AI服装人台换模特图专家

人台换模特图生成。传入人台图（dress form / mannequin）+ 可选模特/背景参考图，生成真人模特穿着该服装的电商展示图。仅处理人台图输入；平铺图或已有模特图走 linkfox-aigc-imagegen-cloth（type=MODEL_IMAGE）。

人台换模特图生成

把人台图（dress form / mannequin）上的服装"穿"到真人模特身上，生成一张保留原衣服穿着效果的电商展示图。内部含多步骤编排（textgen 智能提词 → imagegen 出图），通过 AI 图片解读动态生成出图 prompt，比固定模板更精准地处理不同品类与穿搭组合。

⚠ 与 linkfox-aigc-imagegen-cloth（type=MODEL_IMAGE）的区别：该类型使用内联固定模板 + 直接出图，适用于平铺图/人台图/已有模特图等多种输入；本 skill 专门处理人台图输入，走 textgen 做动态图片解读后生成精准 prompt（含品类判断、半身自动补全、Black Box 服装保真锚定），再出图。两者并行存在，按输入类型和精度需求选用。

适用场景

将人台/模型架上的服装换成真人模特穿着效果，生成电商展示图。

场景	说明
人台图直出模特	只给人台图，AI 自动推导模特画像（肤色/发型/体型）与场景，生成真人上身图
指定模特复刻	额外给模特参考图，生成的模特 100% 复刻该参考人的五官/发型/肤色/身材
指定背景场景	额外给背景参考图，场景按参考背景复刻
用户自定义指令	通过 customerKeywords 指定模特画像、姿势、场景等额外要求

不适用

• 平铺图（衣服摊平拍摄）→ 走 linkfox-aigc-imagegen-cloth（type=MODEL_IMAGE）
• 已有模特图换姿势/换动作裂变 → 走模特裂变能力
• 非服饰类商品场景图 → 走 linkfox-aigc-imagegen-product
• Ins 风种草大片/卖点图/A+ 图 → 走对应 skill
• 一次性问"这张图好不好看"之类的纯解读，不生成新图

输入参数

只列运行时入参；textgen system prompt 内联固化在本 skill 内，不作为入参暴露。

参数	类型	默认	说明
imageUrls	string[]	必填	图片列表，按顺序：第 1 张=人台图（必填，前端强制），第 2 张=模特参考图（可选），第 3 张=背景参考图（可选）
customerKeywords	string	""	用户补充提示词（模特画像/姿势/场景等额外要求），映射 textgen prompt 的 {customer_keywords}
ratio	string	1:1	图片比例，原样透传给 imagegen 的 aspectRatio
resolution	string	2K	分辨率，2K / 4K
provider	string	BANANA_PRO	生图模型，用户可选：BANANA_PRO / GPT_2_IMAGE / BANANA_2 / AIDRAW_EDIT / WAN2_7

字段映射规范：customerKeywords 为 null 或空时替换成空字符串 ""，避免占位符残留在最终 prompt 里。

流水线步骤

推荐路径：步骤 1 完成后，用 run_mannequin.py 一次调用完成构参 → textgen → imagegen 全链路，避免 bash 链式拼接导致 command 截断或空命令。

路径铁律：本 skill 脚本属 <本skill根目录>；textgen / imagegen 脚本属各自 skill 目录。当前工作目录不固定，一律用绝对路径调用，不要用裸 scripts/... 相对路径。其中 <本skill根目录> = 本 SKILL.md 所在目录；<textgen根目录> / <imagegen根目录> 分别通过 skill:linkfox-aigc-textgen / skill:linkfox-aigc-imagegen 解析其 SKILL.md 所在目录的绝对路径取得。

禁止：手动用 Write 构造 textgen 参数文件（必须经 build_textgen_params.py）、用 bash heredoc 内嵌长 prompt/JSON、把大段文本塞进 Bash command 参数。InputValidationError: command missing 是 Agent 工具层空命令错误，不是 textgen/imagegen 业务失败——出现时应改用本 skill 脚本，不要原样重试空 Bash。

步骤 1：校验图片 URL 可访问性

• 输入：imageUrls
• 操作：逐项检查 imageUrls 中的值，保持原顺序（人台图在第 1 位，模特参考图在第 2 位如有，背景参考图在第 3 位如有）：
  • 已是公开 URL（http/https 开头）→ 直接透传
  • 本地文件路径（非 http/https）→ 调 linkfox-file-upload 上传获得公开 URL 后替换
• 输出：imageUrls（全部为公开可访问的 HTTPS URL）
• 用途：作为 textgen 的视觉输入与 imagegen 的参考图输入。

步骤 2–3：全链路出图（推荐）

• 输入：步骤 1 的 imageUrls、customerKeywords、ratio、resolution、provider
• 操作：
  1. 用 Write 把任务参数落成 JSON 文件（小文件，仅入参，不含 prompt 正文）<mannequin_job.json>：

     json

     {
       "imageUrls": ["https://..."],
       "customerKeywords": "",
       "provider": "BANANA_PRO",
       "ratio": "1:1",
       "resolution": "2K",
       "textgen_script": "<textgen根目录>/scripts/aigc_textgen.py",
       "imagegen_script": "<imagegen根目录>/scripts/aigc_imagegen.py"
     }
     

  2. 执行编排器（仅此一次 Bash 调用）：

     bash

     python <本skill根目录>/scripts/run_mannequin.py --params-file <mannequin_job.json>
     

  3. 编排器在进程内完成：读 templates/mannequin.txt 构参 → textgen --content-only → imagegen 出图；瞬时网络错误每步自动重试 1 次。
• 输出：模特上身图（stdout 含 Saved full response: 后的本地路径，原封不动透传展示）
• 用途：最终交付给用户的图片产物。

分步调试（仅排查问题时使用）

步骤 2a：构参

bash

python <本skill根目录>/scripts/build_textgen_params.py \
  --image-urls '<步骤1的URL JSON数组>' \
  --customer-keywords "<customerKeywords>" \
  --out "$DATADIR/textgen_mannequin.json"

步骤 2b：textgen 改写

按 textgen SKILL.md 链式调用（机制见 textgen SKILL.md --content-only）：

bash

PROMPT=$(python <textgen根目录>/scripts/aigc_textgen.py --stdin --content-only < "$DATADIR/textgen_mannequin.json")

步骤 3：imagegen 出图

bash

PARAMS=$(jq -nc --arg p "$PROMPT" --argjson imgs '<步骤1的URL JSON数组>' \
  '{prompt:$p, imageUrls:$imgs, provider:"<provider>", outputNum:1, aspectRatio:"<ratio>", resolution:"<resolution>", quality:"high"}')
python <imagegen根目录>/scripts/aigc_imagegen.py "$PARAMS"

• skill 输出原封不动透传：linkfox-aigc-imagegen 自行完成调用与输出，本 skill 不做二次包装、不截取、不重新输出。

---

错误处理与失败护栏

textgen 失败处理（步骤 2）

失败类型	判断依据	处理
网络/超时	连接失败、timeout	最多重试 1 次；再失败向用户报告
模型返回空	返回文本为空或明显非 prompt 格式	不重试，向用户报告"提词模型未能生成有效 prompt"，建议调整输入图或补充 customerKeywords
其它错误	401/配额/5xx	不重试，如实告知用户

imagegen 失败处理（步骤 3）

linkfox-aigc-imagegen 对业务失败也返回 exit 0，不能靠退出码判断成败。

• 成功：stdout 含 Saved full response: ["xxx.png", ...]（JSON 数组路径）→ 图片已落盘，取路径展示。
• 失败：stdout 含 Saved full response: xxx.json（单个 JSON 文件路径）→ 无图片产物，需读该 JSON 查看错误详情。

失败类型	判断依据	处理
参数非法	errmsg 指向 provider/aspectRatio/resolution 等入参	用 AskUserQuestion 让用户重选参数后重跑
认证失败	errcode==401	停止，提示用户配置 API Key
瞬时错误	网络/超时/连接失败	最多自动重试 1 次；再失败报告用户
其它错误	配额、内容被拒、5xx	不重试，如实告知

硬性护栏：

• ❌ 禁止因生图失败改调任何其它 skill
• ❌ 禁止无上限重试
• ❌ 禁止把失败的返回体当成功继续往下走

---

执行自检

每次出图后，agent 在收尾时确认：

• 步骤 1 所有参考图都成功转为公开可访问 URL（本地路径已通过 linkfox-file-upload 上传），人台图在第一张
• textgen 返回了有效的英文 prompt（非空、非错误信息），且 {customer_keywords} 已由 build_textgen_params.py 替换
• 步骤 3 imagegen 成功返回图片路径（非 JSON 错误文件）
• 服装款式、颜色、纹理与人台图上的原衣服一致（Black Box Rule 生效）
• 若传了模特参考图：模特五官/发型/肤色已复刻
• 若传了背景参考图：背景已按参考处理
• provider / ratio / resolution 已按用户入参透传

已知局限

• 依赖 textgen 的图片理解能力：如果人台图拍摄角度刁钻、光线极差或服装特征不明显，textgen 可能误判品类导致 Completion Rule 补错搭配。
• textgen 返回的 prompt 为英文且 ≤512 tokens，极复杂场景（多层搭配、大量配饰）可能被截断。
• Black Box Rule 不描述目标服装细节（靠 img2img 参考图锚定），如果 imagegen 模型对参考图的还原力不足，服装细节可能偏差——此时建议换 provider 重试。
• 本 skill 只接受人台图输入；平铺图/已有模特图走 linkfox-aigc-imagegen-cloth（type=MODEL_IMAGE）。
• 仅产出单张图片；多张需求由套图编排层调度。
• 多一步 textgen 调用意味着比固定模板链路多 5-15 秒延迟。

---

提示词正文（textgen System Prompt）

正文固化于 scripts/templates/mannequin.txt（v3.1b），由 build_textgen_params.py 读取并按 {customer_keywords} 填充。model=GEM_3_1_PRO，thinkingLevel=medium。修改 prompt 请改模板文件，勿在 SKILL.md 内嵌副本。