螺钿垂直模型子项目方案（模型进阶 V1）

1. 文档定位

文档用途：作为【螺钿垂直模型】的进阶子项目立项与执行框架，用于你与 Claude 的同步评估。
当前状态：仅做方案落版与架构设计，不在本阶段生成代码脚手架。
目标导向：在“工艺可落地 + 市场可接受 + 文化可解释”的前提下，提升螺钿设计生成质量与商业可用性。

2. 你的原文提示词（保留）

我希望设计款螺钿的产品，这个产品包含上海海派文化元素，并面向欧美市场具有一定吸引力的产品设计风格，提供产品创意以及设计画面的设计图。（提示词结束）

3. 项目核心判断

现有 LLaVA QLoRA 路线更擅长“图文理解/描述”，不等同于“高质量图片生成主力模型”。
文化理解能力优先通过 RAG（检索增强） 注入，不建议在 8GB 显存下先做重型文本微调。
需要把“文化知识注入”和“设计图生成”解耦，形成双引擎协作：
- 文化知识引擎：理解上海/欧美文化语义与市场偏好；
- 设计生成引擎：输出可制造、可销售的设计方案与视觉图。

4. 子项目总体架构

4.1 子系统 A：互联网图片采集与训练素材准备

目标：持续收集螺钿图、时尚元素图、欧美偏好图、中国文化符号图。
输入：关键词模板、来源白名单、采集配额。
输出：
- images/ 分层目录（seed / student_xxx / trend_xxx）
- annotations/ 对应 JSON 标注
- source_meta.jsonl（记录来源、时间、license、url）

4.2 子系统 B：文化理解模块（知识库）

目标：学习你上传的书籍、论文、文化文本（如上海文化、欧美文化偏好），并在推理时召回。
输入：PDF/Word/TXT/Markdown 文本资料。
输出：
- 分块后的知识库语料
- 向量索引
- 结构化知识卡（文化元素、视觉符号、禁忌、市场偏好）

4.3 子系统 C：提示词编排与落地评估

目标：把用户自然语言需求转换为“可生成 + 可制造 + 可销售”的设计任务。
输出：
- design_brief.json（创意目标、市场定位、工艺限制、成本级别）
- 图像生成 prompt 套件
- 工艺可行性评分与风险说明

5. 互联网抓图模块设计（A）

5.1 采集对象范围

螺钿与相关工艺：贝母、银丝、木胎、平嵌、浅雕、海派工艺等。
时尚元素：奢侈品牌视觉语言、欧美生活方式、音乐/展陈/产品视觉。
中国元素：海派文化、城市符号、传统纹样的现代化表达。

5.2 采集流程

关键词池生成（含中英关键词）。
多源抓取（优先 API 和可授权来源）。
下载入临时区。
自动去重（pHash/感知哈希）。
质量过滤（清晰度、分辨率、可读性）。
标注增强（主题、风格、材质、市场方向）。
入正式库并同步 source_meta.jsonl。

5.3 合规与风控

必存字段：source_url、license、crawl_time、usage_note。
严禁将版权风险不明素材直接进入训练主集。
建议把素材分为：
- trainable/（可训练）
- reference_only/（仅风格参考，不入训练）

6. 文化理解模块设计（B）

6.1 知识输入与处理

文本解析：PDF/Docx/TXT 标准化。
语义分块：按章节与主题切片。
向量化建库：支持相似检索与关键词检索。
生成知识卡片：
- 文化元素词表（上海海派、欧美偏好）
- 视觉映射（图形、色彩、材质倾向）
- 商业映射（客群、价格带、场景）

6.2 推理注入机制（推荐）

用户提示词 -> 检索知识 -> 生成 design_brief -> 图像生成
优先 RAG 注入 而非先做文本微调。
只有当知识稳定且样本量足够时，再考虑做小规模 SFT。

7. 与主体模型的协作关系

主体（当前）：螺钿工艺理解 + 基础视觉语义能力（LLaVA）。
子项目增强：
- 数据层：更多“螺钿 + 时尚 + 文化”多样素材；
- 知识层：文化语义检索增强；
- 决策层：可落地评估与市场导向过滤。
目标输出：
- 创意文本说明
- 设计画面（生成模型输出）
- 工艺参数（可工厂执行）
- 市场适配建议（欧美/中国）

8. 脚手架思路（本阶段只设计，不实现）

8.1 建议目录

模型进阶V1/
├─ README.md
├─ docs/
│  ├─ 子项目执行计划.md
│  ├─ 数据合规与授权规范.md
│  └─ Claude评估清单.md
├─ collector/
│  ├─ configs/
│  │  ├─ keyword_pools.yaml
│  │  └─ source_whitelist.yaml
│  ├─ scripts/
│  │  ├─ crawl_images.py
│  │  ├─ deduplicate_images.py
│  │  └─ build_source_meta.py
│  └─ output/
├─ knowledge/
│  ├─ corpus/
│  ├─ scripts/
│  │  ├─ ingest_texts.py
│  │  ├─ build_vector_index.py
│  │  └─ query_knowledge.py
│  └─ index/
├─ orchestrator/
│  ├─ templates/
│  │  └─ design_brief.template.json
│  └─ scripts/
│     └─ generate_design_brief.py
└─ evaluator/
   ├─ rules/
   │  ├─ manufacturability_rules.yaml
   │  └─ market_fit_rules.yaml
   └─ scripts/
      └─ score_design.py

8.2 接口思路

collector -> dataset：输出图片与标注草稿。
knowledge -> orchestrator：返回检索片段和文化要点。
orchestrator -> evaluator：生成可评分设计任务。
evaluator -> training/inference：通过阈值过滤低可行方案。

9. 执行节奏建议（V1）

第1阶段（1-2周）：采集链路打通 + 合规标注字段固定。
第2阶段（1周）：文化知识库最小可用（可检索、可注入）。
第3阶段（1-2周）：提示词编排 + 工艺/市场双评分。
第4阶段：回灌训练集，启动新一轮 LoRA/生成模型迭代。

10. 给 Claude 的同步评估清单

架构是否正确解耦了“文化理解”和“图像生成”？
在 8GB 显存约束下，RAG 优先是否合理？
采集与训练数据的版权合规流程是否足够？
design_brief 字段是否满足工厂落地与市场评估？
当前 V1 是否需要先做“参考库”与“训练库”分离？
主体模型（LLaVA）与后续生成模型（如 SDXL/FLUX）协作边界是否清晰？
哪些模块应最先实现，才能最快产生可验证业务价值？

11. 当前决议

已落版：子项目总体框架、原始提示词保留、脚手架设计思路、执行节奏与评估清单。
暂不执行：脚手架代码生成、抓取脚本开发、知识库服务化部署。