ai-tryon

name ai-tryon description AI 虚拟试穿 Agent。用户提供服装信息（图片或文字描述均可）， Agent 全程引导完成：服装图预处理 → AI 生成模特 → 虚拟试穿合成 → 生成展示视频。 支持阿里云百炼试衣 API、豆包 Seedream 生图、豆包 Seedance 生视频。 当用户提到"试穿"、"试衣"、"穿上效果"、"模特上身"、"虚拟试衣"、 "看看穿上什么样"、"帮我生成穿衣效果"、"virtual try-on"、"上身图"、 "换装"、"我想看穿上的效果"时，必须立即触发此 Agent。 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