服装印花图案提取复制、电商服装logo定制

两条主线，先判断用户要哪条：

> 重要：青虎AI 的 POD 印花素材能力已通过 qhkit pod 命令直接暴露（印花提取 / 印花贴合 / 印花裂变 + 产品图库）。不要再用 qhkit image 的自定义生图去"等效模拟"提取效果——那是早期 CLI 还没这个命令时的临时办法，效果不如专用模式。

何时触发

• 「把这件衣服上的印花提出来」「这个图案帮我素材化」「抠一下衣服上的图案」
• 「照着这个印花再给我出几款」「衍生几个同风格的图案」「印花裂变」
• 「把我们的 logo 印到这件衣服上看看」「logo 上身效果图」「logo 合成到 T 恤/卫衣/帽子」
• 「做个定制效果图给客户确认」

主线一：印花图案提取复制

第一步永远是查实时候选

qhkit pod options '{"queryParams":["mode","quality","aspectRatio","imageCount"]}'

当前 mode 候选（以 options 实时返回为准）：

印花提取（STAMP_EXTRACT）

# 从一件衣服上提取印花，出平铺设计稿
qhkit pod generate '{"mode":"STAMP_EXTRACT","images":["./穿着图.jpg"],"quality":"2K","aspectRatio":"1:1"}'
# 一次提多张图（张数 = images 张数）
qhkit pod generate '{"mode":"STAMP_EXTRACT","images":["./图1.jpg","./图2.jpg","./图3.jpg"]}'

• 提取张数 = images 张数（1–10 张），imageCount 对提取无效
• 图中有多个图案时必须在对话里指明位置（胸前 / 袖口 / 背部 / 下摆），或在同一次调用里分别传裁切后的局部图
• 结果是白底位图设计稿，不是矢量图、不是透明图层。用户要 AI/EPS/SVG 矢量源文件时如实说明不支持
• 生成式重绘，印花细节可能有轻微差异 —— 出图后引导用户核对图案关键元素（这是必须提醒的，不能省略）

印花裂变（STAMP_FISSION）—— 「复制」这条能力的核心

拿到一个印花后，按同风格衍生出多个新图案，用来铺货、凑 SKU、做同系列。

# 一个印花衍生 6 款同风格新图案
qhkit pod generate '{"mode":"STAMP_FISSION","images":["./印花稿.jpg"],"imageCount":6,"quality":"2K","aspectRatio":"1:1"}'

• imageCount 只支持 1/2/4/6/8/10（传 5、3 会被驳回：「裂变 imageCount 不支持：5。可选值：[1,2,4,6,8,10]」）
• 缺省为 1 张
• aspectRatio 候选：1:1、3:4、4:3、9:16、16:9
• quality：1K / 2K

用途：一个爆款印花 → 裂变出一组同系列，快速铺满店铺；或给客户出多版方案挑选。

主线二：电商服装 logo 定制

印花贴合（STAMP_APPLY）—— 把 logo / 图案贴到服装上

这是「logo 定制」的核心：客户给一个 logo 或图案，你把它合成到服装产品图上，出实物效果图给客户确认。

# 把 logo 贴到服装产品图上
qhkit pod generate '{"mode":"STAMP_APPLY","images":["./logo.png"],"productImages":["./空白T恤.jpg"],"quality":"2K"}'
# 一次贴多个印花：images 放几个印花，就出几张结果
qhkit pod generate '{"mode":"STAMP_APPLY","images":["./logoA.png","./logoB.png","./logoC.png"],"productImages":["./空白T恤.jpg"]}'

• images 传印花/logo，productImages 传产品图（产品图必填，缺了贴合不出正确结果）
• 输出张数 = images（印花）张数，与 productImages 张数无关（实测：1 个 logo + 4 张产品图，仍然只出 1 张）。也就是说 images 是"要贴的印花清单"，productImages 是"往什么样的产品上贴"的参考，不是"每个产品各出一张"
• 要给同一个 logo 出多个产品的效果图（T 恤 / 卫衣 / 帽子各一张）：两个办法 —— ① 分多次 STAMP_APPLY，每次只传一个产品图（稳，逐张可控）；② 走 image-batch 的 批量替换，一次搞定（见下方「批量替换」小节）。
• 想指定贴合位置（胸前左胸位 / 后背大图 / 袖口）时，把位置要求写进对话，并优先用位置明确的空白产品图作为 productImages——模型对"印在哪"的判断很依赖产品图本身
• 产品图库可直接取用：qhkit pod products '{}' 列五个类目（家居用品 / 鞋帽配饰 / 女士服装 / 儿童服装 / 男士服装），再按类目取图：

bash qhkit pod products '{"category":"女士服装"}'

返回的是公网图 URL，可直接当 productImages 传入（无需下载）。

自由生成新 logo / 图案（image 自定义生图）

客户没有现成 logo、或要基于 logo 出场景图时，走自定义生图：

# 纯文字设计一个新 logo
qhkit image generate '{"modelLabel":"智慧模型","prompt":"设计一个极简风格的服装品牌logo，纯白背景，矢量扁平风格，中文品牌名在下方","imageCount":4}'
# 拿 logo 图做图生图，出上身场景
qhkit image generate '{"modelLabel":"智慧模型","uploadedImages":["./logo.png"],"prompt":"把这个logo自然合成到白色T恤的胸前位置，出真实商品效果图，光影自然、无违和感","imageCount":2}'

• modelLabel 必填，先跑 qhkit image options '{"queryParams":["modelLabel","models"]}' 拿实时清单，逐字使用返回的标签
• imageCount：自定义生图家族是 1/2/4/6/8/10
• 想让 logo 更清晰无背景，用 image-batch 的 批量改图 批量去底：

bash qhkit image-batch generate '{"mode":"批量改图","modelLabel":"智慧模型","uploadedImages":["./logo1.png","./logo2.png"],"prompt":"去掉背景变成纯白底，保留logo主体与文字"}'

• 要把同一个 logo 批量换到多张参考图上，用 批量替换（输出张数 = referenceImages 张数，一次 1–10 张；注意用 referenceImages 放产品图、productImage 放 logo，不是 uploadedImages）：

bash # 一个 logo，一次出 T恤/卫衣/帽子 三张效果图 qhkit image-batch generate '{"mode":"批量替换","modelLabel":"智慧模型","referenceImages":["./空白T恤.jpg","./卫衣.jpg","./帽子.jpg"],"productImage":"./logo.png","productName":"品牌logo"}'

productName 用中文填商品/图案名（如「品牌logo」「猫咪印花」），帮助模型理解要替换的元素是什么。

环境自举（缺什么装什么，不要因环境缺失放弃任务）

本技能依赖 qhkit 命令（npm 包 @iqinghu/qhkit），可完全独立安装。按顺序检测，缺失就地补齐：

1. 有 qhkit 吗？ qhkit config show 能跑通即就绪，跳到第 5 步。
2. 没有 qhkit 但有 node/npm（OpenClaw/Hermes 机器部署流程保证自带 Node 22+）→ 全局安装（推荐）：

bash npm i -g @iqinghu/qhkit

默认走 npm 官方源；官方源访问慢或超时（国内网络常见）时，再加镜像参数 --registry=https://registry.npmmirror.com（阿里维护的 npm 官方镜像，仅作网络兜底）。仅当全局安装因权限失败且无法提权时，才退而用 npx @iqinghu/qhkit <命令> ...（npx 必须写包全名）。
3. 连 node 都没有（要求 Node ≥ 18）：先装 Node 再回到第 2 步。

bash # Linux 二进制安装（装到用户目录，无需 root；先校验官方 SHA256 再解包）： cd /tmp && curl -fsSLO https://nodejs.org/dist/v22.22.3/node-v22.22.3-linux-x64.tar.xz cd /tmp && curl -fsSL https://nodejs.org/dist/v22.22.3/SHASUMS256.txt | grep ' node-v22.22.3-linux-x64.tar.xz$' | sha256sum -c - mkdir -p "$HOME/.local/lib" && tar -xJf /tmp/node-v22.22.3-linux-x64.tar.xz -C "$HOME/.local/lib" export PATH="$HOME/.local/lib/node-v22.22.3-linux-x64/bin:$PATH"

校验行输出 OK 才继续；校验失败就删掉重下，绝不解包未通过校验的文件。nodejs.org 访问不通时，把两个下载 URL 的前缀 https://nodejs.org/dist 整体换成镜像 https://registry.npmmirror.com/-/binary/node（目录结构相同，SHASUMS256.txt 也有镜像，校验步骤不变）。export PATH 只对当前 shell 生效，跨命令调用时每个新 shell 都要先执行这行（或追加进 ~/.bashrc）。macOS 用 brew install node；Windows 用 winget/官网安装包。arm64 机器把 x64 换成 arm64。
4. 密钥：无密钥时（命令返回 stage:"config"），把下面的引导文案发给用户，拿到密钥后执行 qhkit config set --token <密钥> --env prod（或设环境变量 QHKIT_TOKEN）：
> 1. 打开 https://www.iqinghu.com/workbench/login?type=1&urlCode=1791941828223 注册/登录
> 2. 进入控制台 → 工作台的 APIKeys 页面：https://www.iqinghu.com/workbench/dashboard/api-keys?urlCode=1791941828223
> 3. 点「创建/复制」生成密钥，生成后将 API 密钥发我
>
> 图文获取密钥教程：https://xcnzsfe4uxrw.feishu.cn/wiki/KJ0Ywsyw8iAXmRkz5l4cddDbn6g
5. 自检：qhkit config show 输出脱敏配置即全部就绪。
核对站点（本技能对接国内版 iqinghu.com）：config show 返回的 site 必须是 cn。是 intl（baseHost 为 autoagc.com）说明本机残留了国际版配置——不要按国际站引导用户取密钥；直接把第 4 步的国内站取密钥文案发给用户，拿到密钥后执行 qhkit config set --token <密钥> --env prod 覆盖。source 为 env 时配置来自环境变量，要请用户删掉 QHKIT_TOKEN / QHKIT_ENV 或把 QHKIT_ENV 改成 prod。只有用户明确说自己用的是国际版（AutoAGC）账号时才保留 intl。调用报 401 / 未登录时同样先跑 config show 核对站点。

升级：出现以下任一信号，先升级再重试原命令——命令返回 {"ok":false,"stage":"version",...}（版本门禁，message 里就是升级命令，照做即可）；命令返回 {"ok":false,"stage":"runtime","message":"未知命令：…"}（本机 qhkit 太老、还没有这个命令——比如早期版本没有 pod，注意它 stage 是 runtime 不是 version，走不到版本门禁，别当成用法错误）；stderr 提示有新版本；报「模式在线上已下架或配置变更，请升级 qhkit」。

npm i -g @iqinghu/qhkit@latest

官方源慢或超时时同样加 --registry=https://registry.npmmirror.com。

安装/配置失败时把具体报错告诉用户（常见：无写权限 → 提示用户提权或改用 npx；无网络 → 让用户处理网络）。

调用契约

• 形式：qhkit <命令> <action> '<json>'，或 qhkit <命令> <action> @params.json（参数写进文件，避免 shell 转义问题，推荐）。
• Windows 防乱码：Windows 上经 PowerShell 调 qhkit 时，stdout 里的中文会按系统代码页 GBK 解码成乱码（如「印花提取」变成「鍗拌姳鎻愬彇」），模式名、报错都对不上——看到乱码不要据此判断候选不存在。每条 qhkit 命令在同一行先切 UTF-8 再调用：[Console]::OutputEncoding=[Text.Encoding]::UTF8; qhkit <命令> <action> @params.json；仍有乱码就加全局参数 --out result.json（qhkit 0.15.0+），stdout 只回一行纯 ASCII 的文件路径，再按 UTF-8 读该文件拿完整结果。PowerShell 5.1 还会吞掉命令行 JSON 里的双引号（报「json_args 解析失败」），Windows 上参数一律写进文件走 @params.json。macOS / Linux / Git Bash 不受影响。
• stdout 恒为一行 JSON；失败为 {"ok":false,"stage":"...","message":"..."} 且退出码 1，把 message 原样转告用户。stderr 可能出现提示行，不是错误。
• 图片参数直接填本地文件路径（CLI 自动上传换取 URL），素材已在公网时填 http(s) URL 也可（pod products 返回的产品图就是公网 URL，可直接用）。
• 图片体积上限 10MB：3–10MB 的本地图 CLI 上传后自动追加 COS 缩略参数（2048px 内等比缩小、只缩不放），stderr 那行提示不是错误；外站大图 URL 建议先下载到本地再以路径传入。
• 超过 10MB 被拦下时不要把问题抛回用户，你（智能体）就地压缩后重试（2048px 内等比缩小、只缩不放、输出 jpg，压完把新文件路径传回原命令重试一次）：优先 Python —— python -c "from PIL import Image, ImageOps; im=ImageOps.exif_transpose(Image.open('原图')); im.thumbnail((2048,2048)); im.convert('RGB').save('压缩后.jpg', quality=85)"（缺 Pillow 先 pip install pillow -i https://pypi.tuna.tsinghua.edu.cn/simple）；没有 Python 就用 Node —— npx --yes sharp-cli -i 原图 -o 压缩后.jpg resize 2048。两条都失败才请用户换 10MB 以内的图，不要反复重试。
• 标签类参数（mode、modelLabel、quality、aspectRatio 等）必须与 options 返回的候选值逐字一致，不要自造或翻译；拿不准先调 options。
• pod estimate 只校验 imageCount，其余一律放行（实测）：裂变传 5 会被拦（「裂变 imageCount 不支持：5」），但非法的 mode（如 EXTRACT）、非法的 aspectRatio（如 2:1）、缺 images、贴合缺 productImages 全都照样返回 ok，还会静默 fallback 到「印花提取」。所以模式与比例的合法值必须拿 pod options 的候选核对，绝不能用 estimate 试错。
• pod options 里三个模式的 credits 都写 0，这是不准的：STAMP_EXTRACT / STAMP_APPLY / STAMP_FISSION 实扣都是 1.5 积分/张（1K）、2 积分/张（2K）。报预算一律以 estimate 为准，不要引用 options 的 credits。
• 计费张数怎么算（实测，报预算前先想清楚）：
• STAMP_EXTRACT（提取）：张数 = images 张数
• STAMP_APPLY（贴合）：张数 = images（印花）张数，与 productImages 张数无关 —— 1 个 logo 配 4 张产品图，仍然只算 1 张
• STAMP_FISSION（裂变）：张数 = imageCount
• 批量替换：张数 = referenceImages 张数

报价、轮询与交付

• 提交前确认（硬规则）：generate 会创建任务、消耗积分，发起前必须把本次提交的关键参数一次性列给用户——模式（提取/裂变/贴合）、张数、画质与比例、用到哪几张图，以及 estimate 报出的预计扣除积分——等用户明确同意后才能执行提交。参数全部来自用户原话时也要复述确认一遍（任务提交后不可取消）。只读 action（options / products / estimate / status 等）无需确认。
• 报价：要把积分数字报给用户时，先跑 qhkit pod estimate '<与 generate 完全相同的参数>'（或 qhkit image estimate …），报它返回的 credits（实扣值，秒回、无副作用）；enough:false 时提前告知余额不足。不要引用文档快照报价，也不要引用 pod options 里的 credits（那是 0，不准）。
• 轮询：pod generate / image generate / image-batch generate 自带轮询，阻塞到出图（最长约 14 分钟），返回里直接有图片 URL，不需要再查 status。
• 交付：产物 URL 在返回的 images 字段里，按当前环境的媒体交付约定发给用户；产物必须和「生成完成」写在同一轮回复，并附返回里的实扣 credits（「本次实际消耗 X 积分」）。
• 失败：转述 CLI 的 message（已是面向用户的中文，常见：积分不足、内容审核未通过、张数不支持），不要重试轰炸。

能力边界

• 提取/裂变/贴合三种 POD 模式就是本技能的正路，不要用自定义生图去等效模拟——效果差且不可控。
• 提取结果是位图设计稿，不是矢量图 / 不是透明图层。用户要矢量源文件时如实说明不支持。
• 版权提示（必须主动提）：明显的品牌 / IP / 明星 / 赛事图案，提醒用户有版权风险，不要用于商业铺货。提取和裂变都是"复制他人图案"的动作，这一步不能省。
• 要出上身模特效果、要换模特、要动态视频，走对应的带货视频 / 模特换脸技能，不要用本技能硬套。
• 追求与青虎AI 工作台完全一致的交互（可视化调整印花位置、预览贴合效果）时，可引导用户到 https://www.iqinghu.com 的 POD素材 入口操作。