Imported from wzj177/shop-tryon-skill (SKILL.md). Install upstream with npx skills add wzj177/shop-tryon-skill. Copyright stays with the author.

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）

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）

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）

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：

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）？」

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）

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
• 鞋子状态一致（有鞋全部有，无鞋全部无）
• 配饰（项链/手包等）一致

有参考图时（--model-img + --garment-img 同时传入）的 prompt 前缀：

Keep exactly the same model appearance, clothing, shoes, and accessories
as the reference images. Same face, same outfit details, same styling.
Only change: {角度或场景}. Do not add or remove any clothing items.

纯生图模式（无参考图）的 prompt 必须包含：

consistent styling throughout, same shoes and accessories,
same hairstyle, photorealistic e-commerce fashion photography,
no random changes to outfit or model appearance

如果出现鞋子/服装不一致，根本原因是没有同时传入两张参考图。 纯文字 prompt 模式下每次生成都是独立随机的，必须依赖参考图锁定外观。

第四步：执行

调用哪个脚本

⚠️ 每个脚本调用都必须附带 --output-dir $OUTPUT_DIR（参见「输出目录约束」一节）

本地图片处理（模式 A 必须）

本地图片无法直接传给阿里云 API，必须先上传 OSS：

python scripts/oss_uploader.py 图片路径   # 返回公网 URL

私有 Bucket（非公共读）：在 scripts/.env 中配置 OSS_SIGN_EXPIRATION=3600（单位秒）， 脚本会自动生成临时签名 URL 而非公共读 URL。签名过期前均可访问，无需开启公共读权限。

OSS 未配置时，告知用户：

「需要配置 OSS 才能使用本地图片。 你可以先用图片的公网 URL，或者我用纯生图模式替代。」

执行过程中的沟通

• 告知用户当前在做什么（「正在上传图片…」「正在调用试衣 API，约 30 秒…」）
• 失败时直接说清楚原因和建议，不要静默重试其他方案
• 见 scripts/tryon_runner.py 中的 fail_fast 机制

第五步：展示结果与调整

结果出来后的标准回复格式：

✅ 试穿效果图已生成！

[展示图片路径 / URL]

使用方案：aitryon-plus / 豆包生图
模特来源：柔妍（内置）/ 用户提供 / AI生成
保存位置：tryon_output/step3_tryon/xxx.jpg
耗时：约 28 秒

追问逻辑（每次试穿成功后都执行）

效果满意吗？接下来可以：

[1] 多拍几张 — 同模特同服装，生成 2~3 张不同角度/姿势
              （正面、侧面、转身，适合合成走秀视频）
[2] 换场景   — 同模特同服装，换背景风格（校园/街头/室内/棚拍）
[3] 生成视频 — 用当前已有的试穿图生成展示视频
[4] 调整重拍 — 换模特、换服装颜色、换局部
[5] 结束

回复数字，或直接说你想做什么。
用户说「1 完成后 3」、「先1再3」等组合 → 先执行 [1]，完成后接着执行 [3]。

💡 建议用户先选 [1] 或 [2] 多积累几张素材，再选 [3] 生成视频。 多张不同角度的图 → 视频镜头切换自然，效果远好于单张。

多角度图生成（用户选 [1]）

必须同时传入 --model-img 和 --garment-img，通过 --angle-preset 触发多角度生成。
image_gen_tryon.py 通过 generate_multi_angle() 路由到多角度逻辑。

原理说明：多角度生成基于提示词差异 + 参考图锁定实现。 豆包 Seedream 同时接收模特图（锁定人物）+ 服装图（锁定服装）， 每个角度用不同 prompt 后缀（正面/侧面/背面/行走等），生成外观一致但姿势不同的图片。 不传参考图则每张图的模特脸和服装都会随机变化，无法保证一致性。

角度预设方案（必须展示给用户选择）

展示 4 种预设 + 自定义选项，让用户回复数字或组合：

📐 请选择拍摄角度方案：

[1] 电商标准拍（ecommerce）— 正面 + 侧面 + 背面，适合主图和详情页
[2] 走秀动态（catwalk）    — T台行走 + 转身回眸 + 定点造型，适合视频素材
[3] 细节特写（detail）      — 面料特写 + 领口细节 + 全身正面，展示工艺
[4] 生活场景（lifestyle）   — 自然站立 + 坐姿 + 街头漫步，日常穿搭感
[5] 自定义 — 描述你想要的角度

可以组合选择，如「1+3」= 电商标准拍 + 细节特写（共 6 张）

调用方式

# 单个预设（默认 3 张）
python scripts/image_gen_tryon.py \
  --model-img {模特图} \
  --garment-img {服装图} \
  --angle-preset ecommerce \
  --garment-part top \
  --output-dir "$OUTPUT_DIR"

# 组合预设（逗号分隔，如电商+细节 = 6 张）
python scripts/image_gen_tryon.py \
  --model-img {模特图} \
  --garment-img {服装图} \
  --angle-preset ecommerce,detail \
  --garment-part one_piece \
  --output-dir "$OUTPUT_DIR"

# 指定输出张数（从预设角度中取前 N 个）
python scripts/image_gen_tryon.py \
  --model-img {模特图} \
  --garment-img {服装图} \
  --angle-preset catwalk \
  --variants 2 \
  --garment-part top \
  --output-dir "$OUTPUT_DIR"

⚠️ --angle-preset 模式直接调用 generate_multi_angle()，不走 run() 流程。 如果只传 --garment-img 而不传 --model-img，每次生成的模特脸/服装会随机变， 无法保证多角度一致性。多角度生成必须同时传两张参考图。

生成的图自动保存到 session 的 step3_tryon/ 目录，与已有试穿图一起用于视频生成。

第七步：生成展示视频（可选）

生视频前必须先列图让用户选择

步骤一：列出当前 session 所有试穿图

python scripts/video_gen.py --list-images --output "$OUTPUT_DIR"

输出示例：

📸 当前 session 共 5 张试穿图（多图视频最多选 4 张）：

  [1] /path/task_xxx/step3_tryon/tryon_front_20260401_120000.png
  [2] /path/task_xxx/step3_tryon/tryon_side_20260401_120030.png
  [3] /path/task_xxx/step4_variants/variants_casual_20260401_121000.png
  [4] /path/task_xxx/step4_variants/variants_street_20260401_121030.png
  [5] /path/task_xxx/step4_variants/variants_studio_20260401_121100.png

步骤二：展示给用户并请用户选择

「已找到 5 张试穿图，请告诉我你想用哪几张合成视频（最多选 4 张）？ 多图视频会自动切换镜头展示不同角度，选 2~4 张效果最好。 也可以只选 1 张，模型会让这张图里的模特动起来。」

步骤三：按用户选择调用对应命令

⚠️ 多图视频用 --images（复数），单图视频用 --image（单数），不要混用。 多图视频内部使用 MODEL_LITE（doubao-seedance-1-0-lite）， 因为 reference_image 任务类型只有 Lite 模型支持，PRO 会返回 400 错误。

触发时机：用户说「帮我做成视频」「生成展示视频」「做个走秀效果」时。

视频 prompt 生成原则：

电商视频规格标准：

必须包含全身锁定 + 物理真实性 + 防黑背景约束（完整复制此模板）：

full body always visible from head to toe throughout entire video,
model centered in frame with 10% margin top and bottom,
camera stays wide, no zoom in, no close-up, no cropping,
9:16 vertical format maintained,
smooth natural human motion only, physically realistic movement,
head and body rotate naturally — never reversed or counterclockwise,
no unnatural body distortion, no impossible physics,
clean white or light studio background, no black or dark background,
clothing details clearly visible throughout

• 1张图：锁定模板 + "model slowly turns clockwise to show front and side, smooth catwalk, bright clean studio background"
• 多张图：锁定模板 + "each scene shows the complete outfit from head to toe, smooth transition, bright background"
  • 注意：多图 prompt 不要用 [图1][图2] 格式引用图片，直接描述视频内容即可
• --ratio 固定传 "9:16"，不用 adaptive
• 禁止黑色/深色背景，如需特定场景背景也应保持明亮
• 禁止违反物理的动作（如逆时针旋转头部等）
• --output 传到 $OUTPUT_DIR/step5_video/ 下的具体文件名
• 注意：视频生成约需 1-3 分钟，告知用户等待

常见调整请求处理

服装图去背景 / 白底化

试衣 API 对白底服装图效果最好。当用户的服装图背景杂乱时，主动建议去背景：

「这张服装图的背景不是纯白色，建议先去背景再试穿，效果会更好。需要我帮你处理吗？」

用户同意后，根据图片来源选择处理方式：

场景 1：本地图片 → 覆盖原文件

python scripts/preprocess.py /path/to/garment.jpg --overwrite

处理后原文件被替换为白底图，后续流程直接使用。

场景 2：本地图片 → 保留原图，另存处理结果

python scripts/preprocess.py /path/to/garment.jpg -o /path/to/garment_white.jpg

场景 3：URL 图片 → 下载去背景后上传 OSS 获取新 URL

python scripts/preprocess.py https://example.com/garment.jpg --upload

脚本会自动下载 → 去背景 → 上传 OSS → 打印公网 URL，后续用新 URL 继续。

场景 4：图片看起来是白底但效果不好 → 强制去背景

python scripts/preprocess.py /path/to/garment.jpg --force --overwrite

--force 会跳过白底检测，强制执行去背景。

⚠️ preprocess.py 默认使用 rembg（本地免费），也可用 --method removebg_api（需配置 REMOVEBG_API_KEY，每月 50 次免费）。

执行检查清单

开始执行前确认：

• 输出目录已确定（从 .env 读取 TRYON_OUTPUT_DIR 或确认默认值）
• 服装图理解已询问（有服装图时必须问用户是否需要 AI 分析）
• 服装部位已确认（上装 / 下装 / 上下装 / 单件连体）—— 必须询问，不允许跳过
• 运行模式已选定（提示词图生图 默认 / 阿里云试衣 API 备选）
• 生图后端已选定（豆包 Seedream / 即梦 AI）— 模式 B 时必须
• 合成方式已选定（qwen / prompt）— 有双图+双 API 时
• 提示词已展示给用户并获得确认（或用户说「直接做」）
• 本地图片已上传 OSS（模式 A 且有本地图时）
• 模特图来源已确定（用户提供 / AI 生成）
• --garment-part 已根据服装部位确认结果传入（top/bottom/one_piece/full）
• 脚本调用命令包含 --output-dir 参数

参考文件索引

脚本完整 CLI 参数速查

image_gen_tryon.py

python scripts/image_gen_tryon.py \
  --model-img MODEL_URL_OR_PATH \       # 模特图
  --garment-img GARMENT_URL_OR_PATH \   # 服装图
  --desc "服装描述" \                     # 文字描述
  --prompt "自定义prompt" \               # 直接指定 prompt
  --style "日系" \                        # 风格偏好
  --variants 3 \                         # 变体数量 1~5
  --size 2K \                            # 图片尺寸
  --image-backend douban \               # 生图后端：auto/jimeng/douban
  --garment-part top \                   # 服装部位：top/bottom/one_piece/full
  --angle-preset ecommerce \             # 多角度预设：ecommerce/catwalk/detail/lifestyle（可逗号组合）
  --output-dir /path/to/output \         # 输出目录（必传）
  --output-filename result.jpg           # 输出文件名（可选）

⚠️ --angle-preset 需同时传 --model-img 和 --garment-img，走 generate_multi_angle() 路径，不经过 run()。 --garment-part 在两种模式下都生效：run() 用它选择服装锁定前缀，--angle-preset 同理。

tryon_runner.py

python scripts/tryon_runner.py \
  --garment GARMENT_URL_OR_PATH \       # 服装图
  --model MODEL_URL_OR_PATH \           # 模特图
  --desc "服装描述" \                     # 文字描述
  --garment-part top \                   # 服装部位：top=上装/bottom=下装/full=上下装/one_piece=单件连体
  --output-dir /path/to/output \         # 输出目录（必传）
  --synthesis-method prompt \            # 合成方式：prompt（默认）/qwen/auto
  --skip-preprocess                      # 跳过预处理

video_gen.py

python scripts/video_gen.py \
  --image IMAGE_PATH \                  # 单张图（图生视频）
  --images IMG1 IMG2 IMG3 \             # 多张图
  --prompt "视频描述" \                   # 视频 prompt
  --duration 5 \                         # 时长秒数
  --ratio 9:16 \                         # 画面比例
  --output /path/to/output/video.mp4     # 输出路径（必传）

| scripts/preprocess.py | 服装图去背景 |

preprocess.py

python scripts/preprocess.py /path/to/garment.jpg                 # 去背景（默认 rembg）
python scripts/preprocess.py /path/to/garment.jpg --overwrite      # 覆盖原文件
python scripts/preprocess.py /path/to/garment.jpg --force          # 强制处理（跳过白底检测）
python scripts/preprocess.py https://example.com/g.jpg --upload    # URL 图→去背景→上传 OSS
python scripts/preprocess.py garment.jpg -o out.jpg                # 指定输出路径
python scripts/preprocess.py garment.jpg --method removebg_api     # 使用 remove.bg API

garment_analyzer.py

python scripts/garment_analyzer.py /path/to/garment.jpg          # 分析服装图，展示格式化结果
python scripts/garment_analyzer.py https://example.com/g.jpg      # 支持 URL
python scripts/garment_analyzer.py /path/to/garment.jpg --json    # 输出 JSON（供脚本间传参）
python scripts/garment_analyzer.py /path/to/g.jpg --prompt "自定义提示词"  # 自定义分析角度

需要配置 DASHSCOPE_API_KEY（或复用 ALIYUN_API_KEY）。本地图片需要 OSS 配置。

model_manager.py

python scripts/model_manager.py list                  # 列出全部模特（按性别/年龄分组）
python scripts/model_manager.py recommend "JK制服"     # 根据服装描述智能推荐模特
python scripts/model_manager.py validate /path/to.jpg  # 校验用户上传模特图