image-to-psd

name image-to-psd description 将一张或多张图片转换为经过严格质量校验的分层 PSD；可独立运行，也可使用 image2editable 的 Host、Local 或本地服务 Agent。输出修复背景、独立透明视觉组件和可编辑 Photoshop 文字图层。仅支持图片输入，不用于 PDF 或 PPTX。 Image to PSD 把图片重建为分层 PSD。文字只由可编辑文字图层贡献一次；视觉组件和背景不得残留文字像素。质量检查失败时停止，不把整页图片伪装成分层结果。 输入与授权 仅支持 PNG、JPEG、BMP、TIFF 和 WebP。 单图输出一个 .psd ；多图输出到目录，同名文件使用稳定序号区分。 每个 PSD 包含修复背景、按 z-order 排列的透明视觉组件和可编辑文字图层。 PSD 写入依赖已授权的 Aspose.PSD。模型推理前必须设置 ASPOSE_PSD_LICENSE ；授权缺失或无效时立即停止。 Windows PowerShell： $env:ASPOSE_PSD_LICENSE="C:\path\to\Aspose.PSD.lic" Linux/macOS： export ASPOSE_PSD_LICENSE=/path/to/Aspose.PSD.lic 授权文件、模型权重、OCR 缓存和运行产物都不存放在此 skill 中。 独立运行 独立模式不需要安装 image2editable 产品包。使用 Python 3.10-3.12，并从 skill 根目录安装依赖： python -m pip install -r references/requirements.txt 若 OCR 尚未准备好，先让用户选择 PaddleOCR 或 Tesseract；未经确认不要安装。PaddleOCR 更适合中文、英文和复杂版面，Tesseract 较轻量但还需要系统程序。 # PaddleOCR python -m pip install "paddleocr==3.7.0" "paddlepaddle==3.3.1" "PaddleX==3.7.2" "PyYAML==6.0.2" # Tesseract Python adapter python -m pip install pytesseract 开始转换前，把三个模型配置为绝对本地路径： SAM2_MODEL 和 LAMA_MODEL 指向文件， GROUNDING_DINO_MODEL 指向目录。独立模式不读取产品 receipt，也不运行 image2editable doctor 。 python -c "import os; from pathlib import Path; names=('SAM2_MODEL','LAMA_MODEL','GROUNDING_DINO_MODEL'); raw={name: os.environ.get(name, '') for name in names}; paths={name: Path(value) for name, value in raw.items()}; assert all(raw.values()) and all(path.is_absolute() for path in paths.values()) and paths['SAM2_MODEL'].is_file() and paths['LAMA_MODEL'].is_file() and paths['GROUNDING_DINO_MODEL'].is_dir(); print('runtime model paths: ok')" 推理不会下载模型或回退 Hugging Face cache。SAM 和 LaMa 文件必须匹配固定身份；DINO 目录视为用户明确提供的本地 override。LaMa 缺失或初始化失败时停止，不降级到容易产生条带或拖影的 OpenCV 修复。 检查当前设备后再运行： python -c "import sys, torch; print({'platform': sys.platform, 'cuda': torch.cuda.is_available(), 'rocm': torch.version.hip})" CPU 仍使用完整模型和相同质量门，速度会明显慢于 GPU。macOS 在真实 Apple Silicon 回归完成前不自动把 MPS 设为默认。 从 skill 根目录运行 module，不要直接执行脚本文件： cd skills/image-to-psd python -m scripts.image_to_psd input.png python -m scripts.image_to_psd input.png -o output.psd python -m scripts.image_to_psd img1.png img2.png -o psd-output python -m scripts.image_to_psd images/ -o psd-output --lang en standalone CLI 只负责图片重建，不接受 --agent-provider 。它先完成全部页面的严格准备，再发布 PSD；任一页面失败时不会留下部分输出。 产品 Runtime 完整仓库或已安装的 image2editable 支持 host 、 local 和 local-service 。三种 Provider 使用同一组件动作、最多 5 批修复和相同质量门，运行开始后不能切换。 先安装 PSD 依赖。OCR 就绪并获得用户同意后，安装并校验固定的 SAM、LaMa 和 DINO runtime： python -m pip install -e ".[psd]" image2editable models install runtime image2editable doctor host 直接使用当前支持视觉、本地文件读取、工具调用和结构化 JSON 的宿主，不探测或下载本地组件决策模型。敏感文件应使用用户已经准备好的 local 或 local-service 。 local 使用用户明确安装的内置 Qwen Agent。安装模型前必须再次确认： python -m pip install -e ".[psd,agent-local]" image2editable models install agent image2editable doctor --agent-local image2editable convert input.png -o output.psd --format psd --agent-provider local local-service 用于用户已经部署的 OpenAI-compatible 视觉模型服务。它必须支持图片输入、JSON 输出和 Chat Completions。优先读取项目根目录 .env 中的 IMAGE2EDITABLE_LOCAL_BASE_URL 、 IMAGE2EDITABLE_LOCAL_MODEL 和可选 IMAGE2EDITABLE_LOCAL_API_KEY ；同名环境变量可以临时覆盖。缺少地址或模型名时停止，不猜测模型名、不下载模型，也不回退到其他 Provider。 image2editable convert input.png -o output.psd \ --format psd --agent-provider local-service Host 模式先准备 Run，再推进到 awaiting_agent ： image2editable prepare input.png -o output.psd \ --run-dir runs/psd-job --format psd --agent-provider host image2editable run execute runs/psd-job image2editable agent next runs/psd-job image2editable agent record runs/psd-job --plan response.json image2editable run execute runs/psd-job 第一次 agent next 返回视觉能力 challenge。必须实际查看 image_path ，记录观察到的 shape 、 color 和 count ，不能从文件名或 metadata 猜测。之后每轮只查看 request 中按顺序列出的 review_evidence ，同时核验完整 request、hash、组件图、候选和冻结状态； quality-report.json 作为质量证据读取，不能当图片发送。 计划必须绑定当前 request_sha256 。每个 action 只使用请求组件图中的 ID，并限定为现有十四类动作： accept 、 discard 、 merge 、 split 、 expand 、 shrink 、 retry_with_box 、 retry_with_points 、 attach_text 、 suppress_text 、 collapse_to_parent 、 rebuild_background 、 absorb_residual 、 absorb_into_parent 。Agent confidence 不能放宽硬失败。 质量与失败 每张图片独立判断，不能跨图片套用拆分结果。 每个视觉组件应是可独立移动的最小完整单元，不得残缺、重叠、吸收相邻对象或只保留阴影碎片。 已通过组件立即冻结；质量没有改善时提前停止，不为耗尽轮数重复执行。 rebuild_background.margin_ratio 使用能覆盖残影且不触及相邻结构的最小值，不固定写死。 unexplained_visual_residual 必须由 active visual owner 覆盖；不能用 accept 、 discard 或归为背景来消除违规。 可靠 OCR 文字必须全部写为可编辑文字图层，并且只能出现一次。 产品 Runtime 页面最终成为 preserved_with_warning 时不生成伪分层 PSD；保留诊断目录并明确报告失败。 standalone 严格质量检查失败时异常包含指标和诊断路径；检查 source.png 、 ownership.png 、 reconstructed.png 和 report.json ，不要回退为整页图片。