# 螺钿垂直模型子项目方案（模型进阶 V2.1） > 版本：V2.1（合并 V2 + V2.1修订清单） > 日期：2026-02-10 > 状态：架构设计定稿，可进入实现阶段 > 变更来源：V2 双引擎/RAG架构 × Codex V2.1修订清单 > 本版新增：双轨训练策略 / 规则优先评估器 / 字段映射层 / 禁忌词库拦截 / 精简brief阶段策略 --- ## 1. 文档定位与核心目标 ### 1.1 文档定位 本文档是【螺钿垂直模型】进阶子项目的可执行框架，合并了 V2 架构设计与 V2.1 修订内容， 可直接进入实现阶段。 ### 1.2 核心目标 > 在"全工艺可理解 + 工厂可落地 + 市场可接受"的前提下，使模型输出的设计方案具备： > 1. **工厂可执行**：附带尺寸、材质、工序的技术参数卡，师傅看了能直接开工 > 2. **市场高接受度**：通过 AI 推理与规则评估，输出比一般设计工具更高概率在销售环节 > 产生收入与热度的方案 ### 1.3 原始提示词（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。" --- ## 2. 材质体系与双轨训练策略 ### 2.1 全材质体系（模型需要理解的全部范围） **胎体三大类：** | 类型 | 材质 | 特点 | 训练轨道 | |------|------|------|---------| | 硬木胎 | 紫光檀、黑檀、红木、乌木 | 可量产主力，工厂友好 | **core** | | 大漆胎 | 传统大漆木胎、脱胎漆器 | 高端传统，工时长 | extended | | 金属胎 | 铜胎、银胎、混合胎 | 现代感强，适合首饰 | extended | **镶嵌材料全谱：** | 材料 | 特征 | 训练轨道 | |------|------|---------| | 贝母螺钿（厚/薄/砌） | 虹彩光泽，主力材料 | **core** | | 银丝螺钿 | 拉丝/编丝/线条感 | **core** | | 朱砂 | 填色/点缀，传统感 | extended | | 金属箔片（金/银箔） | 奢华感叠加 | extended | | 组合工艺 | 多材质混嵌 | extended（core 稳定后） | ### 2.2 双轨训练策略（V2.1 核心修正） **原则：训练侧全工艺语义覆盖，但 core 必须先于 extended 稳定。** ``` core（当前主线） extended（扩展域） ────────────── ────────────────── 硬木胎 + 贝母/银丝 大漆/金属胎/朱砂/组合 商业主力产品 工艺语义补全 先训练，先评估 core 稳定后按比例注入 ``` **分阶段样本比例：** | 阶段 | 图片总量 | core:extended | 说明 | |------|---------|---------------|------| | Phase 1（当前） | < 30张 | **10:0** | 全 core，不引入 extended | | Phase 2 | 30-100张 | **8:2** | 开始按比例注入 extended | | Phase 3 | 100张+ | **7:3 或 6:4** | 视 extended 增益评估调整 | **防回归机制：** - extended 样本默认进 `reference_only/`，经人工合规审核后才能转 `trainable/` - 每轮训练固定保留独立的 **core 验证集**，extended 注入前后均需对比 core 指标不退化 --- ## 3. 双引擎架构 ``` ┌─────────────────────────────────────────────────────┐ │ 用户输入（自然语言） │ └──────────────────────┬──────────────────────────────┘ │ ┌──────────────▼──────────────────┐ │ [拦截层] 文化禁忌词库 │ ← 硬规则，命中即拒绝 │ cultural_taboos.yaml │ 不消耗推理 token └──────────────┬──────────────────┘ │ 通过 ┌──────────────▼──────────────────┐ │ 理解引擎（LLaVA QLoRA） │ │ - 理解用户需求与参考图片 │ │ - RAG 注入文化知识 │ │ - 生成 design_brief.json │ │ - 工艺可行性评估（规则打分） │ └──────────────┬──────────────────┘ │ design_brief.json ┌──────────────▼──────────────────┐ │ 规则评估器（Evaluator） │ │ - 工厂可行性（尺寸/工时/工序） │ │ - 市场匹配（客群/价格带/风格） │ │ score ≥ 0.6 → 继续 │ │ score < 0.6 → 返回修改建议 │ └──────────────┬──────────────────┘ │ 评分 ≥ 0.6 ┌──────────────▼──────────────────┐ │ 生成引擎（SDXL LoRA → ComfyUI） │ │ - 接收 sdxl_prompt │ │ - 螺钿风格 LoRA 控制质量 │ │ - 输出位图（PNG / WebP） │ │ [SVG 为可选后处理，非原生能力] │ └──────────────┬──────────────────┘ │ ┌──────────────▼──────────────────┐ │ 输出包（三件套） │ │ 1. 设计图（PNG/WebP） │ │ 2. 工厂参数卡 │ │ 3. 市场适配建议 │ └─────────────────────────────────┘ ``` **引擎选型确认：** - 生成引擎：**SDXL + LoRA**（非 FLUX） - SDXL 推理 ~6GB，LoRA 训练 ~7GB，8GB 显存可用 - FLUX.1-dev 需 ~23GB，FLUX.1-schnell 量化版仍需 ~12GB，均超出限制 - kohya_ss 已在项目目录内，工具链现成 --- ## 4. 子系统设计 ### 4.1 子系统 A：采集器 **目标**：持续收集全工艺螺钿 + 时尚参考 + 文化素材 **合规来源优先级**： 1. Unsplash / Pexels / Pixabay（CC0，可商用） 2. 博物馆数字藏品（通常 CC BY） 3. 网络采集（一律进 reference_only，不入训练集） **输出目录结构：** ``` images/ ├── trainable/ │ ├── core/ ← 硬木胎 + 贝母/银丝（经审核） │ └── extended/ ← 大漆/金属/朱砂（经合规审核后入） └── reference_only/ └── trend/ ← 时尚趋势参考（版权不明） annotations/ ├── core/ ├── extended/ └── mapping_logs/ ← design_brief → dataset_schema 转换日志 ``` **必存合规字段**：`source_url`、`license`、`crawl_time`、`usage_note` --- ### 4.2 子系统 B：文化知识库 **技术栈（确定）：** | 组件 | 选型 | 理由 | |------|------|------| | 向量数据库 | ChromaDB（本地） | 纯 CPU，不占显存 | | Embedding 模型 | BGE-M3 | 中英双语，CPU 可运行 | | 检索方式 | 语义 + 关键词混合 | 文化专业词汇关键词更精确 | **知识卡片结构：** - 文化元素词表（上海海派视觉符号、欧美偏好语言） - 视觉映射（图形、色彩、材质倾向） - 商业映射（客群、价格带、适配平台） - 文化禁忌条目（单独提取入 `cultural_taboos.yaml`） **推理注入链：** ``` 用户提示词 → ChromaDB 检索 → 相关语义片段 → LLaVA 生成 design_brief ``` --- ### 4.3 文化禁忌拦截层（B 的硬规则前置） 文件：`knowledge/rules/cultural_taboos.yaml` **拦截时机**：在 brief 生成之前，直接对用户输入做词汇/语义匹配。命中即拒绝，返回具体原因。 **禁忌类型举例：** ```yaml color_taboos: - market: EU_NA pattern: ["纯白+葬礼语境", "纯黑+特定宗教语境"] reason: "特定场景下的文化误用风险" symbol_taboos: - pattern: ["卍", "swastika"] market: EU_NA reason: "与纳粹符号混淆，欧美市场绝对禁止" - pattern: ["倒五角星+特定组合"] reason: "撒旦主义联想，欧美部分客群强烈抵触" cultural_appropriation: - pattern: ["印第安头饰", "土著图腾"] market: NA reason: "北美文化挪用敏感领域" ``` --- ### 4.4 子系统 C：Orchestrator（提示词编排） #### 设计 Brief（分阶段字段策略） **Phase 1 精简版（当前使用，8个核心字段）：** ```json { "product_type": "handheld_mirror", "cultural_theme": { "cn_element": "上海海派 Art Deco", "market_target": "EU" }, "visual_spec": { "motif": "外滩建筑剪影 + 几何线条", "style_keywords": ["geometric_silhouette", "iridescent", "minimalist"] }, "material_spec": { "substrate": "purple_sandalwood", "inlay_primary": "nacre" }, "production_params": { "dimensions": "12x8x0.5cm", "production_time": "6-8h" }, "generation_params": { "sdxl_prompt": "" } } ``` **Phase 2 完整版（管道跑通后扩展，18个字段）：** 完整字段在 Phase 1 基础上新增： - `material_spec.inlay_secondary`（组合材质） - `material_spec.surface_finish` - `production_params.cost_tier` - `production_params.complexity` - `production_params.factory_notes` - `generation_params.negative_prompt` - `generation_params.style_lora` - `cultural_theme.cultural_notes`（RAG 召回片段） - `evaluation`（评分器填入） --- ### 4.5 规则评估器（V2.1 修正：规则优先，不做模型打分） **评分维度与规则：** **维度1：工厂可行性（manufacturability）** | 检查项 | 规则 | 权重 | |--------|------|------| | 尺寸合理性 | 长/宽/高在工厂标准加工范围内 | 0.3 | | 工时范围 | 单品 6-10 小时（超出为 complex，低于为 simple） | 0.25 | | 材质组合现实性 | substrate × inlay 组合在已知工艺体系内 | 0.25 | | 工序复杂度 | complexity ≠ "complex"（本阶段不接 complex） | 0.2 | **维度2：市场匹配（market_fit）—— Phase 1 纯规则版** | 检查项 | 规则 | 权重 | |--------|------|------| | 风格与目标市场匹配 | EU/NA → geometric/minimalist ≥ 1个关键词 | 0.3 | | 价格带匹配 | 产品类型 × cost_tier 在合理区间 | 0.25 | | 文化禁忌缺席 | 通过禁忌拦截层则此项满分 | 0.3 | | 主题可识别性 | motif 非空且可解释 | 0.15 | > **为何不做模型打分（V2.1 修正理由）**： > 当前无市场销售反馈数据，模型对自己生成的 brief 打分会形成"自评自证"的伪精确。 > 规则打分透明、可审计、可随销售数据积累后升级为模型打分。 **三档评分行动：** | 综合分 | 标签 | dataset_schema production_feasibility | 行动 | |--------|------|--------------------------------------|------| | ≥ 0.8 | 高可行性 | `"high"` | 自动通过，直接生成 | | 0.6-0.8 | 中等 | `"medium"` | 带警告生成，标注待人工确认 | | < 0.6 | 不可行 | 不入数据集 | 返回修改建议，拒绝生成 | --- ### 4.6 字段映射层（V2.1 新增：design_brief → dataset_schema） > 这一层是数据飞轮的关键：使 brief 生成的设计可以回流为新的训练数据。 | design_brief 字段 | dataset_schema 字段 | 映射规则 | |---|---|---| | `product_type` | `product_type` | 直接映射 | | `cultural_theme.cn_element` | `visual_subject` | 主题抽取为可视对象 | | `visual_spec.style_keywords` | `design_style` | 关键词归并 | | `visual_spec.motif` | `visual_description_cn` | 中文视觉主描述 | | `material_spec.substrate` | `base_material` | 术语标准化（purple_sandalwood→紫光檀） | | `material_spec.inlay_primary` + `inlay_secondary` | `inlay_material` | 组合拼接 | | `production_params.complexity` | `complexity_level` | simple/medium 直接映射 | | `production_params.factory_notes` | `technical_specs.inlay_technique` | 提取工艺关键词 | | `production_params.dimensions` | `technical_specs.dimensions` | 直接映射 | | `production_params.production_time` | `technical_specs.production_time` | 直接映射 | | `production_params.cost_tier` | `technical_specs.cost_level` | low/mid/high → 经济/中等/高端 | | `cultural_theme.market_target` | `market_orientation` | EU/NA/CN → 欧美/中国/全球 | | `generation_params.sdxl_prompt` | `prompt_template` | 存模板或实例文本 | | `evaluation.manufacturability_score` | `production_feasibility` | 按三档阈值映射 | | `user_prompt_raw` | `visual_description_cn`（附注） | 保留用户原文 | **自动生成字段：** - `visual_description_en`：由 `tags_mapping.json` 规则标准化 - `reference_tags`：由 `style_keywords + cultural_notes` 自动提取 --- ## 5. 完整脚手架目录 ```text 模型进阶V1/ ├── README.md ├── docs/ │ ├── 子项目执行计划-V2.1.md │ ├── 数据合规与授权规范.md │ ├── design_brief字段说明.md ← Phase1精简版 + Phase2完整版 │ └── 评估规则说明.md │ ├── collector/ │ ├── configs/ │ │ ├── keyword_pools.yaml ← 全工艺中英关键词（core/extended分类） │ │ └── source_whitelist.yaml ← 合规来源白名单 │ └── scripts/ │ ├── crawl_images.py │ ├── deduplicate_images.py ← pHash 感知哈希去重 │ └── build_source_meta.py │ ├── knowledge/ │ ├── corpus/ ← 文化资料原文（PDF/MD/TXT） │ ├── rules/ │ │ ├── cultural_taboos.yaml ← 硬规则拦截词库（V2.1 新增） │ │ ├── manufacturability_rules.yaml │ │ └── market_fit_rules.yaml │ ├── scripts/ │ │ ├── ingest_texts.py │ │ ├── build_vector_index.py ← ChromaDB + BGE-M3 │ │ └── query_knowledge.py │ └── index/ ← ChromaDB 本地索引 │ ├── orchestrator/ │ ├── templates/ │ │ ├── design_brief_phase1.json ← 精简版（8字段） │ │ └── design_brief_phase2.json ← 完整版（18字段） │ └── scripts/ │ ├── generate_design_brief.py │ └── brief_to_schema_mapping.py ← 字段映射层（V2.1 新增） │ ├── evaluator/ │ └── scripts/ │ └── score_design.py ← 规则打分（三档：high/medium/reject） │ └── generation/ ├── comfyui_workflows/ │ └── luodian_sdxl.json ← ComfyUI SDXL workflow 模板 └── scripts/ └── run_generation.py ← 调用 ComfyUI API，输出 PNG/WebP ``` --- ## 6. 执行节奏（V2.1 版） | 阶段 | 时长 | 内容 | 优先理由 | |------|------|------|---------| | **第1阶段** | 1周 | 锁定 core 数据定义 + 字段映射层建立 | 保证数据闭环可跑 | | **第2阶段** | 1周 | 文化知识库（ChromaDB+BGE-M3 最小可用）+ 禁忌词库初版 | RAG 上线，brief 生成有内容 | | **第3阶段** | 1周 | 编排器（Phase1精简brief + 规则评估器） | 最快路径出第一个可验证结果 | | **第4阶段** | 2周 | SDXL 螺钿风格 LoRA 训练（kohya_ss + ComfyUI） | 独立于LLaVA，可并行推进 | | **第5阶段** | 2-3周 | 采集链路打通 + core 数据扩充至30张 | 合规审查需要时间，后置 | | **第6阶段** | 持续 | extended 按比例注入 + LLaVA 新一轮 LoRA 迭代 | core 稳定后启动 | --- ## 7. 多 Agent 扩展开口（预留，不入核心架构） > **当前决策**：基于 Token 成本与项目盈利预期，Swarms 多 Agent 协同暂不纳入核心架构。 > 所有模块按"单 Agent 顺序执行"模式实现。 **开口条件（满足任一可评估升级）：** 1. 项目产生稳定收入，Token 成本可被商业化抵消 2. Claude Code Swarms 官方正式发布且成本结构明确 3. 单 Agent 模式出现明显瓶颈（如数据采集与知识库更新串行太慢） **接口规范（现在即按此编写，升级零成本）：** ```python # 每个子系统统一接口 → 未来改为 Agent 委托时，逻辑不变，调用方式变 def run_taboo_check(user_input: str) -> TabooResult: ... def run_knowledge_query(query: str) -> KnowledgeResult: ... def run_brief_generator(user_input: str, knowledge: KnowledgeResult) -> DesignBrief: ... def run_evaluator(brief: DesignBrief) -> EvaluationResult: ... def run_generator(brief: DesignBrief) -> GenerationResult: ... def map_brief_to_schema(brief: DesignBrief) -> DatasetRecord: ... # 当前：顺序执行 taboo = run_taboo_check(user_input) if taboo.blocked: return taboo.reason knowledge = run_knowledge_query(user_input) brief = run_brief_generator(user_input, knowledge) eval_ = run_evaluator(brief) if eval_.score < 0.6: return eval_.suggestions result = run_generator(brief) record = map_brief_to_schema(brief) # 回流训练数据 # 未来 Swarms：并发委托（接口签名不变） ``` --- ## 8. 验收标准 ### 8.1 架构验收 - [ ] 双引擎分工清晰，design_brief.json 是唯一跨引擎接口 - [ ] 禁忌拦截层在 brief 生成之前执行 - [ ] 规则评估器独立于生成引擎（不存在"自评自证"） ### 8.2 数据验收 - [ ] `core/trainable` 与 `extended/reference_only` 边界明确 - [ ] 所有图片有 `source_url/license/crawl_time` 合规追踪 - [ ] 字段映射层可将 brief 自动转换为 dataset_schema 格式 ### 8.3 训练验收 - [ ] Phase 2 注入 extended 前后，core 验证集指标不退化 - [ ] 生成结果包含可执行的工厂参数卡（不只是视觉概念图） ### 8.4 商业验收 - [ ] 输出包含：客群、价格带、平台建议 - [ ] score < 0.6 的方案返回具体修改建议（闭环） - [ ] 输出设计的市场适配分高于无垂直训练的通用模型基准 --- ## 9. 当前决议 **已落版：** - 全工艺双轨训练策略（core 先行，extended 按比例注入） - 双引擎结构（LLaVA 理解 + SDXL 生成，ComfyUI 管道） - 禁忌拦截层（YAML 硬规则，brief 生成前执行） - 规则优先评估器（三档阈值，不做模型打分） - 字段映射层（design_brief → dataset_schema，数据飞轮闭环） - Phase 1 精简 brief（8 字段），Phase 2 完整 brief（18 字段） - Swarms 预留接口（开口但不入核心） **暂不执行：** - 脚手架代码开发 - 爬取脚本开发 - 知识库服务化部署 **下一步决策点：** - [ ] 确认第1阶段启动时间（锁定 core 定义 + 字段映射） - [ ] 提供文化资料文本（上海海派、欧美偏好）供知识库构建 - [ ] 提供 SDXL 螺钿风格参考图（10-20张，供 LoRA 训练）