# 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

1. 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”。
2. 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。
3. 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
1. 关键词池生成（含中英关键词）。
2. 多源抓取（优先 API 和可授权来源）。
3. 下载入临时区。
4. 自动去重（pHash/感知哈希）。
5. 质量过滤（清晰度、分辨率、可读性）。
6. 标注增强（主题、风格、材质、市场方向）。
7. 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
1. 文本解析：PDF/Docx/TXT 标准化。
2. 语义分块：按章节与主题切片。
3. 向量化建库：支持相似检索与关键词检索。
4. 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

1. 主体（当前）：螺钿工艺理解 + 基础视觉语义能力（LLaVA）。
2. 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。
3. 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
```text
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）

1. 第1阶段（1-2周）：采集链路打通 + 合规标注字段固定。
2. 第2阶段（1周）：文化知识库最小可用（可检索、可注入）。
3. 第3阶段（1-2周）：提示词编排 + 工艺/市场双评分。
4. 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

1. 架构是否正确解耦了“文化理解”和“图像生成”？
2. 在 8GB 显存约束下，RAG 优先是否合理？
3. 采集与训练数据的版权合规流程是否足够？
4. `design_brief` 字段是否满足工厂落地与市场评估？
5. 当前 V1 是否需要先做“参考库”与“训练库”分离？
6. 主体模型（LLaVA）与后续生成模型（如 SDXL/FLUX）协作边界是否清晰？
7. 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。