的 font_display 换成扫描结果中的任一路径即可。
• 素材与输出均只读原图 + 另存新目录，不移动、不覆盖、不删除原始素材。