Merge branch 'main' of https://git.yishihui.com/howard/Agent

agent/core/runner.py

@@ -1502,6 +1502,13 @@ class AgentRunner:
                                         "url": f"data:{media_type};base64,{img['data']}"
                                     }
                                 })
+                            elif img.get("type") == "url" and img.get("url"):
+                                tool_content_for_llm.append({
+                                    "type": "image_url",
+                                    "image_url": {
+                                        "url": img["url"]
+                                    }
+                                })
                         img_count = len(tool_content_for_llm) - 1  # 减去 text 块
                         print(f"[Runner] 多模态工具反馈: tool={tool_name}, images={img_count}, text_len={len(tool_result_text)}")
                     else:

agent/tools/builtin/feishu/chat.py

@@ -232,7 +232,7 @@ async def feishu_send_message_to_contact(
                             last_res = client.send_image(to=receive_id, image=image_bytes)
                         except Exception as e:
                             print(f"解析 base64 图片失败: {e}")
-                    else:
+                    elif url.startswith("http://") or url.startswith("https://"):
                         # 处理网络 URL
                         try:
                             async with httpx.AsyncClient() as httpx_client:
@@ -241,6 +241,16 @@ async def feishu_send_message_to_contact(
                                 last_res = client.send_image(to=receive_id, image=img_resp.content)
                         except Exception as e:
                             print(f"下载图片失败: {e}")
+                    else:
+                        # 处理本地文件路径
+                        try:
+                            local_path = os.path.abspath(url)
+                            if os.path.isfile(local_path):
+                                last_res = client.send_image(to=receive_id, image=local_path)
+                            else:
+                                print(f"本地图片文件不存在: {local_path}")
+                        except Exception as e:
+                            print(f"读取本地图片失败: {e}")
         elif isinstance(content, dict):
             # 如果是单块格式也支持一下
             item_type = content.get("type")

agent/tools/builtin/search.py

@@ -59,6 +59,7 @@ class SuggestSearchChannel(str, Enum):
                 "channel": "搜索渠道",
                 "cursor": "分页游标",
                 "max_count": "返回条数",
+                "include_images": "是否包含图片",
                 "content_type": "内容类型-视频/图文"
             }
         },
@@ -69,6 +70,7 @@ class SuggestSearchChannel(str, Enum):
                 "channel": "Search channel",
                 "cursor": "Pagination cursor",
                 "max_count": "Max results",
+                "include_images": "Include images",
                 "content_type": "content type-视频/图文"
             }
         }
@@ -79,6 +81,7 @@ async def search_posts(
     channel: str = "xhs",
     cursor: str = "0",
     max_count: int = 5,
+    include_images: bool = False,
     content_type: str = ""
 ) -> ToolResult:
     """
@@ -100,6 +103,7 @@ async def search_posts(
             - weibo: 微博
         cursor: 分页游标，默认为 "0"（第一页）
         max_count: 返回的最大条数，默认为 5
+        include_images: 是否将帖子中的图片传给 LLM 查看，默认为 False
         content_type：内容类型-视频/图文，默认不传为不限制类型
 
     Returns:
@@ -148,10 +152,25 @@ async def search_posts(
         # 计算结果数量
         result_count = len(data.get("data", []))
 
+        # 提取图片 URL 并构建 images 列表供 LLM 查看（仅当 include_images=True 时）
+        images = []
+        if include_images:
+            for post in data.get("data", []):
+                for img_url in post.get("images", [])[:3]:  # 每个帖子最多取前3张图
+                    if img_url:
+                        images.append({
+                            "type": "url",
+                            "url": img_url
+                        })
+                # 限制总图片数量，避免过多
+                if len(images) >= 10:
+                    break
+
         return ToolResult(
             title=f"搜索结果: {keyword} ({channel_value})",
             output=json.dumps(data, ensure_ascii=False, indent=2),
-            long_term_memory=f"Searched '{keyword}' on {channel_value}, found {result_count} posts"
+            long_term_memory=f"Searched '{keyword}' on {channel_value}, found {result_count} posts",
+            images=images
         )
     except httpx.HTTPStatusError as e:
         return ToolResult(

examples/plan/research_modified.prompt

@@ -0,0 +1,249 @@
+---
+model: qwen3.5-plus
+temperature: 0.3
+---
+
+$system$
+你是图文帖子内容还原的策略专家。任务：理解还原需求 → 搜索确定还原策略 → 将策略实例化为粗工序。
+
+你不需要关心具体实现细节（工具参数、模型权重等），只需确定整体策略和粗工序。
+
+## 变量
+
+- `%input_dir%`：输入素材目录路径
+- `%output_dir%`：输出目录路径，所有输出文件保存在此目录下
+- `%visualize_script%`：可视化脚本路径，用于读取 JSON 产物生成 HTML 报告
+
+## 核心概念
+
+**还原策略**：描述如何将一组图片从解构数据还原出来的通用方法论。策略可行性取决于工具能力，搜索策略时需同时关注工具能力边界。
+
+**粗工序**：策略实例化到具体帖子的结果，是由阶段节点和依赖边组成的 DAG。每个阶段描述"做什么、产出什么、为什么"，阶段间通过产物传递形成依赖。不关心"用什么工具"，只关心阶段划分和依赖逻辑。
+
+## 工作流程
+
+### 第一步：需求分析
+
+读取核心文件，理解还原需求：
+- `%input_dir%/index.md`（导航概览）
+- `%input_dir%/descriptions/制作亮点.md`（核心亮点聚类）
+- `%input_dir%/descriptions/制作点.md`（核心制作元素及权重）
+- `%input_dir%/descriptions/创作表.md`（创作视角描述，如存在）
+
+目标：明确需要在哪些角度精准还原，哪些地方不能出错。
+
+**输出** `%output_dir%/analysis.json`，schema 如下：
+
+```jsonschema
+{
+  "category": {
+    "name": "string — 内容品类名称",
+    "traits": ["string — 品类典型特征"],
+    "ai_challenges": ["string — 该品类 AI 还原的共性挑战"],
+    "reasoning": "string — 判断依据"
+  },
+  "upper_bounds": [
+    {
+      "name": "string — 上限点名称（来自亮点聚类）",
+      "description": "string — 必须高度还原的内容特征",
+      "reasoning": "string — 为什么是上限点"
+    }
+  ],
+  "lower_bounds": [
+    {
+      "name": "string — 下限点名称（自行总结）",
+      "description": "string — 做不好会导致'一眼假'的特征",
+      "why_critical": "string — 为什么重要，做不好会怎样",
+      "reasoning": "string — 判断依据"
+    }
+  ],
+  "requirement_summary": ["string — 整合品类特征、上限点、下限点的还原需求清单"]
+}
+```
+
+每条结论必须附带推理过程。
+
+### 第二步：搜索和确定还原策略
+
+**前置**：重新读取 analysis.json 确认需求。
+
+核心问题：什么策略能同时满足上限点和下限点？
+
+**搜索优先级**：
+1. **知识库优先**：用 search_knowledge 按需求关键词搜索，查看已有策略经验、工具评估、工作流总结。已有成熟策略则直接评估适用性。
+2. **线上调研**：知识库不足时，从工作流角度和工具能力角度分别搜索。
+3. **自行总结**：以上均无完全匹配时，基于已收集信息总结策略，并用 save_knowledge 存储。
+
+**策略评估维度**：核心思路、依赖工具能力（是否可用）、上限点/下限点覆盖度、优点、局限性、风险、与预期目标一致性。
+
+**中途检查**：每轮搜索后重新读取 analysis.json，验证策略覆盖度。
+
+最终选定一个策略（或组合），说明选择理由。
+
+**输出** `%output_dir%/research.json`，schema 如下：
+
+```jsonschema
+{
+  "strategies": [
+    {
+      "name": "string — 策略名称",
+      "source": "string — 来源（knowledge_id / URL / 帖子链接）",
+      "core_idea": "string — 核心思路",
+      "tool_dependencies": ["string — 依赖的工具能力"],
+      "upper_bound_coverage": ["string — 能覆盖的上限点"],
+      "lower_bound_coverage": ["string — 能覆盖的下限点"],
+      "pros": ["string"],
+      "cons": ["string"],
+      "risks": ["string"],
+      "feasibility": "high | medium | low"
+    }
+  ],
+  "selected_strategy": {
+    "name": "string",
+    "reasoning": "string — 选择理由",
+    "vs_alternatives": [
+      {
+        "alternative": "string",
+        "why_not": "string",
+        "could_switch_if": "string"
+      }
+    ]
+  }
+}
+```
+
+### 第三步：实例化粗工序
+
+**前置**：重新读取 analysis.json 和 research.json。
+
+精细读取具体素材，将策略实例化：确定可用素材、将策略阶段映射到具体图和特征。
+
+#### 核心原则：规格驱动的依赖树
+
+粗工序是一棵规格驱动的依赖树，不是线性流水线。
+
+执行阶段无法访问目标成品图，只能访问输入文件夹中的目标特征规格（制作表、特征表、元素 JSON）。规划必须基于"特征需求"而非"成品图"。
+
+依赖树结构：
+- 根节点：每张图的目标特征规格（全部视觉特征集合）
+- 叶节点：原始素材或从零生成的基础产物
+- 中间节点：半成品，代表已满足的一组特征，可被多个下游共享
+
+#### 双向收敛构建法
+
+**自顶向下（需求拆解）**：从目标特征规格出发，拆解子特征和组成部分。每个节点表示"需要满足某些特征约束的中间产物"。
+
+**自底向上（能力推导）**：从已有素材和工具能力出发，推导可稳定产出的特征集合。
+
+**中间对齐（规格匹配）**：
+- 供给节点产出特征覆盖需求节点特征约束 → 路径可行
+- 无法覆盖 → 需更换工具/素材、调整路径、或降低还原标准
+
+#### 粗工序结构特征
+
+- 阶段性：每个节点是流程阶段，非具体操作
+- 树状层级：父节点是目标规格，子节点是实现所需阶段
+- 规格传递：每个节点有 required_spec（输入需求）和 output_spec（输出承诺）
+- 抽象层级高：不涉及工具和参数
+- 可承载细工序：叶节点后续可展开为微操作步骤
+
+#### 策略验证与回退
+
+每个节点需做规格满足检查（spec satisfaction check）。
+
+持续自检：
+1. 逐阶段检查 output_spec 是否满足下游 required_spec，不满足则标记风险
+2. 风险累积影响交付质量时，回退到备选策略
+3. 记录当前策略相对候选策略的优势是否仍成立
+
+风险过高时可保留多个粗工序方案（pipelines 数组多条目）。
+
+**输出** `%output_dir%/pipeline.json`，schema 如下：
+
+```jsonschema
+{
+  "pipelines": [
+    {
+      "strategy": {
+        "name": "string",
+        "description": "string",
+        "reasoning": "string — 关联 analysis.json 需求",
+        "vs_alternatives": [
+          { "alternative": "string", "why_not": "string", "could_switch_if": "string" }
+        ],
+        "risks_found_during_instantiation": [
+          { "stage_id": "string", "risk": "string", "severity": "high|medium|low", "mitigation": "string" }
+        ]
+      },
+      "goal_tree": {
+        "stage_id": "string",
+        "stage_name": "string",
+        "description": "string",
+        "required_spec": "string | [string]",
+        "output_spec": "string | [string]",
+        "spec_satisfaction": {
+          "status": "satisfied|partial|unsatisfied",
+          "gap": "string — 未覆盖的特征",
+          "mitigation": "string"
+        },
+        "target_images": ["string"],
+        "stage_output": "string",
+        "input_from": ["string — 依赖的 stage_id 或素材路径"],
+        "covers_requirements": ["string — 覆盖的上限点/下限点"],
+        "importance": "upper|lower|base",
+        "reasoning": {
+          "why_needed": "string",
+          "why_here": "string"
+        },
+        "children": ["...递归同结构"]
+      },
+      "requirement_coverage": {
+        "<需求名称>": {
+          "covered_by": ["string — stage_id"],
+          "coverage_confidence": "high|medium|low",
+          "gap_note": "string"
+        }
+      }
+    }
+  ]
+}
+```
+
+#### 粗工序要求
+
+- 阶段粒度：可独立描述目标和产物的流程单元，不过细也不过粗
+- 规格完整性：每个节点必须有 required_spec 和 output_spec
+- 规格满足检查：每个非叶节点做 spec_satisfaction 检查
+- 分支区分：不同类型/特征的图片走各自子树
+- 跨分支依赖：通过 input_from 显式标注
+- 需求全覆盖：analysis.json 每个上限点和下限点至少出现在一个阶段的 covers_requirements 中
+- 素材利用：已有素材在 input_from 中标注路径
+
+### 第四步：生成可视化报告
+
+执行 `%visualize_script%`，读取前三步 JSON 文件，生成 `%output_dir%/restoration_plan.html`。
+
+JSON schema 已固定，可视化逻辑由脚本统一处理。
+
+## 注意事项
+
+- `%input_dir%/index.md` 是导航入口
+- `%input_dir%/features/` 下按维度组织特征目录，每个目录有 mapping.json（如存在）
+- 所有输出必须在 `%output_dir%/` 下
+- analysis.json 是指导性文件，每步开始前重新读取
+- 不确定时优先调研，其次请求人工协助（feishu 联系孙若天）
+- 通用策略知识用 save_knowledge 存储
+
+$user$
+输入目录：%input_dir%
+输出目录：%output_dir%
+可视化脚本：%visualize_script%
+
+请对 %input_dir% 中的图文帖子内容制定还原粗工序：
+1. 读取亮点和制作点，分析还原需求（上限点+下限点），输出 analysis.json
+2. 搜索还原策略（知识库→线上→自行总结），评估选定，输出 research.json（列举来源）
+3. 精细读取制作表和 features，实例化粗工序，输出 pipeline.json
+4. 执行 `%visualize_script%` 生成可视化报告
+
+目标是确定"还原策略"和"粗工序"，不关心具体工具参数和实现细节。
+尽快得到答案，不要跑太多轮。search_posts 不好用时改用 browser-use，有问题联系关涛。

examples/research/channel.md

@@ -0,0 +1,88 @@
+# 🏹 AI 调研 Agent 指南针：全域工序还原（Restoration）指南 (v2.0)
+
+## 核心哲学：精准对标与确定性闭环
+
+> **还原不是探索，而是“按图索骥”。**
+> 还原的目标是：消除不确定性。Agent 必须在全网寻找那些已经被证明“成功还原了类似需求”的最佳实践（Best Practice），并提取出直接可用的 **“配方（Recipe）”**。
+
+---
+
+## 一、 还原维度与平台功能定义
+
+| 还原维度                  | 解决的核心问题                       | 核心信源                           | 还原依据                           |
+| ------------------------- | ------------------------------------ | ---------------------------------- | ---------------------------------- |
+| **视觉还原 (Visual)**     | “如何让生成的图像与目标 1:1 匹配？”  | Civitai, Liblib, 小红书            | 模型 DNA (Prompt + Seed + LoRA)    |
+| **功能还原 (Functional)** | “如何实现这个特定的自动化动作？”     | GitHub, browser_use 社区, 官方文档 | 代码逻辑 (API + 脚本 + 环境)       |
+| **流程还原 (Workflow)**   | “这一步到下一步怎么接最稳？”         | B站, YouTube, ComfyUI 官方社群     | 操作链路 (节点图 + 逻辑开关)       |
+| **细节还原 (Detail)**     | “如何解决重绘边缘不自然等下限问题？” | Reddit, Discord, 掘金/CSDN         | 补丁方案 (Fixes + Advanced Params) |
+
+---
+
+## 二、 平台评价：从“还原”视角出发
+
+### 1. **资产与参数商店 (Civitai / Liblib)** —— **[寻找还原“配方”]**
+
+- **评价**：这是还原视觉效果的“原材料仓库”。
+- **还原逻辑**：
+- **精准锁定**：通过 Case 反查对应的 Checkpoint 和 LoRA。
+- **权重复制**：直接提取 Case 图片中的参数，作为还原的“初始值”。
+- **一键复现**：利用平台提供的“生成数据”功能，确保在本地环境下能还原出同等质量。
+
+### 2. **实战演示厅 (B站 / YouTube / 小红书)** —— **[寻找还原“演示”]**
+
+- **评价**：这是还原复杂工序的“动作指导”。
+- **还原逻辑**：
+- **所见即所得**：视频中能跑通，说明该工具链在特定版本下是有效的。
+- **动作模仿**：观察博主在遇到特定 Risk（如边缘溢出）时的实时处理动作。
+- **避坑预判**：视频中提到的“注意这个勾选框”是还原成功的关键。
+
+### 3. **工程基建站 (GitHub / 开发者社区)** —— **[寻找还原“引擎”]**
+
+- **评价**：这是还原自动化逻辑的“动力源”。
+- **还原逻辑**：
+- **版本对标**：寻找与 Pipeline 需求版本最匹配的分支。
+- **环境克隆**：通过 `requirements.txt` 和 `Docker` 文件，100% 还原开发环境，避免“在我这跑不通”的问题。
+- **Issue 检索**：搜索“如何实现 XXX 效果”，寻找前人的集成经验。
+
+### 4. **疑难修复站 (Reddit / Discord / 知乎)** —— **[寻找还原“补丁”]**
+
+- **评价**：当还原进度卡在 90% 时，这里提供最后的 10%。
+- **还原逻辑**：
+- **长尾问题解决**：搜索特定的报错信息或效果瑕疵。
+- **隐秘参数**：挖掘那些官方文档没写、但社区公认对还原效果有奇效的参数（如 `Clip Skip`, `Denoising strength`）。
+
+---
+
+## 三、 Agent 还原行动协议 (Restoration Protocol)
+
+### Step 1: 还原指纹比对 (Requirement Mapping)
+
+Agent 接收到 Pipeline 后，必须先将 `required_spec` 转化为“还原搜索词”：
+
+- **例**：还原“芒果切块”效果。
+- **搜索词**：`FLUX mango pieces LoRA`, `ComfyUI fruit cutting workflow`, `Inpaint mango texture fix`.
+
+### Step 2: 交叉验证“配方”真实性
+
+Agent 必须找到**“工具+用例”**的闭合环路：
+
+1. **路径 A**：在 GitHub 找到了工具（如 `FLUX.1-Fill`）。
+2. **路径 B**：在 Civitai 或 B 站找到了使用该工具成功还原出“高一致性物体重绘”的真实 Case。
+3. **判定**：只有当 A 与 B 相互印证时，方案才被视为“可还原”。
+
+### Step 3: 输出《还原操作指南》 (The Recipe)
+
+Agent 不只提供工具，而是输出包含以下要素的**决策矩阵**：
+
+- **选定工具**：具体的版本号和分支。
+- **核心参数**：为了还原该效果必须设置的关键数值（Master Key）。
+- **数据流向**：Input 格式是什么，Output 如何交给下一个 Stage。
+- **风险对冲**：如果还原失败，首选的 Alternative 方案是什么。
+
+---
+
+## 四、 给 Agent 的“搜索工具箱” (Query Patterns)
+
+- **视觉还原类**：`【工具】还原【目标效果】的参数配置` / `【目标效果】专用模型下载`
+- **工序还原类**：`【工具】实现【步骤名称】的完整 Workflow 导出` / `【工具】连接【工具】的数据转换脚本`
+- **避坑还原类**：`为什么【工具】无法还原【目标效果】` / `解决【工具】在【步骤】中的边缘模糊问题`

examples/research/config.py

@@ -11,7 +11,7 @@ from agent.core.runner import KnowledgeConfig, RunConfig
 
 RUN_CONFIG = RunConfig(
     # 模型配置
-    model="claude-sonnet-4.5",
+    model="qwen3.5-plus",
     temperature=0.3,
     max_iterations=1000,
 
@@ -35,12 +35,18 @@ RUN_CONFIG = RunConfig(
         owner="",  # 所有者（空则尝试从 git config user.email 获取，再空则用 agent:{agent_id}）
         default_tags={"project": "research", "domain": "ai_agent"},  # 默认 tags（会与工具调用参数合并）
         default_scopes=["org:cybertogether"],  # 默认 scopes
-        default_search_types=[],  # 默认搜索类型过滤
-        default_search_owner=""  # 默认搜索 owner 过滤（空则不过滤，支持多个owner用逗号分隔，如 "user1@example.com,user2@example.com"）
+        default_search_types=["strategy"],  # 默认搜索类型过滤
+        default_search_owner="guantao,guantao@cybertogether.net"  # 默认搜索 owner 过滤（空则不过滤）
     )
 )
 
 
+# ===== 任务配置 =====
+
+INPUT_DIR = "examples/research/input"       # 输入素材目录
+OUTPUT_DIR = "examples/research/outputs/output_2"                   # 输出目录 ID，输出保存在 examples/plan/outputs/{OUTPUT_DIR}/
+
+
 # ===== 基础设施配置 =====
 
 SKILLS_DIR = "./skills"

examples/research/cong/analysis.json

@@ -0,0 +1,128 @@
+{
+  "content_category": {
+    "category": "AI 知识科普笔记风格海报",
+    "characteristics": [
+      "拟物化笔记本/活页夹场景设计",
+      "手写风格与印刷字体混排",
+      "手绘装饰元素（星星、花朵、回形针、卡通图标）",
+      "结构化信息分层排版",
+      "语义化色彩高亮标记",
+      "知识可视化图表（矩阵、表格）"
+    ],
+    "common_challenges": [
+      "纸张纹理和褶皱的真实感还原",
+      "手写字体与印刷字体的区分和一致性",
+      "手绘装饰元素的自然度和跨图一致性",
+      "复杂排版结构的空间透视关系",
+      "回形针等金属装饰的光影质感",
+      "文字内容的精准还原（尤其是专业术语）"
+    ],
+    "reasoning": "从制作亮点和制作表可以看出，这是一组模拟实体笔记本场景的 AI 知识科普海报。核心特征是将数字化内容包装在物理容器（螺旋笔记本/活页夹）中，通过拟物化设计增强阅读代入感。这类内容在 AI 还原中的典型挑战包括：材质纹理的真实感、跨图元素一致性、复杂排版的空间关系等。"
+  },
+  "upper_bounds": [
+    {
+      "name": "拟真纸张与笔记本实体",
+      "description": "带褶皱纹理的信纸和螺旋活页笔记本，真实触感的书写介质",
+      "type": "实质",
+      "coverage_images": ["img_1", "img_2", "img_3", "img_4"],
+      "reasoning": "来自制作亮点聚类第 1 条，是所有图片的物理基础，决定了整体质感"
+    },
+    {
+      "name": "核心英文单词",
+      "description": "页面中心的大号英文单词（Embedding），位于彩色背景块上，权重 87.3",
+      "type": "实质",
+      "coverage_images": ["img_1", "img_2", "img_3", "img_4"],
+      "reasoning": "来自制作点权重排序第 1 位，是每张图的视觉焦点，必须精准还原文字内容、字号、颜色、字体"
+    },
+    {
+      "name": "结构化排版与导视",
+      "description": "居中堆叠、虚线分隔、层级列表，严谨清晰的视觉秩序",
+      "type": "形式",
+      "coverage_images": ["img_2", "img_3", "img_4"],
+      "reasoning": "来自制作亮点聚类第 3 条，img_2/3/4 都有复杂的信息分层结构，需要精确还原排版逻辑"
+    },
+    {
+      "name": "知识可视化图表",
+      "description": "数据转化图表，将抽象算法逻辑具象化为可视矩阵",
+      "type": "实质",
+      "coverage_images": ["img_2"],
+      "reasoning": "来自制作亮点聚类第 6 条，img_2 包含 Tokenization-Embedding 对应表格，需要精准还原表格结构、填充色、数值内容"
+    },
+    {
+      "name": "语义化色彩高亮",
+      "description": "荧光笔触、彩色字体对关键术语进行视觉强调",
+      "type": "形式",
+      "coverage_images": ["img_2", "img_3", "img_4"],
+      "reasoning": "来自制作亮点聚类第 5 条，多处文本有紫色/蓝色/黄色高亮，需要精准还原高亮位置和颜色"
+    },
+    {
+      "name": "手绘装饰与卡通图标",
+      "description": "星星、花朵、笑脸及各类卡通小图标等手绘涂鸦元素",
+      "type": "实质",
+      "coverage_images": ["img_1", "img_2", "img_3", "img_4"],
+      "reasoning": "来自制作亮点聚类第 4 条，img_1 有星星花朵，img_2/3/4 有卡通表情，需要还原形状和颜色"
+    }
+  ],
+  "lower_bounds": [
+    {
+      "name": "跨图元素一致性",
+      "description": "螺旋笔记本/活页夹框架、回形针装饰、纸张纹理在 4 张图中必须保持视觉一致性",
+      "importance": "critical",
+      "consequence_if_failed": "如果每张图的笔记本框架、回形针样式、纸张质感不一致，会让整组图看起来像是拼凑的，破坏系列感",
+      "reasoning": "img_2/3/4 都使用相同的螺旋笔记本框架和回形针装饰，img_1 使用信纸背景。这些基础元素必须在 4 张图中保持统一的设计语言，否则会被识别为 AI 生成的随机结果"
+    },
+    {
+      "name": "文字内容精准度",
+      "description": "所有文字内容（尤其是专业术语、表格数值、英文单词）必须准确无误",
+      "importance": "critical",
+      "consequence_if_failed": "文字错误会让科普内容失去可信度，'一眼假'。特别是 Embedding 这样的核心术语和表格中的数值",
+      "reasoning": "制作表中详细记录了每段文字的内容、颜色、字号、字体。AI 生成容易出现文字错乱、拼写错误、数值偏差，这是知识类内容的大忌"
+    },
+    {
+      "name": "排版空间透视关系",
+      "description": "文字、装饰元素、表格在纸张上的空间位置必须符合透视逻辑",
+      "importance": "high",
+      "consequence_if_failed": "如果文字漂浮、装饰元素穿透纸张、表格扭曲，会破坏拟物化的真实感",
+      "reasoning": "拟物化设计的关键是让数字内容看起来像是写在实体纸张上。元素的空间关系（前后遮挡、透视变形、阴影投射）必须物理合理"
+    },
+    {
+      "name": "材质纹理真实感",
+      "description": "纸张的褶皱纹理、活页夹的塑料质感、回形针的金属光泽必须自然",
+      "importance": "high",
+      "consequence_if_failed": "材质过于平滑或纹理重复会让画面显得'塑料感'或'AI 感'",
+      "reasoning": "制作亮点第 1 条强调'真实触感的书写介质'。纸张的褶皱、脏污感、活页夹的光滑塑料感、回形针的金属反光都需要精细还原"
+    },
+    {
+      "name": "手绘元素的自然度",
+      "description": "星星、花朵、卡通图标等手绘装饰必须有手绘的不规则感和笔触感",
+      "importance": "medium",
+      "consequence_if_failed": "如果手绘元素过于规整或矢量感太强，会失去'手绘笔记'的氛围",
+      "reasoning": "制作亮点第 4 条强调'手绘涂鸦元素'。手绘的特征是轻微的不规则、笔触变化、颜色不均匀，过于完美反而假"
+    },
+    {
+      "name": "色彩高亮的物理合理性",
+      "description": "荧光笔高亮应该有半透明叠加效果，能看到底层文字",
+      "importance": "medium",
+      "consequence_if_failed": "如果高亮是完全覆盖的不透明色块，会失去荧光笔的真实感",
+      "reasoning": "制作表中多处提到'高亮显示'。真实的荧光笔是半透明的，应该能看到被高亮的文字，同时文字颜色会受高亮色影响"
+    }
+  ],
+  "requirement_summary": {
+    "core_goal": "还原一组 AI 知识科普笔记风格海报，核心是拟物化笔记本场景 + 精准文字内容 + 结构化排版",
+    "priority_order": [
+      "1. 文字内容精准度（核心英文单词、专业术语、表格数值）",
+      "2. 跨图元素一致性（笔记本框架、回形针、纸张纹理）",
+      "3. 材质纹理真实感（纸张褶皱、塑料质感、金属光泽）",
+      "4. 排版空间透视关系（元素位置、遮挡、阴影）",
+      "5. 手绘元素自然度（星星、花朵、卡通图标）",
+      "6. 色彩高亮物理合理性（半透明叠加效果）"
+    ],
+    "key_challenges": [
+      "同时满足文字精准度和材质真实感（通常文字生成和材质生成是分离的）",
+      "保持 4 张图的视觉一致性（需要统一的底图或生成策略）",
+      "复杂表格结构的精准还原（img_2 的 Tokenization-Embedding 对应表）",
+      "手绘装饰元素的跨图一致性（形状、颜色、风格）"
+    ],
+    "reasoning": "综合品类特征、上限点和下限点，还原的核心矛盾是：既要保证文字内容 100% 准确（尤其是专业术语和数值），又要保证材质纹理的真实感和跨图一致性。这决定了策略选择必须能够分离处理'文字层'和'材质层'，并且有可靠的文字渲染能力。"
+  }
+}

examples/research/cong/descriptions/制作亮点.md

@@ -0,0 +1,32 @@
+"聚类结果":[{
+  "聚类主题": "拟真纸张与笔记本实体",
+  "聚类描述": "该聚类属于实质。这些亮点展示了构成画面的物理基础，包括带有褶皱纹理的信纸和具有实体感的螺旋活页笔记本。它们作为具体的视觉物体，为内容提供了具有真实触感和生活气息的书写介质。",
+  "亮点类型": "实质",
+},
+{
+  "聚类主题": "拟物化笔记场景呈现",
+  "聚类描述": "该聚类属于形式。设计通过模仿实体螺旋笔记本的构图框架、边缘纹理和阴影处理，构建了一种沉浸式的“手记”视觉风格。这种呈现方式将数字化内容包装在熟悉的物理容器形式中，增强了阅读的代入感。",
+  "亮点类型": "形式",
+},
+{
+  "聚类主题": "结构化排版与导视",
+  "聚类描述": "该聚类属于形式。画面利用居中堆叠、虚线分隔、层级列表等排版手段，构建了严谨而清晰的视觉秩序。这种结构化的布局形式通过空间分割和视线引导，将复杂的信息拆解为易于消化的模块，提升了阅读体验。",
+  "亮点类型": "形式",
+},
+{
+  "聚类主题": "手绘装饰与卡通图标",
+  "聚类描述": "该聚类属于实质。画面中散布着星星、花朵、笑脸及各类卡通小图标等手绘涂鸦元素。这些具象的装饰性物体不仅丰富了画面的视觉层次，更以轻松活泼的风格中和了科技主题的枯燥感。",
+  "亮点类型": "实质",
+},
+{
+  "聚类主题": "语义化色彩高亮",
+  "聚类描述": "该聚类属于形式。设计模拟了学生做笔记时的色彩标记习惯，利用荧光笔触、彩色字体对关键术语进行视觉强调。这种形式手段建立了清晰的信息层级，有效地引导读者快速捕捉核心知识点。",
+  "亮点类型": "形式",
+},
+{
+  "聚类主题": "知识可视化图表",
+  "聚类描述": "该聚类属于实质。亮点展示了一个具体的数据转化图表，将抽象的算法逻辑具象化为可视的矩阵数据。它是画面中用于教育解释的核心物体，直观演示了从分词到向量的转化过程。",
+  "亮点类型": "实质"
+}
+
+]

examples/research/cong/descriptions/制作点.md

@@ -0,0 +1,37 @@
+{
+"元素ID": "元素1",
+"元素名称": "核心英文单词",
+"元素描述": "页面中心位置的英文单词，字体较大，颜色突出，通常位于一个彩色背景块上。",
+"段落数量": 4,
+"段落列表": [
+"段落1.3.3",
+"段落2.2.2",
+"段落3.2.2",
+"段落4.2.2"
+],
+"综合权重": 87.3
+},
+{
+"元素ID": "元素2",
+"元素名称": "背景",
+"元素描述": "带有横线的笔记本纸张纹理背景，边缘有虚线边框，整体呈现笔记风格。",
+"段落数量": 3,
+"段落列表": [
+"段落2.1",
+"段落3.1",
+"段落4.1"
+],
+"综合权重": 59.2
+},
+{
+"元素ID": "元素3",
+"元素名称": "回形针装饰",
+"元素描述": "页面左侧和右侧边缘的蓝色回形针形状装饰，用于固定页面，具有立体感。",
+"段落数量": 3,
+"段落列表": [
+"段落2.2.1",
+"段落3.2.1",
+"段落4.2.1"
+],
+"综合权重": 48.7
+}

examples/research/cong/descriptions/小葱__img_1_制作表.json

@@ -0,0 +1,679 @@
+[
+  {
+    "名称": "笔记风格海报",
+    "描述": "一张以笔记本纸张为背景的宣传海报，包含标题、副标题、英文单词、励志语录和日期等多种文字信息，并配有装饰性图案。",
+    "段落ID": "段落1",
+    "形式": {
+      "背景纹理": {
+        "名称": "背景纹理",
+        "描述": "背景呈现出米白色纸张的纹理，带有横向的浅灰色细线，模拟笔记本纸张效果，同时纸张表面有不规则的褶皱和轻微的脏污感。",
+        "类型": "纹理",
+        "形式ID": "形式12",
+        "评分详情": {
+          "combined_score": 0.644
+        }
+      },
+      "背景颜色": {
+        "名称": "背景颜色",
+        "描述": "背景主色调为米白色，具体RGB值为(245, 245, 235)。",
+        "类型": "色彩",
+        "形式ID": "形式9",
+        "评分详情": {
+          "combined_score": 0.518
+        }
+      },
+      "文字内容": {
+        "名称": "文字内容",
+        "描述": "海报中包含中文文字“小葱白工”、“每天掌握一个”、“AI知识点”、“你走过的路，都会成为你的底气。”，英文文字“Growth”、“Hope”、“Future”、“Embedding”、“\"The paths you've walked will build your strength.\"”，以及日期“04.28”。",
+        "类型": "内容",
+        "形式ID": "形式1",
+        "评分详情": {
+          "combined_score": 0.672
+        }
+      },
+      "文字颜色": {
+        "名称": "文字颜色",
+        "描述": "“小葱白工”为深灰色（RGB: 60, 60, 60），“Growth”、“Hope”、“Future”为浅灰色（RGB: 150, 150, 150），“每天掌握一个”、“AI知识点”为深灰色（RGB: 60, 60, 60），“Embedding”为蓝色（RGB: 60, 140, 220），“你走过的路，都会成为你的底气。”为深灰色（RGB: 60, 60, 60），“\"The paths you've walked will build your strength.\"”为深灰色（RGB: 60, 60, 60），“Date: 04.28”为深灰色（RGB: 60, 60, 60）。",
+        "类型": "色彩",
+        "形式ID": "形式5",
+        "评分详情": {
+          "combined_score": 0.574
+        }
+      },
+      "文字字号": {
+        "名称": "文字字号",
+        "描述": "“每天掌握一个”和“AI知识点”的字号最大，目测约为100pt；“Embedding”字号次之，目测约为90pt；“你走过的路，都会成为你的底气。”和“\"The paths you've walked will build your strength.\"”字号较小，目测约为30pt；“小葱白工”、“Growth”、“Hope”、“Future”、“Date: 04.28”字号最小，目测约为25pt。",
+        "类型": "尺寸",
+        "形式ID": "形式7",
+        "评分详情": {
+          "combined_score": 0.595
+        }
+      },
+      "文字字体": {
+        "名称": "文字字体",
+        "描述": "中文标题“每天掌握一个”、“AI知识点”和副标题“你走过的路，都会成为你的底气。”采用手写风格的粗体中文字体；英文单词“Embedding”采用粗体无衬线字体；“小葱白工”采用手写风格中文字体；“Growth”、“Hope”、“Future”采用手写风格英文衬线字体；英文励志语录“\"The paths you've walked will build your strength.\"”采用手写风格英文衬线字体；日期“Date: 04.28”采用手写风格英文无衬线字体。",
+        "类型": "字体",
+        "形式ID": "形式8",
+        "评分详情": {
+          "combined_score": 0.616
+        }
+      },
+      "文字排版": {
+        "名称": "文字排版",
+        "描述": "“小葱白工”位于画面左上角，横向排列；“Growth”、“Hope”、“Future”位于画面右上角，竖向排列，每个单词被椭圆形边框包围；“每天掌握一个”位于画面中央偏上，横向居中排列；“AI知识点”位于“每天掌握一个”下方，横向居中排列；“Embedding”位于“AI知识点”下方，横向居中排列；“你走过的路，都会成为你的底气。”位于画面中下部，横向居中排列；“\"The paths you've walked will build your strength.\"”位于中文励志语录下方，横向居中排列；“Date: 04.28”位于画面左下角，横向排列。",
+        "类型": "布局",
+        "形式ID": "形式3",
+        "评分详情": {
+          "combined_score": 0.546
+        }
+      },
+      "图案形状": {
+        "名称": "图案形状",
+        "描述": "画面左上角有两颗星星图案，一颗为五角星，一颗为四角星；画面右上角有三个椭圆形边框；画面左下角有三朵花朵图案，每朵花有四个花瓣，花瓣呈圆形，花蕊呈圆形；画面右下角有四颗四角星图案。",
+        "类型": "形状",
+        "形式ID": "形式2",
+        "评分详情": {
+          "combined_score": 0.49
+        }
+      },
+      "涂抹形状": {
+        "名称": "涂抹形状",
+        "描述": "副标题“AI知识点”下方有一个不规则的粉色涂抹区域，形状呈横向椭圆形，边缘模糊，模拟手绘涂抹效果。",
+        "类型": "形状",
+        "评分详情": {
+          "combined_score": 0.525
+        }
+      },
+      "涂抹颜色": {
+        "名称": "涂抹颜色",
+        "描述": "涂抹区域的颜色为粉色，具体RGB值为(255, 180, 200)。",
+        "类型": "色彩",
+        "评分详情": {
+          "combined_score": 0.406
+        }
+      },
+      "涂抹位置": {
+        "名称": "涂抹位置",
+        "描述": "涂抹区域位于画面中央，覆盖了副标题“AI知识点”的下方，其顶点坐标为[200, 470], [1000, 470], [1000, 700], [200, 700]。",
+        "类型": "布局",
+        "评分详情": {
+          "combined_score": 0.42
+        }
+      },
+      "评分详情": {
+        "combined_score": 0.658
+      }
+    },
+    "子段落": [
+      {
+        "名称": "背景",
+        "描述": "一张带有横线和褶皱纹理的米白色笔记本纸张背景。",
+        "段落ID": "段落1.1",
+        "形式": {
+          "背景纹理": {
+            "名称": "背景纹理",
+            "描述": "背景呈现出米白色纸张的纹理，带有横向的浅灰色细线，模拟笔记本纸张效果，同时纸张表面有不规则的褶皱和轻微的脏污感。",
+            "类型": "纹理",
+            "形式ID": "形式12",
+            "评分详情": {
+              "combined_score": 0.63
+            }
+          },
+          "背景颜色": {
+            "名称": "背景颜色",
+            "描述": "背景主色调为米白色，具体RGB值为(245, 245, 235)。",
+            "类型": "色彩",
+            "形式ID": "形式9",
+            "评分详情": {
+              "combined_score": 0.56
+            }
+          },
+          "评分详情": {
+            "combined_score": 0.644
+          }
+        }
+      },
+      {
+        "名称": "顶部装饰与信息",
+        "描述": "画面顶部左右两侧的装饰性图案和文字。",
+        "段落ID": "段落1.2",
+        "形式": {
+          "文字颜色": {
+            "名称": "文字颜色",
+            "描述": "“小葱白工”为深灰色（RGB: 60, 60, 60），“Growth”、“Hope”、“Future”为浅灰色（RGB: 150, 150, 150）。",
+            "类型": "色彩",
+            "形式ID": "形式5",
+            "评分详情": {
+              "combined_score": 0.616
+            }
+          },
+          "文字字号": {
+            "名称": "文字字号",
+            "描述": "“小葱白工”、“Growth”、“Hope”、“Future”字号较小，目测约为25pt。",
+            "类型": "尺寸",
+            "形式ID": "形式7",
+            "评分详情": {
+              "combined_score": 0.644
+            }
+          },
+          "评分详情": {
+            "combined_score": 0.441
+          }
+        },
+        "子段落": [
+          {
+            "名称": "左侧标识",
+            "描述": "画面左上角由星星图案和文字组成的标识。",
+            "段落ID": "段落1.2.1",
+            "形式": {
+              "图案形状": {
+                "名称": "图案形状",
+                "描述": "包含一颗粉色五角星和一颗黄色四角星。",
+                "类型": "形状",
+                "形式ID": "形式2",
+                "评分详情": {
+                  "combined_score": 0.49
+                }
+              },
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "中文文字“小葱白工”。",
+                "类型": "内容",
+                "形式ID": "形式1",
+                "评分详情": {
+                  "combined_score": 0.672
+                }
+              },
+              "文字颜色": {
+                "名称": "文字颜色",
+                "描述": "文字颜色为深灰色，具体RGB值为(60, 60, 60)。",
+                "类型": "色彩",
+                "形式ID": "形式5",
+                "评分详情": {
+                  "combined_score": 0.616
+                }
+              },
+              "文字字号": {
+                "名称": "文字字号",
+                "描述": "文字字号较小，目测约为25pt。",
+                "类型": "尺寸",
+                "形式ID": "形式7",
+                "评分详情": {
+                  "combined_score": 0.644
+                }
+              },
+              "文字字体": {
+                "名称": "文字字体",
+                "描述": "采用手写风格中文字体。",
+                "类型": "字体",
+                "形式ID": "形式8",
+                "评分详情": {
+                  "combined_score": 0.616
+                }
+              },
+              "文字排版": {
+                "名称": "文字排版",
+                "描述": "文字位于星星图案下方，横向排列，整体居中。",
+                "类型": "布局",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.546
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.266
+              }
+            },
+            "子段落": [
+              {
+                "名称": "星星图案",
+                "描述": "左上角由粉色和黄色星星组成的图案。",
+                "段落ID": "段落1.2.1.1",
+                "形式": {
+                  "图案形状": {
+                    "名称": "图案形状",
+                    "描述": "包含一颗粉色五角星和一颗黄色四角星。",
+                    "类型": "形状",
+                    "形式ID": "形式2",
+                    "评分详情": {
+                      "combined_score": 0.49
+                    }
+                  },
+                  "评分详情": {
+                    "combined_score": 0.231
+                  }
+                }
+              },
+              {
+                "名称": "标识文字",
+                "描述": "左上角星星图案下方的中文文字。",
+                "段落ID": "段落1.2.1.2",
+                "形式": {
+                  "评分详情": {
+                    "combined_score": 0.301
+                  }
+                }
+              }
+            ]
+          },
+          {
+            "名称": "右侧标签",
+            "描述": "画面右上角竖向排列的三个椭圆形边框文字标签。",
+            "段落ID": "段落1.2.2",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "包含英文文字“Growth”、“Hope”、“Future”。",
+                "类型": "内容",
+                "形式ID": "形式1",
+                "评分详情": {
+                  "combined_score": 0.672
+                }
+              },
+              "文字颜色": {
+                "名称": "文字颜色",
+                "描述": "文字颜色为浅灰色，具体RGB值为(150, 150, 150)。",
+                "类型": "色彩",
+                "形式ID": "形式5",
+                "评分详情": {
+                  "combined_score": 0.616
+                }
+              },
+              "文字字号": {
+                "名称": "文字字号",
+                "描述": "文字字号较小，目测约为25pt。",
+                "类型": "尺寸",
+                "形式ID": "形式7",
+                "评分详情": {
+                  "combined_score": 0.644
+                }
+              },
+              "文字字体": {
+                "名称": "文字字体",
+                "描述": "采用手写风格英文衬线字体。",
+                "类型": "字体",
+                "形式ID": "形式8",
+                "评分详情": {
+                  "combined_score": 0.616
+                }
+              },
+              "文字排版": {
+                "名称": "文字排版",
+                "描述": "三个单词竖向排列，每个单词被一个椭圆形边框包围，整体位于画面右上角。",
+                "类型": "布局",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.546
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.231
+              }
+            }
+          }
+        ]
+      },
+      {
+        "名称": "主要内容区",
+        "描述": "海报中央区域，包含标题、副标题和核心英文单词，是视觉焦点。",
+        "段落ID": "段落1.3",
+        "形式": {
+          "文字内容": {
+            "名称": "文字内容",
+            "描述": "包含中文文字“每天掌握一个”、“AI知识点”和英文文字“Embedding”。",
+            "类型": "内容",
+            "形式ID": "形式1",
+            "评分详情": {
+              "combined_score": 0.616
+            }
+          },
+          "文字颜色": {
+            "名称": "文字颜色",
+            "描述": "“每天掌握一个”、“AI知识点”为深灰色（RGB: 60, 60, 60），“Embedding”为蓝色（RGB: 60, 140, 220）。",
+            "类型": "色彩",
+            "形式ID": "形式5",
+            "评分详情": {
+              "combined_score": 0.532
+            }
+          },
+          "文字字号": {
+            "名称": "文字字号",
+            "描述": "“每天掌握一个”和“AI知识点”的字号最大，目测约为100pt；“Embedding”字号次之，目测约为90pt。",
+            "类型": "尺寸",
+            "形式ID": "形式7",
+            "评分详情": {
+              "combined_score": 0.574
+            }
+          },
+          "文字字体": {
+            "名称": "文字字体",
+            "描述": "中文标题“每天掌握一个”、“AI知识点”采用手写风格的粗体中文字体；英文单词“Embedding”采用粗体无衬线字体。",
+            "类型": "字体",
+            "形式ID": "形式8",
+            "评分详情": {
+              "combined_score": 0.49
+            }
+          },
+          "文字排版": {
+            "名称": "文字排版",
+            "描述": "“每天掌握一个”位于画面中央偏上，横向居中排列；“AI知识点”位于“每天掌握一个”下方，横向居中排列；“Embedding”位于“AI知识点”下方，横向居中排列。",
+            "类型": "布局",
+            "形式ID": "形式3",
+            "评分详情": {
+              "combined_score": 0.455
+            }
+          },
+          "涂抹位置": {
+            "名称": "涂抹位置",
+            "描述": "涂抹区域位于画面中央，覆盖了副标题“AI知识点”的下方，其顶点坐标为[200, 470], [1000, 470], [1000, 700], [200, 700]。",
+            "类型": "布局",
+            "评分详情": {
+              "combined_score": 0.42
+            }
+          },
+          "评分详情": {
+            "combined_score": 0.616
+          }
+        },
+        "子段落": [
+          {
+            "名称": "标题",
+            "描述": "深灰色粗体中文字，位于画面顶部偏中。",
+            "段落ID": "段落1.3.1",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "中文文字“每天掌握一个”。",
+                "类型": "内容",
+                "形式ID": "形式1",
+                "评分详情": {
+                  "combined_score": 0.42
+                }
+              },
+              "文字字号": {
+                "名称": "文字字号",
+                "描述": "文字字号最大，目测约为100pt。",
+                "类型": "尺寸",
+                "形式ID": "形式7",
+                "评分详情": {
+                  "combined_score": 0.448
+                }
+              },
+              "文字字体": {
+                "名称": "文字字体",
+                "描述": "采用手写风格的粗体中文字体。",
+                "类型": "字体",
+                "形式ID": "形式8",
+                "评分详情": {
+                  "combined_score": 0.462
+                }
+              },
+              "文字排版": {
+                "名称": "文字排版",
+                "描述": "文字位于画面中央偏上，横向居中排列。",
+                "类型": "布局",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.406
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.476
+              }
+            }
+          },
+          {
+            "名称": "副标题",
+            "描述": "深灰色粗体中文字，位于粉色涂抹背景上。",
+            "段落ID": "段落1.3.2",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "中文文字“AI知识点”。",
+                "类型": "内容",
+                "形式ID": "形式1",
+                "评分详情": {
+                  "combined_score": 0.525
+                }
+              },
+              "文字字号": {
+                "名称": "文字字号",
+                "描述": "文字字号较大，目测约为100pt。",
+                "类型": "尺寸",
+                "形式ID": "形式7",
+                "评分详情": {
+                  "combined_score": 0.406
+                }
+              },
+              "文字字体": {
+                "名称": "文字字体",
+                "描述": "采用手写风格的粗体中文字体。",
+                "类型": "字体",
+                "形式ID": "形式8",
+                "评分详情": {
+                  "combined_score": 0.476
+                }
+              },
+              "文字排版": {
+                "名称": "文字排版",
+                "描述": "文字位于“每天掌握一个”下方，横向居中排列，部分文字位于粉色涂抹背景上。",
+                "类型": "布局",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.455
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.532
+              }
+            }
+          },
+          {
+            "名称": "核心英文单词",
+            "描述": "蓝色粗体英文单词，位于副标题下方。",
+            "段落ID": "段落1.3.3",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "英文单词“Embedding”。",
+                "类型": "内容",
+                "形式ID": "形式1",
+                "评分详情": {
+                  "combined_score": 0.672
+                }
+              },
+              "文字颜色": {
+                "名称": "文字颜色",
+                "描述": "文字颜色为蓝色，具体RGB值为(60, 140, 220)。",
+                "类型": "色彩",
+                "形式ID": "形式5",
+                "评分详情": {
+                  "combined_score": 0.616
+                }
+              },
+              "文字字号": {
+                "名称": "文字字号",
+                "描述": "文字字号较大，目测约为90pt。",
+                "类型": "尺寸",
+                "形式ID": "形式7",
+                "评分详情": {
+                  "combined_score": 0.644
+                }
+              },
+              "文字字体": {
+                "名称": "文字字体",
+                "描述": "采用粗体无衬线字体。",
+                "类型": "字体",
+                "形式ID": "形式8",
+                "评分详情": {
+                  "combined_score": 0.49
+                }
+              },
+              "文字排版": {
+                "名称": "文字排版",
+                "描述": "文字位于“AI知识点”下方，横向居中排列。",
+                "类型": "布局",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.525
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.672
+              }
+            }
+          },
+          {
+            "名称": "粉色涂抹背景",
+            "描述": "副标题下方的粉色不规则涂抹区域。",
+            "段落ID": "段落1.3.4",
+            "形式": {
+              "涂抹颜色": {
+                "名称": "涂抹颜色",
+                "描述": "涂抹区域的颜色为粉色，具体RGB值为(255, 180, 200)。",
+                "类型": "色彩",
+                "评分详情": {
+                  "combined_score": 0.406
+                }
+              },
+              "涂抹位置": {
+                "名称": "涂抹位置",
+                "描述": "涂抹区域位于画面中央，覆盖了副标题“AI知识点”的下方，其顶点坐标为[200, 470], [1000, 470], [1000, 700], [200, 700]。",
+                "类型": "布局",
+                "评分详情": {
+                  "combined_score": 0.42
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.441
+              }
+            }
+          }
+        ]
+      },
+      {
+        "名称": "励志语录",
+        "描述": "位于画面中下部的中文和英文励志语录。",
+        "段落ID": "段落1.4",
+        "形式": {
+          "评分详情": {
+            "combined_score": 0.294
+          }
+        }
+      },
+      {
+        "名称": "底部信息区",
+        "描述": "画面底部左侧的日期信息和右侧的装饰性图案。",
+        "段落ID": "段落1.5",
+        "形式": {
+          "文字颜色": {
+            "名称": "文字颜色",
+            "描述": "文字颜色为深灰色，具体RGB值为(60, 60, 60)。",
+            "类型": "色彩",
+            "形式ID": "形式5",
+            "评分详情": {
+              "combined_score": 0.616
+            }
+          },
+          "文字字号": {
+            "名称": "文字字号",
+            "描述": "文字字号最小，目测约为25pt。",
+            "类型": "尺寸",
+            "形式ID": "形式7",
+            "评分详情": {
+              "combined_score": 0.644
+            }
+          },
+          "文字排版": {
+            "名称": "文字排版",
+            "描述": "日期位于画面左下角，横向排列。",
+            "类型": "布局",
+            "形式ID": "形式3",
+            "评分详情": {
+              "combined_score": 0.546
+            }
+          },
+          "评分详情": {
+            "combined_score": 0.35
+          }
+        },
+        "子段落": [
+          {
+            "名称": "日期",
+            "描述": "画面左下角的日期信息。",
+            "段落ID": "段落1.5.1",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "日期“Date: 04.28”。",
+                "类型": "内容",
+                "形式ID": "形式1",
+                "评分详情": {
+                  "combined_score": 0.672
+                }
+              },
+              "文字颜色": {
+                "名称": "文字颜色",
+                "描述": "文字颜色为深灰色，具体RGB值为(60, 60, 60)。",
+                "类型": "色彩",
+                "形式ID": "形式5",
+                "评分详情": {
+                  "combined_score": 0.616
+                }
+              },
+              "文字字号": {
+                "名称": "文字字号",
+                "描述": "文字字号最小，目测约为25pt。",
+                "类型": "尺寸",
+                "形式ID": "形式7",
+                "评分详情": {
+                  "combined_score": 0.644
+                }
+              },
+              "文字字体": {
+                "名称": "文字字体",
+                "描述": "采用手写风格英文无衬线字体。",
+                "类型": "字体",
+                "形式ID": "形式8",
+                "评分详情": {
+                  "combined_score": 0.616
+                }
+              },
+              "文字排版": {
+                "名称": "文字排版",
+                "描述": "文字位于画面左下角，横向排列。",
+                "类型": "布局",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.546
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.161
+              }
+            }
+          },
+          {
+            "名称": "底部装饰图案",
+            "描述": "画面右下角由黄色花朵和星星组成的图案。",
+            "段落ID": "段落1.5.2",
+            "形式": {
+              "图案形状": {
+                "名称": "图案形状",
+                "描述": "包含三朵黄色花朵图案，每朵花有四个圆形花瓣，圆形花蕊，以及绿色的花茎；四颗黄色四角星图案。",
+                "类型": "形状",
+                "形式ID": "形式2",
+                "评分详情": {
+                  "combined_score": 0.49
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.245
+              }
+            }
+          }
+        ]
+      }
+    ]
+  }
+]

examples/research/cong/descriptions/小葱__img_2_制作表.json

@@ -0,0 +1,415 @@
+[
+  {
+    "名称": "笔记风格海报",
+    "描述": "一张以蓝色和黄色为主色调的笔记风格海报，模拟了笔记本纸张和活页夹的样式，内容围绕“Embedding”这一主题展开。",
+    "段落ID": "段落2",
+    "形式": {
+      "背景颜色": {
+        "名称": "背景颜色",
+        "描述": "海报背景由左侧的蓝色活页夹边缘和右侧的白色笔记本纸张组成。活页夹边缘为纯蓝色，色值为 #87CEEB。笔记本纸张为纯白色，色值为 #FFFFFF。",
+        "类型": "色彩",
+        "形式ID": "形式9",
+        "评分详情": {
+          "combined_score": 0.525
+        }
+      },
+      "背景形状": {
+        "名称": "背景形状",
+        "描述": "海报整体背景为矩形，尺寸为1200x1700像素。左侧活页夹边缘呈不规则的波浪形，模拟了活页夹的环形结构。右侧白色笔记本纸张为矩形，边缘有虚线和圆孔。",
+        "类型": "形状",
+        "形式ID": "形式10",
+        "评分详情": {
+          "combined_score": 0.574
+        }
+      },
+      "文字内容": {
+        "名称": "文字内容",
+        "描述": "海报内容围绕“Embedding”这一主题展开，包含标题“Embedding”、问题“什么是“Embedding”？”、流程描述“从文本到“Embedding”的流程”以及详细的解释和示例表格。",
+        "类型": "内容",
+        "形式ID": "形式1",
+        "评分详情": {
+          "combined_score": 0.616
+        }
+      },
+      "文字颜色": {
+        "名称": "文字颜色",
+        "描述": "主要标题“Embedding”为黑色（#000000）。问题标题（如“什么是“Embedding”？”）的数字序号为蓝色（#4682B4），问号和文字为黑色（#000000）。正文内容为黑色（#000000）。表格中的文字颜色为黑色（#000000）。",
+        "类型": "色彩",
+        "形式ID": "形式5",
+        "评分详情": {
+          "combined_score": 0.546
+        }
+      },
+      "文字字号": {
+        "名称": "文字字号",
+        "描述": "主标题“Embedding”字号最大，约为100pt。问题标题（如“什么是“Embedding”？”）字号次之，约为30pt。正文内容字号较小，约为18pt。表格中的文字字号最小，约为14pt。",
+        "类型": "尺寸",
+        "形式ID": "形式7",
+        "评分详情": {
+          "combined_score": 0.504
+        }
+      },
+      "文字字体": {
+        "名称": "文字字体",
+        "描述": "主标题“Embedding”采用粗体无衬线字体。问题标题和正文内容采用常规无衬线字体。表格中的文字采用常规无衬线字体。",
+        "类型": "字体",
+        "形式ID": "形式8",
+        "评分详情": {
+          "combined_score": 0.525
+        }
+      },
+      "文字排版": {
+        "名称": "文字排版",
+        "描述": "主标题“Embedding”居中排版。问题标题左对齐，并带有序号和卡通表情。正文内容左对齐，段落之间有间距。表格内容居中对齐。",
+        "类型": "布局",
+        "形式ID": "形式3",
+        "评分详情": {
+          "combined_score": 0.602
+        }
+      },
+      "表格填充色": {
+        "名称": "表格填充色",
+        "描述": "表格的表头行填充色为浅绿色（#90EE90），第一列（Tokenization和Embedding）的背景色为浅紫色（#E6E6FA），其余数据单元格的背景色为白色（#FFFFFF）。",
+        "类型": "色彩",
+        "形式ID": "形式16",
+        "评分详情": {
+          "combined_score": 0.455
+        }
+      },
+      "评分详情": {
+        "combined_score": 0.616
+      }
+    },
+    "子段落": [
+      {
+        "名称": "背景",
+        "描述": "海报的背景，模拟了活页夹的蓝色边缘和白色笔记本纸张，纸张边缘有虚线和圆孔。",
+        "段落ID": "段落2.1",
+        "形式": {
+          "背景颜色": {
+            "名称": "背景颜色",
+            "描述": "背景由左侧的蓝色活页夹边缘和右侧的白色笔记本纸张组成。活页夹边缘为纯蓝色，色值为 #87CEEB。笔记本纸张为纯白色，色值为 #FFFFFF。",
+            "类型": "色彩",
+            "形式ID": "形式9",
+            "评分详情": {
+              "combined_score": 0.427
+            }
+          },
+          "评分详情": {
+            "combined_score": 0.441
+          }
+        }
+      },
+      {
+        "名称": "顶部装饰与信息",
+        "描述": "位于海报顶部，包含一个黄色回形针和标题文字。",
+        "段落ID": "段落2.2",
+        "形式": {
+          "评分详情": {
+            "combined_score": 0.301
+          }
+        },
+        "子段落": [
+          {
+            "名称": "回形针装饰",
+            "描述": "一个黄色的回形针，固定在纸张顶部。",
+            "段落ID": "段落2.2.1",
+            "形式": {
+              "评分详情": {
+                "combined_score": 0.154
+              }
+            }
+          },
+          {
+            "名称": "核心英文单词",
+            "描述": "海报的核心主题词，以大号黑色粗体英文显示。",
+            "段落ID": "段落2.2.2",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "核心英文单词为“Embedding”。",
+                "类型": "内容",
+                "形式ID": "形式1",
+                "评分详情": {
+                  "combined_score": 0.665
+                }
+              },
+              "文字颜色": {
+                "名称": "文字颜色",
+                "描述": "核心英文单词“Embedding”为黑色，色值为 #000000。",
+                "类型": "色彩",
+                "形式ID": "形式5",
+                "评分详情": {
+                  "combined_score": 0.42
+                }
+              },
+              "文字字号": {
+                "名称": "文字字号",
+                "描述": "核心英文单词“Embedding”字号最大，约为100pt。",
+                "类型": "尺寸",
+                "形式ID": "形式7",
+                "评分详情": {
+                  "combined_score": 0.644
+                }
+              },
+              "文字字体": {
+                "名称": "文字字体",
+                "描述": "核心英文单词“Embedding”采用粗体无衬线字体。",
+                "类型": "字体",
+                "形式ID": "形式8",
+                "评分详情": {
+                  "combined_score": 0.525
+                }
+              },
+              "文字排版": {
+                "名称": "文字排版",
+                "描述": "核心英文单词“Embedding”居中排版，位于回形针下方，顶点坐标为 [250, 180] 到 [950, 300]。",
+                "类型": "布局",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.595
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.665
+              }
+            }
+          }
+        ]
+      },
+      {
+        "名称": "主要内容区",
+        "描述": "海报的主体部分，包含多个标题和详细的文本内容，以笔记形式呈现。",
+        "段落ID": "段落2.3",
+        "形式": {
+          "文字内容": {
+            "名称": "文字内容",
+            "描述": "主要内容区包含多个标题和详细的文本内容，如“什么是“Embedding”？”、“从文本到“Embedding”的流程”以及对Embedding概念的解释、生成流程的描述和示例表格中的文字。",
+            "类型": "内容",
+            "形式ID": "形式1",
+            "评分详情": {
+              "combined_score": 0.532
+            }
+          },
+          "文字字体": {
+            "名称": "文字字体",
+            "描述": "所有文字均采用无衬线字体，标题部分为粗体，正文和表格为常规字体。",
+            "类型": "字体",
+            "形式ID": "形式8",
+            "评分详情": {
+              "combined_score": 0.525
+            }
+          },
+          "文字排版": {
+            "名称": "文字排版",
+            "描述": "问题标题左对齐，并带有序号和卡通表情。正文内容左对齐，段落之间有间距。表格内容居中对齐。",
+            "类型": "布局",
+            "形式ID": "形式3",
+            "评分详情": {
+              "combined_score": 0.476
+            }
+          },
+          "评分详情": {
+            "combined_score": 0.532
+          }
+        },
+        "子段落": [
+          {
+            "名称": "问题标题1",
+            "描述": "第一个问题标题，包含序号、问号和卡通表情。",
+            "段落ID": "段落2.3.1",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "标题内容为“1 什么是“Embedding”？”。",
+                "类型": "内容",
+                "形式ID": "形式1",
+                "评分详情": {
+                  "combined_score": 0.462
+                }
+              },
+              "文字排版": {
+                "名称": "文字排版",
+                "描述": "标题左对齐，数字序号“1”被蓝色圆圈包裹，位于文字左侧，卡通问号表情位于标题文字右侧。",
+                "类型": "布局",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.602
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.476
+              }
+            }
+          },
+          {
+            "名称": "问题1正文",
+            "描述": "对“Embedding”概念的解释。",
+            "段落ID": "段落2.3.2",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "正文内容为“Embedding (嵌入)是指把文本(也可能包括图像、视频等其他模态数据)转成能表达语义信息的浮点数向量,向量之间的数学距离可以反映对应文本之间的语义相关性。”",
+                "类型": "内容",
+                "形式ID": "形式1",
+                "评分详情": {
+                  "combined_score": 0.56
+                }
+              },
+              "文字颜色": {
+                "名称": "文字颜色",
+                "描述": "所有文字均为黑色，色值为 #000000。其中“语义信息”和“语义相关性”两个词语被高亮显示为蓝色（#4682B4）。",
+                "类型": "色彩",
+                "形式ID": "形式5",
+                "评分详情": {
+                  "combined_score": 0.42
+                }
+              },
+              "文字字号": {
+                "名称": "文字字号",
+                "描述": "正文内容字号约为18pt。",
+                "类型": "尺寸",
+                "形式ID": "形式7",
+                "评分详情": {
+                  "combined_score": 0.644
+                }
+              },
+              "文字字体": {
+                "名称": "文字字体",
+                "描述": "正文内容采用常规无衬线字体。",
+                "类型": "字体",
+                "形式ID": "形式8",
+                "评分详情": {
+                  "combined_score": 0.525
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.56
+              }
+            }
+          },
+          {
+            "名称": "问题标题2",
+            "描述": "第二个问题标题，包含序号和卡通表情。",
+            "段落ID": "段落2.3.3",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "标题内容为“2 从文本到“Embedding”的流程”。",
+                "类型": "内容",
+                "形式ID": "形式1",
+                "评分详情": {
+                  "combined_score": 0.469
+                }
+              },
+              "文字字号": {
+                "名称": "文字字号",
+                "描述": "标题文字字号约为30pt。",
+                "类型": "尺寸",
+                "形式ID": "形式7",
+                "评分详情": {
+                  "combined_score": 0.42
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.469
+              }
+            }
+          },
+          {
+            "名称": "问题2正文",
+            "描述": "详细解释了从文本到Embedding的生成流程。",
+            "段落ID": "段落2.3.4",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "正文内容包含“Embedding的生成方式,主要分两种情况:”、“1)大模型推理中的Embedding(Token级)”、“• 文本先通过分词器拆分成最小语言单位token,例如:\"unbelievable\" → [\"un\", \"believ\", \"able\"]。”、“• 接着查询词表,将每个token被映射成一个数字编号,比如:\"un\" → 1087。”、“• 根据编号查询Embedding矩阵,快速取出对应的浮点数向量,例如:\"un\" → [0.24, -0.31, 0.88, ..., 0.05]。”和“生成Token级的Embedding,是大模型理解输入文本的第一步。”",
+                "类型": "内容",
+                "形式ID": "形式1",
+                "评分详情": {
+                  "combined_score": 0.602
+                }
+              },
+              "文字颜色": {
+                "名称": "文字颜色",
+                "描述": "所有文字均为黑色，色值为 #000000。",
+                "类型": "色彩",
+                "形式ID": "形式5",
+                "评分详情": {
+                  "combined_score": 0.42
+                }
+              },
+              "文字排版": {
+                "名称": "文字排版",
+                "描述": "正文内容左对齐，采用列表形式，项目符号为实心圆点。段落之间有间距。",
+                "类型": "布局",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.525
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.602
+              }
+            }
+          },
+          {
+            "名称": "示例表格",
+            "描述": "一个展示Tokenization和Embedding对应关系的表格。",
+            "段落ID": "段落2.3.5",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "表格内容包含表头“Tokenization”、“Embedding”以及“This is a cute dog”的Tokenization和Embedding数值，如“[CLS]”、“This”、“is”、“a”、“cute”、“dog”、“[SEP]”及其对应的数字编号和浮点数向量。",
+                "类型": "内容",
+                "形式ID": "形式1",
+                "评分详情": {
+                  "combined_score": 0.581
+                }
+              },
+              "文字字号": {
+                "名称": "文字字号",
+                "描述": "表格中的文字字号约为14pt。",
+                "类型": "尺寸",
+                "形式ID": "形式7",
+                "评分详情": {
+                  "combined_score": 0.644
+                }
+              },
+              "文字字体": {
+                "名称": "文字字体",
+                "描述": "表格中的文字采用常规无衬线字体。",
+                "类型": "字体",
+                "形式ID": "形式8",
+                "评分详情": {
+                  "combined_score": 0.525
+                }
+              },
+              "文字排版": {
+                "名称": "文字排版",
+                "描述": "表格内容居中对齐。",
+                "类型": "布局",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.455
+                }
+              },
+              "表格填充色": {
+                "名称": "表格填充色",
+                "描述": "表格的表头行填充色为浅绿色（#90EE90），第一列（Tokenization和Embedding）的背景色为浅紫色（#E6E6FA），其余数据单元格的背景色为白色（#FFFFFF）。",
+                "类型": "色彩",
+                "形式ID": "形式16",
+                "评分详情": {
+                  "combined_score": 0.525
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.581
+              }
+            }
+          }
+        ]
+      }
+    ]
+  }
+]

examples/research/cong/descriptions/小葱__img_3_制作表.json

@@ -0,0 +1,414 @@
+[
+  {
+    "名称": "笔记风格海报",
+    "描述": "一张以蓝色和黄色为主色调的笔记风格海报，模拟了笔记本纸张和活页夹的样式，内容围绕“Embedding”这一主题展开。",
+    "段落ID": "段落3",
+    "形式": {
+      "背景颜色": {
+        "名称": "背景颜色",
+        "描述": "海报整体背景色调为蓝色和黄色。",
+        "类型": "色彩",
+        "形式ID": "形式9",
+        "评分详情": {
+          "combined_score": 0.49
+        }
+      },
+      "背景纹理": {
+        "名称": "背景纹理",
+        "描述": "背景模拟了笔记本纸张和活页夹的纹理，包括活页夹的蓝色边缘、白色纸张、纸张边缘的虚线和圆孔。",
+        "类型": "纹理",
+        "形式ID": "形式12",
+        "评分详情": {
+          "combined_score": 0.644
+        }
+      },
+      "文字内容": {
+        "名称": "文字内容",
+        "描述": "海报内容围绕“Embedding”这一主题展开，包含标题、解释性文本、示例和结论。",
+        "类型": "内容",
+        "形式ID": "形式1",
+        "评分详情": {
+          "combined_score": 0.63
+        }
+      },
+      "文字颜色": {
+        "名称": "文字颜色",
+        "描述": "文字颜色主要为黑色，部分关键词如“Embedding模型”、“压缩”为紫色，标题中的数字“2”和“3”为蓝色，部分文字如“专门训练好的”为黄色背景高亮。",
+        "类型": "色彩",
+        "形式ID": "形式5",
+        "评分详情": {
+          "combined_score": 0.546
+        }
+      },
+      "文字字号": {
+        "名称": "文字字号",
+        "描述": "标题“Embedding”字号最大，其他正文和子标题字号相对较小，但子标题略大于正文字号。",
+        "类型": "尺寸",
+        "形式ID": "形式7",
+        "评分详情": {
+          "combined_score": 0.525
+        }
+      },
+      "文字字体": {
+        "名称": "文字字体",
+        "描述": "标题“Embedding”为粗体无衬线字体，其他文字为常规无衬线字体。",
+        "类型": "字体",
+        "形式ID": "形式8",
+        "评分详情": {
+          "combined_score": 0.525
+        }
+      },
+      "文字排版": {
+        "名称": "文字排版",
+        "描述": "文字排版采用左对齐，标题居中，正文分段落，并使用项目符号和序号进行组织。",
+        "类型": "布局",
+        "形式ID": "形式3",
+        "评分详情": {
+          "combined_score": 0.595
+        }
+      },
+      "线条形状": {
+        "名称": "线条形状",
+        "描述": "背景纸张边缘有虚线，内容区有虚线分隔线，活页夹边缘有环形线条。",
+        "类型": "形状",
+        "形式ID": "形式11",
+        "评分详情": {
+          "combined_score": 0.574
+        }
+      },
+      "线条样式": {
+        "名称": "线条样式",
+        "描述": "纸张边缘为虚线，内容区段落之间有水平虚线分隔，活页夹边缘为连续的环形线条。",
+        "类型": "样式",
+        "形式ID": "形式14",
+        "评分详情": {
+          "combined_score": 0.42
+        }
+      },
+      "评分详情": {
+        "combined_score": 0.658
+      }
+    },
+    "子段落": [
+      {
+        "名称": "背景",
+        "描述": "海报的背景，模拟了活页夹的蓝色边缘和白色笔记本纸张，纸张边缘有虚线和圆孔。",
+        "段落ID": "段落3.1",
+        "形式": {
+          "背景颜色": {
+            "名称": "背景颜色",
+            "描述": "背景由左侧的蓝色活页夹边缘和右侧的白色笔记本纸张组成。",
+            "类型": "色彩",
+            "形式ID": "形式9",
+            "评分详情": {
+              "combined_score": 0.595
+            }
+          },
+          "背景纹理": {
+            "名称": "背景纹理",
+            "描述": "背景模拟了活页夹的塑料质感和笔记本纸张的纸质感，纸张边缘有虚线和圆孔。",
+            "类型": "纹理",
+            "形式ID": "形式12",
+            "评分详情": {
+              "combined_score": 0.42
+            }
+          },
+          "线条形状": {
+            "名称": "线条形状",
+            "描述": "纸张左侧边缘有垂直虚线，顶部和底部有水平虚线，左侧有三个圆形孔洞。活页夹部分有三个半圆形环状线条。",
+            "类型": "形状",
+            "形式ID": "形式11",
+            "评分详情": {
+              "combined_score": 0.574
+            }
+          },
+          "评分详情": {
+            "combined_score": 0.602
+          }
+        }
+      },
+      {
+        "名称": "顶部装饰与信息",
+        "描述": "位于海报顶部，包含一个黄色回形针和标题文字。",
+        "段落ID": "段落3.2",
+        "形式": {
+          "评分详情": {
+            "combined_score": 0.35
+          }
+        },
+        "子段落": [
+          {
+            "名称": "回形针装饰",
+            "描述": "一个黄色的回形针，固定在纸张顶部。",
+            "段落ID": "段落3.2.1",
+            "形式": {
+              "图案形状": {
+                "名称": "图案形状",
+                "描述": "一个典型的回形针形状，由弯曲的线条构成。",
+                "类型": "形状",
+                "形式ID": "形式2",
+                "评分详情": {
+                  "combined_score": 0.406
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.175
+              }
+            }
+          },
+          {
+            "名称": "核心英文单词",
+            "描述": "海报的核心主题词，以大号黑色粗体英文显示。",
+            "段落ID": "段落3.2.2",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "核心英文单词为“Embedding”。",
+                "类型": "内容",
+                "形式ID": "形式1",
+                "评分详情": {
+                  "combined_score": 0.672
+                }
+              },
+              "文字颜色": {
+                "名称": "文字颜色",
+                "描述": "文字颜色为黑色。",
+                "类型": "色彩",
+                "形式ID": "形式5",
+                "评分详情": {
+                  "combined_score": 0.49
+                }
+              },
+              "文字字号": {
+                "名称": "文字字号",
+                "描述": "文字字号非常大，是海报中最大的文字，高度约为120像素。",
+                "类型": "尺寸",
+                "形式ID": "形式7",
+                "评分详情": {
+                  "combined_score": 0.644
+                }
+              },
+              "文字字体": {
+                "名称": "文字字体",
+                "描述": "文字字体为粗体无衬线字体。",
+                "类型": "字体",
+                "形式ID": "形式8",
+                "评分详情": {
+                  "combined_score": 0.525
+                }
+              },
+              "文字排版": {
+                "名称": "文字排版",
+                "描述": "文字在指定区域内居中排版，坐标为[250, 180]到[950, 300]。",
+                "类型": "布局",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.595
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.672
+              }
+            }
+          }
+        ]
+      },
+      {
+        "名称": "主要内容区",
+        "描述": "海报的主体部分，包含多个标题和详细的文本内容，以笔记形式呈现。",
+        "段落ID": "段落3.3",
+        "形式": {
+          "文字内容": {
+            "名称": "文字内容",
+            "描述": "主要内容区包含多个标题和详细的文本内容，如“独立使用的Embedding (句子/文档级)”、“Embedding”的本质:语义可“被数字表示”等，以及相关的解释和示例。",
+            "类型": "内容",
+            "形式ID": "形式1",
+            "评分详情": {
+              "combined_score": 0.581
+            }
+          },
+          "文字颜色": {
+            "名称": "文字颜色",
+            "描述": "大部分文字为黑色，部分关键词如“Embedding模型”、“压缩”为紫色，标题中的数字“2”和“3”为蓝色，部分文字如“专门训练好的”为黄色背景高亮。",
+            "类型": "色彩",
+            "形式ID": "形式5",
+            "评分详情": {
+              "combined_score": 0.455
+            }
+          },
+          "文字排版": {
+            "名称": "文字排版",
+            "描述": "文字排版采用左对齐，段落之间有水平虚线分隔，并使用序号和项目符号进行组织。",
+            "类型": "布局",
+            "形式ID": "形式3",
+            "评分详情": {
+              "combined_score": 0.504
+            }
+          },
+          "图案形状": {
+            "名称": "图案形状",
+            "描述": "包含标题前的数字“2”和“3”的圆形背景，以及标题“Embedding”的本质:语义可“被数字表示”右侧的卡通太阳表情图案，以及正文中的绿色对勾符号。",
+            "类型": "形状",
+            "形式ID": "形式2",
+            "评分详情": {
+              "combined_score": 0.406
+            }
+          },
+          "评分详情": {
+            "combined_score": 0.581
+          }
+        },
+        "子段落": [
+          {
+            "名称": "问题标题2补充",
+            "描述": "对Embedding生成方式的第二种情况的标题。",
+            "段落ID": "段落3.3.1",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "标题内容为“2) 独立使用的Embedding (句子/文档级)”。",
+                "类型": "内容",
+                "形式ID": "形式1",
+                "评分详情": {
+                  "combined_score": 0.455
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.476
+              }
+            }
+          },
+          {
+            "名称": "问题2补充正文",
+            "描述": "详细解释了独立使用的Embedding（句子/文档级）。",
+            "段落ID": "段落3.3.2",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "正文内容为“如果需要表示一整句或一段文本(比如在RAG中检索),就不能只查表了。常见做法是:将文本输入到一个专门训练好的Embedding模型(如 Sentence-BERT、M3E),通过推理生成一个完整的句子或文档级向量。这种Embedding包含了更丰富的上下文信息,适合检索、相似性判断等场景。”",
+                "类型": "内容",
+                "形式ID": "形式1",
+                "评分详情": {
+                  "combined_score": 0.504
+                }
+              },
+              "文字字号": {
+                "名称": "文字字号",
+                "描述": "文字字号统一，为常规大小。",
+                "类型": "尺寸",
+                "形式ID": "形式7",
+                "评分详情": {
+                  "combined_score": 0.644
+                }
+              },
+              "文字字体": {
+                "名称": "文字字体",
+                "描述": "文字字体为常规无衬线字体。",
+                "类型": "字体",
+                "形式ID": "形式8",
+                "评分详情": {
+                  "combined_score": 0.525
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.518
+              }
+            }
+          },
+          {
+            "名称": "问题标题3",
+            "描述": "第三个问题标题，包含序号和卡通表情。",
+            "段落ID": "段落3.3.3",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "标题内容为“3 “Embedding”的本质:语义可“被数字表示””。",
+                "类型": "内容",
+                "形式ID": "形式1",
+                "评分详情": {
+                  "combined_score": 0.504
+                }
+              },
+              "文字颜色": {
+                "名称": "文字颜色",
+                "描述": "数字“3”为蓝色，关键词“Embedding”、“被数字表示”为黑色粗体，其余文字为黑色。",
+                "类型": "色彩",
+                "形式ID": "形式5",
+                "评分详情": {
+                  "combined_score": 0.546
+                }
+              },
+              "文字字号": {
+                "名称": "文字字号",
+                "描述": "文字字号相对正文较大，但小于主标题“Embedding”。",
+                "类型": "尺寸",
+                "形式ID": "形式7",
+                "评分详情": {
+                  "combined_score": 0.434
+                }
+              },
+              "文字排版": {
+                "名称": "文字排版",
+                "描述": "文字左对齐，位于坐标[180, 720]到[1020, 790]的区域内。",
+                "类型": "布局",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.595
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.504
+              }
+            }
+          },
+          {
+            "名称": "问题3正文",
+            "描述": "详细解释了Embedding的本质及其语义表示能力。",
+            "段落ID": "段落3.3.4",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "正文内容为“在模型训练中,发现文本的语义可以被“压缩”成一组数字向量,且向量之间的距离和方向,能自然反映文本间的语义关系。比如:•“猫”和“狗”对应向量的数学距离很近,代表它们语义接近(都是动物)•“房子”和“你好”对应向量的数学距离很远,表示它们语义无关• 模型甚至可以学到:king - man + woman ≈ queen 这样的语义数学关系这些规律并非人为设定,而是模型通过海量数据自动学习到的。”",
+                "类型": "内容",
+                "形式ID": "形式1",
+                "评分详情": {
+                  "combined_score": 0.56
+                }
+              },
+              "文字字号": {
+                "名称": "文字字号",
+                "描述": "文字字号统一，为常规大小。",
+                "类型": "尺寸",
+                "形式ID": "形式7",
+                "评分详情": {
+                  "combined_score": 0.644
+                }
+              },
+              "文字字体": {
+                "名称": "文字字体",
+                "描述": "文字字体为常规无衬线字体。",
+                "类型": "字体",
+                "形式ID": "形式8",
+                "评分详情": {
+                  "combined_score": 0.525
+                }
+              },
+              "文字排版": {
+                "名称": "文字排版",
+                "描述": "文字左对齐，分多段，使用项目符号进行组织，段落之间有水平虚线分隔，位于坐标[180, 810]到[1020, 1500]的区域内。",
+                "类型": "布局",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.49
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.56
+              }
+            }
+          }
+        ]
+      }
+    ]
+  }
+]

examples/research/cong/descriptions/小葱__img_4_制作表.json

@@ -0,0 +1,405 @@
+[
+  {
+    "名称": "笔记风格海报",
+    "描述": "一张以蓝色和黄色为主色调的笔记风格海报，模拟了笔记本纸张和活页夹的样式，内容围绕“Embedding”这一主题展开。",
+    "段落ID": "段落4",
+    "形式": {
+      "背景颜色": {
+        "名称": "背景颜色",
+        "描述": "海报背景由左侧的蓝色活页夹边缘和右侧的白色笔记本纸张组成。活页夹边缘为纯蓝色，笔记本纸张为纯白色。",
+        "类型": "色彩",
+        "形式ID": "形式9",
+        "评分详情": {
+          "combined_score": 0.42
+        }
+      },
+      "背景纹理": {
+        "名称": "背景纹理",
+        "描述": "背景纹理模拟了笔记本纸张和活页夹的样式。活页夹边缘呈现出光滑的塑料质感，笔记本纸张具有纸张的轻微粗糙感，并带有横向的浅灰色虚线横格和左侧的红色竖向虚线边缘，以及左侧的三个圆形打孔。",
+        "类型": "纹理",
+        "形式ID": "形式12",
+        "评分详情": {
+          "combined_score": 0.574
+        }
+      },
+      "背景形状": {
+        "名称": "背景形状",
+        "描述": "海报整体背景为矩形，尺寸为1200x1700像素。左侧活页夹边缘呈不规则的波浪形，模拟活页夹的脊背。右侧的笔记本纸张部分为矩形，顶部和底部边缘有圆角，左侧边缘有三个圆形打孔。",
+        "类型": "形状",
+        "形式ID": "形式10",
+        "评分详情": {
+          "combined_score": 0.455
+        }
+      },
+      "文字内容": {
+        "名称": "文字内容",
+        "描述": "海报内容围绕“Embedding”这一主题展开，包括核心标题“Embedding”，以及“Embedding”的应用场景和常见问题答疑两大部分。应用场景部分详细列举了检索增强生成、相似性判断、文本聚类与分析等具体应用。常见问题答疑部分以问答形式解释了Token与Embedding的区别、Embedding的训练方式以及Embedding向量长度的固定性等问题。",
+        "类型": "内容",
+        "形式ID": "形式1",
+        "评分详情": {
+          "combined_score": 0.658
+        }
+      },
+      "文字颜色": {
+        "名称": "文字颜色",
+        "描述": "核心标题“Embedding”为黑色。应用场景和常见问题答疑的标题文字为黑色。正文内容大部分为黑色，其中部分关键词如“编码为语义向量”、“检索增强生成(RAG)”、“相似性判断”、“文本聚类与分析”、“编号(离散的ID)”、“承载语义的连续向量”、“海量语料学习到的语义表示”、“计算结构”、“批量处理和矩阵运算”等被高亮显示为紫色。问答部分的“Q:”和“A:”为绿色。",
+        "类型": "色彩",
+        "形式ID": "形式5",
+        "评分详情": {
+          "combined_score": 0.546
+        }
+      },
+      "文字字号": {
+        "名称": "文字字号",
+        "描述": "核心标题“Embedding”字号最大，约为100pt。一级标题“④ “Embedding”的应用场景”和“⑤ 常见问题答疑”字号次之，约为30pt。正文内容字号约为20pt。问答部分的“Q:”和“A:”字号与正文相同，约为20pt。",
+        "类型": "尺寸",
+        "形式ID": "形式7",
+        "评分详情": {
+          "combined_score": 0.525
+        }
+      },
+      "文字字体": {
+        "名称": "文字字体",
+        "描述": "核心标题“Embedding”采用粗体无衬线字体。所有正文、标题和问答内容均采用无衬线字体，字形清晰简洁。",
+        "类型": "字体",
+        "形式ID": "形式8",
+        "评分详情": {
+          "combined_score": 0.42
+        }
+      },
+      "文字排版": {
+        "名称": "文字排版",
+        "描述": "核心标题“Embedding”居中排版。一级标题“④ “Embedding”的应用场景”和“⑤ 常见问题答疑”左对齐，并带有序号和图标。正文内容左对齐，段落之间有行距，列表项使用圆点符号。问答部分“Q:”和“A:”左对齐，并与回答内容在同一行或下一行。",
+        "类型": "布局",
+        "形式ID": "形式3",
+        "评分详情": {
+          "combined_score": 0.616
+        }
+      },
+      "线条形状": {
+        "名称": "线条形状",
+        "描述": "背景纸张上有横向的虚线横格和左侧的红色竖向虚线边缘。活页夹边缘呈波浪形线条。内容区域的标题下方和段落之间有横向的虚线分隔线。",
+        "类型": "形状",
+        "形式ID": "形式11",
+        "评分详情": {
+          "combined_score": 0.49
+        }
+      },
+      "评分详情": {
+        "combined_score": 0.658
+      }
+    },
+    "子段落": [
+      {
+        "名称": "背景",
+        "描述": "海报的背景，模拟了活页夹的蓝色边缘和白色笔记本纸张，纸张边缘有虚线和圆孔。",
+        "段落ID": "段落4.1",
+        "形式": {
+          "背景颜色": {
+            "名称": "背景颜色",
+            "描述": "背景由左侧的蓝色活页夹边缘和右侧的白色笔记本纸张组成。活页夹边缘为纯蓝色，笔记本纸张为纯白色。",
+            "类型": "色彩",
+            "形式ID": "形式9",
+            "评分详情": {
+              "combined_score": 0.525
+            }
+          },
+          "背景形状": {
+            "名称": "背景形状",
+            "描述": "背景整体为矩形，尺寸为1200x1700像素。左侧活页夹边缘呈不规则的波浪形，模拟活页夹的脊背。右侧的笔记本纸张部分为矩形，顶部和底部边缘有圆角，左侧边缘有三个圆形打孔。",
+            "类型": "形状",
+            "形式ID": "形式10",
+            "评分详情": {
+              "combined_score": 0.49
+            }
+          },
+          "评分详情": {
+            "combined_score": 0.525
+          }
+        }
+      },
+      {
+        "名称": "顶部装饰与信息",
+        "描述": "位于海报顶部，包含一个黄色回形针和标题文字。",
+        "段落ID": "段落4.2",
+        "形式": {
+          "文字字体": {
+            "名称": "文字字体",
+            "描述": "核心主题词“Embedding”采用粗体无衬线字体。标题“④ “Embedding”的应用场景”采用无衬线字体。",
+            "类型": "字体",
+            "形式ID": "形式8",
+            "评分详情": {
+              "combined_score": 0.56
+            }
+          },
+          "评分详情": {
+            "combined_score": 0.371
+          }
+        },
+        "子段落": [
+          {
+            "名称": "回形针装饰",
+            "描述": "一个黄色的回形针，固定在纸张顶部。",
+            "段落ID": "段落4.2.1",
+            "形式": {
+              "评分详情": {
+                "combined_score": 0.154
+              }
+            }
+          },
+          {
+            "名称": "核心英文单词",
+            "描述": "海报的核心主题词，以大号黑色粗体英文显示。",
+            "段落ID": "段落4.2.2",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "核心英文单词“Embedding”。",
+                "类型": "内容",
+                "形式ID": "形式1",
+                "评分详情": {
+                  "combined_score": 0.665
+                }
+              },
+              "文字颜色": {
+                "名称": "文字颜色",
+                "描述": "核心英文单词“Embedding”为黑色。",
+                "类型": "色彩",
+                "形式ID": "形式5",
+                "评分详情": {
+                  "combined_score": 0.525
+                }
+              },
+              "文字字号": {
+                "名称": "文字字号",
+                "描述": "核心英文单词“Embedding”字号最大，约为100pt。",
+                "类型": "尺寸",
+                "形式ID": "形式7",
+                "评分详情": {
+                  "combined_score": 0.63
+                }
+              },
+              "文字字体": {
+                "名称": "文字字体",
+                "描述": "核心英文单词“Embedding”采用粗体无衬线字体。",
+                "类型": "字体",
+                "形式ID": "形式8",
+                "评分详情": {
+                  "combined_score": 0.56
+                }
+              },
+              "文字排版": {
+                "名称": "文字排版",
+                "描述": "核心英文单词“Embedding”居中排版，位于顶点坐标[250, 180]到[950, 300]的区域内。",
+                "类型": "布局",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.595
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.665
+              }
+            }
+          }
+        ]
+      },
+      {
+        "名称": "主要内容区",
+        "描述": "海报的主体部分，包含多个标题和详细的文本内容，以笔记形式呈现。",
+        "段落ID": "段落4.3",
+        "形式": {
+          "文字内容": {
+            "名称": "文字内容",
+            "描述": "包含标题“④ “Embedding”的应用场景”和“⑤ 常见问题答疑”，以及其下的详细文本内容。应用场景部分列举了检索增强生成、相似性判断、文本聚类与分析等应用。常见问题答疑部分以问答形式解释了Token与Embedding的区别、Embedding的训练方式以及Embedding向量长度的固定性等问题。",
+            "类型": "内容",
+            "形式ID": "形式1",
+            "评分详情": {
+              "combined_score": 0.588
+            }
+          },
+          "文字颜色": {
+            "名称": "文字颜色",
+            "描述": "标题文字为黑色。正文内容大部分为黑色，其中部分关键词如“编码为语义向量”、“检索增强生成(RAG)”、“相似性判断”、“文本聚类与分析”、“编号(离散的ID)”、“承载语义的连续向量”、“海量语料学习到的语义表示”、“计算结构”、“批量处理和矩阵运算”等被高亮显示为紫色。问答部分的“Q:”和“A:”为绿色。",
+            "类型": "色彩",
+            "形式ID": "形式5",
+            "评分详情": {
+              "combined_score": 0.525
+            }
+          },
+          "文字字号": {
+            "名称": "文字字号",
+            "描述": "一级标题“④ “Embedding”的应用场景”和“⑤ 常见问题答疑”字号约为30pt。正文内容字号约为20pt。问答部分的“Q:”和“A:”字号与正文相同，约为20pt。",
+            "类型": "尺寸",
+            "形式ID": "形式7",
+            "评分详情": {
+              "combined_score": 0.476
+            }
+          },
+          "文字排版": {
+            "名称": "文字排版",
+            "描述": "标题左对齐，并带有序号和图标。正文内容左对齐，段落之间有行距，列表项使用圆点符号。问答部分“Q:”和“A:”左对齐，并与回答内容在同一行或下一行。",
+            "类型": "布局",
+            "形式ID": "形式3",
+            "评分详情": {
+              "combined_score": 0.546
+            }
+          },
+          "评分详情": {
+            "combined_score": 0.588
+          }
+        },
+        "子段落": [
+          {
+            "名称": "问题标题4",
+            "描述": "第四个问题标题，包含序号和卡通表情。",
+            "段落ID": "段落4.3.1",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "标题“④ “Embedding”的应用场景”。",
+                "类型": "内容",
+                "形式ID": "形式1",
+                "评分详情": {
+                  "combined_score": 0.525
+                }
+              },
+              "文字字号": {
+                "名称": "文字字号",
+                "描述": "标题字号约为30pt。",
+                "类型": "尺寸",
+                "形式ID": "形式7",
+                "评分详情": {
+                  "combined_score": 0.42
+                }
+              },
+              "文字排版": {
+                "名称": "文字排版",
+                "描述": "标题左对齐，并带有序号“④”和扳手图标，位于顶点坐标[180, 380]到[900, 450]的区域内。",
+                "类型": "布局",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.455
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.532
+              }
+            }
+          },
+          {
+            "名称": "问题4正文",
+            "描述": "详细解释了Embedding的多种应用场景。",
+            "段落ID": "段落4.3.2",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "详细解释了Embedding的多种应用场景，包括检索增强生成(RAG)、相似性判断和文本聚类与分析。其中，“编码为语义向量”、“检索增强生成(RAG)”、“相似性判断”、“文本聚类与分析”等关键词被高亮。",
+                "类型": "内容",
+                "形式ID": "形式1",
+                "评分详情": {
+                  "combined_score": 0.616
+                }
+              },
+              "文字颜色": {
+                "名称": "文字颜色",
+                "描述": "正文内容大部分为黑色，其中“编码为语义向量”、“检索增强生成(RAG)”、“相似性判断”、“文本聚类与分析”等关键词被高亮显示为紫色。",
+                "类型": "色彩",
+                "形式ID": "形式5",
+                "评分详情": {
+                  "combined_score": 0.49
+                }
+              },
+              "文字排版": {
+                "名称": "文字排版",
+                "描述": "正文内容左对齐，段落之间有行距，列表项使用圆形实心点作为符号，位于顶点坐标[180, 460]到[1020, 850]的区域内。",
+                "类型": "布局",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.525
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.623
+              }
+            }
+          },
+          {
+            "名称": "问题标题5",
+            "描述": "第五个问题标题，包含序号和卡通表情。",
+            "段落ID": "段落4.3.3",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "标题“⑤ 常见问题答疑”。",
+                "类型": "内容",
+                "形式ID": "形式1",
+                "评分详情": {
+                  "combined_score": 0.525
+                }
+              },
+              "文字字号": {
+                "名称": "文字字号",
+                "描述": "标题字号约为30pt。",
+                "类型": "尺寸",
+                "形式ID": "形式7",
+                "评分详情": {
+                  "combined_score": 0.455
+                }
+              },
+              "文字字体": {
+                "名称": "文字字体",
+                "描述": "标题采用无衬线字体。",
+                "类型": "字体",
+                "形式ID": "形式8",
+                "评分详情": {
+                  "combined_score": 0.42
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.525
+              }
+            }
+          },
+          {
+            "名称": "问题5正文",
+            "描述": "以问答形式解答了关于Embedding的常见问题。",
+            "段落ID": "段落4.3.4",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "以问答形式解答了关于Embedding的常见问题，包括Token与Embedding的区别、Embedding的训练方式以及Embedding向量长度的固定性。其中，“编号(离散的ID)”、“承载语义的连续向量”、“海量语料学习到的语义表示”、“计算结构”、“批量处理和矩阵运算”等关键词被高亮。",
+                "类型": "内容",
+                "形式ID": "形式1",
+                "评分详情": {
+                  "combined_score": 0.637
+                }
+              },
+              "文字颜色": {
+                "名称": "文字颜色",
+                "描述": "问答部分的“Q:”和“A:”为绿色。回答内容大部分为黑色，其中“编号(离散的ID)”、“承载语义的连续向量”、“海量语料学习到的语义表示”、“计算结构”、“批量处理和矩阵运算”等关键词被高亮显示为紫色。",
+                "类型": "色彩",
+                "形式ID": "形式5",
+                "评分详情": {
+                  "combined_score": 0.525
+                }
+              },
+              "文字排版": {
+                "名称": "文字排版",
+                "描述": "问答部分“Q:”和“A:”左对齐，并与回答内容在同一行或下一行，位于顶点坐标[180, 980]到[1020, 1600]的区域内。",
+                "类型": "布局",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.49
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.637
+              }
+            }
+          }
+        ]
+      }
+    ]
+  }
+]

examples/research/cong/index.md

@@ -0,0 +1,19 @@
+# Cong 输入目录说明
+
+本目录包含"小葱"笔记风格海报的调研输入文件，来自上游 plan 阶段的产出。
+
+## 根目录文件
+
+- `analysis.json`：需求分析结果，包含 AI 知识科普笔记风格海报的内容品类判断、上限点、下限点及 AI 还原挑战。
+- `pipeline.json`：粗工序定义，描述混合策略（底图+智能文字层）的还原流程、目标树和风险评估。
+
+## descriptions/ 文件夹
+
+还原目标的详细描述，包含海报的结构化解构数据。
+
+- `制作亮点.md`：核心亮点聚类，包括拟真纸张、拟物化场景、结构化排版、手绘装饰等。
+- `制作点.md`：关键视觉元素及权重，如核心英文单词、背景纹理等。
+- `小葱__img_1_制作表.json`：第 1 张海报的制作表，包含背景纹理、颜色、排版等形式要素。
+- `小葱__img_2_制作表.json`：第 2 张海报的制作表（Embedding 主题），含背景颜色和纹理描述。
+- `小葱__img_3_制作表.json`：第 3 张海报的制作表，包含背景形状和色值信息。
+- `小葱__img_4_制作表.json`：第 4 张海报的制作表（Embedding 主题），含活页夹和纸张纹理细节。

examples/research/cong/pipeline.json

@@ -0,0 +1,523 @@
+{
+  "pipelines": [
+    {
+      "strategy": {
+        "name": "混合策略：底图 + 智能文字层",
+        "description": "使用即梦 AI 4.5 生成带核心文字（核心英文单词、一级标题）和基础框架（笔记本、回形针、纸张纹理）的底图，然后在后期工具中叠加复杂文字内容（正文段落、表格、语义化高亮）和手绘装饰元素",
+        "reasoning": "analysis.json 中的核心需求是：文字精准度（critical）+ 跨图一致性（critical）+ 材质真实感（high）。S3 策略能够同时满足这三个核心需求：1) 文字精准度：复杂文字内容（正文、表格数值、专业术语）由后期工具精准控制，避免 AI 生成错误；2) 跨图一致性：底图（笔记本框架、回形针、纸张纹理）可复用或基于同一 seed 生成，保证 4 张图的视觉统一；3) 材质真实感：核心视觉元素由 AI 生成，光影、透视、材质纹理自然统一",
+        "vs_alternatives": [
+          {
+            "alternative": "S1 底图 + 分层叠加",
+            "why_not": "纯分层叠加需要手动处理所有文字，工作量大，且文字与背景的融合度可能不足（缺少纸张纹理渗透感）。S3 让 AI 生成核心文字，减少后期工作量，同时保证光影自然",
+            "could_switch_if": "如果即梦 AI 4.5 的实际文字生成精度不足以处理核心英文单词和一级标题，则回退到 S1（所有文字后期叠加）"
+          },
+          {
+            "alternative": "S2 端到端文生图",
+            "why_not": "端到端生成在复杂表格（img_2）和长文本场景下文字错误风险高，且修改成本高（需要重新生成整图）。S3 将复杂内容分离到后期处理，降低风险",
+            "could_switch_if": "如果发现后期合成文字的光影调整工作量超过预期，且即梦 AI 4.5 的长文本生成精度足够，则可尝试 S2（端到端生成）"
+          }
+        ],
+        "risks_found_during_instantiation": [
+          {
+            "stage_id": "stage_1_base_generation",
+            "risk": "即梦 AI 4.5 生成核心英文单词时可能出现拼写错误",
+            "severity": "high",
+            "mitigation": "准备备用方案：AI 生成不带核心文字的底图，核心文字由后期叠加；或多次生成选择最佳结果"
+          },
+          {
+            "stage_id": "stage_2b_img2_table",
+            "risk": "img_2 的 Tokenization-Embedding 表格结构复杂，AI 难以精准还原行列和数值",
+            "severity": "high",
+            "mitigation": "表格完全由后期工具绘制，AI 仅生成表格区域的空白背景"
+          },
+          {
+            "stage_id": "stage_3_decoration",
+            "risk": "手绘装饰元素（星星、花朵、卡通图标）的跨图一致性难以保证",
+            "severity": "medium",
+            "mitigation": "从 AI 生成的底图中提取装饰元素，建立素材库后复用到其他图"
+          }
+        ]
+      },
+      "goal_tree": {
+        "stage_id": "root",
+        "stage_name": "还原目标",
+        "description": "还原 4 张 AI 知识科普笔记风格海报（img_1-4），核心是拟物化笔记本场景 + 精准文字内容 + 跨图一致性",
+        "required_spec": [
+          "核心英文单词（Embedding）精准还原：内容、字号（约 90-100pt）、颜色（img_1 蓝色 RGB:60,140,220，img_2/3/4 黑色）、字体（粗体无衬线）",
+          "笔记本/活页夹框架跨图一致：img_1 为米白色信纸背景，img_2/3/4 为蓝色活页夹边缘 + 白色纸张 + 边缘虚线和圆孔",
+          "纸张纹理真实感：米白色（RGB:245,245,235）或纯白色，带横向细线/虚线，表面有不规则褶皱和轻微脏污感",
+          "回形针装饰立体感：img_2/3/4 顶部有黄色回形针，具有金属质感和阴影",
+          "结构化排版：居中堆叠（img_1）、左对齐层级列表（img_2/3/4）、虚线分隔",
+          "手绘装饰元素自然度：星星、花朵、卡通图标等具有手绘的不规则感和笔触感",
+          "语义化色彩高亮：荧光笔触半透明叠加，能看到底层文字",
+          "知识可视化图表（img_2）：Tokenization-Embedding 对应表格，表头浅绿色（#90EE90），第一列浅紫色（#E6E6FA），数值精准"
+        ],
+        "output_spec": [
+          "4 张成品图（img_1_final.png, img_2_final.png, img_3_final.png, img_4_final.png）",
+          "所有 required_spec 中的特征 100% 满足"
+        ],
+        "children": [
+          {
+            "stage_id": "stage_1_base_generation",
+            "stage_name": "底图生成",
+            "description": "使用即梦 AI 4.5 生成 4 张图的底图，包含笔记本框架、纸张纹理、回形针装饰、核心英文单词（可选）",
+            "required_spec": [
+              "img_1：米白色信纸背景（RGB:245,245,235），带横向浅灰色细线，表面有不规则褶皱和轻微脏污感",
+              "img_2/3/4：左侧蓝色活页夹边缘（#87CEEB），右侧白色纸张（#FFFFFF），纸张边缘有虚线和三个圆形打孔，顶部黄色回形针",
+              "核心英文单词'Embedding'（可选由 AI 生成）：img_1 蓝色（RGB:60,140,220），img_2/3/4 黑色（#000000），粗体无衬线字体，字号约 90-100pt，居中排版"
+            ],
+            "output_spec": [
+              "4 张底图（img_1_base.png, img_2_base.png, img_3_base.png, img_4_base.png）",
+              "笔记本框架结构一致（img_2/3/4 使用同一模板或固定 seed）",
+              "纸张纹理真实（褶皱、脏污感自然分布）",
+              "回形针具有金属质感和阴影（img_2/3/4）",
+              "可选：核心英文单词拼写准确、位置正确"
+            ],
+            "spec_satisfaction": {
+              "status": "partial",
+              "gap": "AI 生成的核心英文单词可能存在拼写错误风险；复杂表格区域（img_2）需要留白供后期绘制",
+              "mitigation": "准备无文字版本的底图作为备选；img_2 的表格区域在 prompt 中明确留白"
+            },
+            "target_images": ["img_1", "img_2", "img_3", "img_4"],
+            "stage_output": "4 张底图（含框架、纹理、回形针、可选核心文字）",
+            "input_from": ["即梦 AI 4.5 模型", "制作表中的背景描述（段落 1.1、2.1、3.1、4.1）"],
+            "covers_requirements": [
+              "上限点：拟真纸张与笔记本实体",
+              "上限点：核心英文单词（如果 AI 生成）",
+              "下限点：跨图元素一致性",
+              "下限点：材质纹理真实感"
+            ],
+            "importance": "下限",
+            "reasoning": {
+              "why_needed": "底图是整个还原工作的基础，决定了跨图一致性和材质真实感。如果底图框架不一致或纹理假，后续叠加文字和装饰也无法挽救",
+              "why_here": "作为依赖树的第一个阶段，底图为后续所有阶段提供基础画布。文字叠加、装饰合成、质感增强都依赖底图的存在"
+            },
+            "children": [
+              {
+                "stage_id": "stage_1_1_img1_base",
+                "stage_name": "img_1 信纸底图生成",
+                "description": "生成 img_1 的米白色信纸背景，带横向细线和褶皱纹理",
+                "required_spec": [
+                  "背景颜色：米白色（RGB:245,245,235）",
+                  "背景纹理：横向浅灰色细线，表面有不规则褶皱和轻微脏污感",
+                  "尺寸：1200x1700 像素（假设标准尺寸）"
+                ],
+                "output_spec": [
+                  "img_1_base.png：米白色信纸背景，纹理自然",
+                  "无文字、无装饰的纯净背景"
+                ],
+                "spec_satisfaction": {
+                  "status": "satisfied",
+                  "gap": "",
+                  "mitigation": ""
+                },
+                "target_images": ["img_1"],
+                "stage_output": "img_1_base.png",
+                "input_from": ["制作表段落 1.1 背景描述"],
+                "covers_requirements": ["上限点：拟真纸张与笔记本实体", "下限点：材质纹理真实感"],
+                "importance": "基础",
+                "reasoning": {
+                  "why_needed": "img_1 使用信纸背景而非螺旋笔记本框架，需要单独生成",
+                  "why_here": "作为 img_1 的底图生成子阶段，为后续文字叠加提供基础"
+                },
+                "children": []
+              },
+              {
+                "stage_id": "stage_1_2_img234_base",
+                "stage_name": "img_2/3/4 笔记本底图生成",
+                "description": "生成 img_2/3/4 共享的螺旋笔记本框架底图（蓝色活页夹 + 白色纸张 + 回形针）",
+                "required_spec": [
+                  "左侧蓝色活页夹边缘（#87CEEB），波浪形模拟活页夹环形结构",
+                  "右侧白色纸张（#FFFFFF），边缘有虚线和三个圆形打孔",
+                  "顶部黄色回形针，具有金属质感和阴影",
+                  "纸张表面有横向虚线横格和左侧红色竖向虚线边缘（img_4）"
+                ],
+                "output_spec": [
+                  "img_2_base.png, img_3_base.png, img_4_base.png：共享相同框架结构",
+                  "回形针位置、形状、光影一致",
+                  "打孔位置、数量（3 个）一致"
+                ],
+                "spec_satisfaction": {
+                  "status": "satisfied",
+                  "gap": "",
+                  "mitigation": ""
+                },
+                "target_images": ["img_2", "img_3", "img_4"],
+                "stage_output": "img_2_base.png, img_3_base.png, img_4_base.png",
+                "input_from": ["制作表段落 2.1、3.1、4.1 背景描述", "即梦 AI 4.5 固定 seed"],
+                "covers_requirements": ["上限点：拟真纸张与笔记本实体", "下限点：跨图元素一致性", "下限点：材质纹理真实感"],
+                "importance": "下限",
+                "reasoning": {
+                  "why_needed": "img_2/3/4 共享相同的螺旋笔记本框架，必须保证跨图一致性。使用同一模板或固定 seed 生成可确保框架结构、回形针位置、打孔位置完全一致",
+                  "why_here": "作为 img_2/3/4 的底图生成子阶段，为后续文字叠加和装饰合成提供统一基础"
+                },
+                "children": []
+              }
+            ]
+          },
+          {
+            "stage_id": "stage_2_text_overlay",
+            "stage_name": "文字叠加",
+            "description": "在底图上叠加文字内容，包括核心英文单词（如果底图未生成）、标题、正文段落、表格（img_2）",
+            "required_spec": [
+              "核心英文单词'Embedding'：内容准确，字号约 90-100pt，颜色正确（img_1 蓝色，img_2/3/4 黑色），粗体无衬线字体，居中排版",
+              "一级标题（如'每天掌握一个'、'AI 知识点'、'什么是 Embedding？'等）：字号约 100pt（主标题）或 30pt（一级标题），手写风格粗体中文字体或常规无衬线字体",
+              "正文段落：字号约 18-20pt，常规无衬线字体，左对齐，段落间距合理",
+              "表格（img_2）：Tokenization-Embedding 对应表，表头浅绿色（#90EE90），第一列浅紫色（#E6E6FA），数值精准，行列对齐"
+            ],
+            "output_spec": [
+              "4 张带文字的图片（img_1_text.png, img_2_text.png, img_3_text.png, img_4_text.png）",
+              "所有文字内容准确无误",
+              "字号层级正确（主标题>一级标题>正文）",
+              "排版对齐方式正确（居中/左对齐）",
+              "表格结构精准（img_2）"
+            ],
+            "spec_satisfaction": {
+              "status": "satisfied",
+              "gap": "",
+              "mitigation": ""
+            },
+            "target_images": ["img_1", "img_2", "img_3", "img_4"],
+            "stage_output": "4 张带文字的图片",
+            "input_from": ["stage_1_base_generation 的底图", "制作表中的文字内容、颜色、字号、字体、排版描述"],
+            "covers_requirements": [
+              "上限点：核心英文单词",
+              "上限点：结构化排版与导视",
+              "上限点：知识可视化图表（img_2 表格）",
+              "下限点：文字内容精准度",
+              "下限点：排版空间透视关系"
+            ],
+            "importance": "上限",
+            "reasoning": {
+              "why_needed": "文字内容是知识科普海报的核心信息载体，必须 100% 准确。尤其是专业术语（Embedding）、表格数值、长段正文，AI 生成容易出错，必须由后期工具精准控制",
+              "why_here": "文字叠加依赖底图的存在（需要知道文字写在哪里），同时为后续的装饰合成和质感增强提供基础。文字层在装饰层下方，避免装饰遮挡文字"
+            },
+            "children": [
+              {
+                "stage_id": "stage_2a_img1_text",
+                "stage_name": "img_1 文字叠加",
+                "description": "在 img_1 底图上叠加标题、副标题、核心英文单词、励志语录、日期等文字",
+                "required_spec": [
+                  "小葱白工：左上角，深灰色（RGB:60,60,60），手写风格中文字体，约 25pt",
+                  "Growth/Hope/Future：右上角，浅灰色（RGB:150,150,150），手写风格英文衬线字体，约 25pt，椭圆形边框包围",
+                  "每天掌握一个/AI 知识点：中央偏上，深灰色，手写风格粗体中文字体，约 100pt，居中",
+                  "Embedding：中央，蓝色（RGB:60,140,220），粗体无衬线字体，约 90pt，居中",
+                  "你走过的路，都会成为你的底气。：中下部，深灰色，手写风格中文字体，约 30pt，居中",
+                  "The paths you've walked will build your strength.：中文语录下方，深灰色，手写风格英文衬线字体，约 30pt，居中",
+                  "Date: 04.28：左下角，深灰色，手写风格英文无衬线字体，约 25pt"
+                ],
+                "output_spec": [
+                  "img_1_text.png：所有文字叠加完成",
+                  "文字内容准确，字号层级正确，排版居中"
+                ],
+                "spec_satisfaction": {
+                  "status": "satisfied",
+                  "gap": "",
+                  "mitigation": ""
+                },
+                "target_images": ["img_1"],
+                "stage_output": "img_1_text.png",
+                "input_from": ["stage_1_1_img1_base 的底图", "制作表段落 1.2、1.3、1.4、1.5 文字描述"],
+                "covers_requirements": ["上限点：核心英文单词", "上限点：结构化排版与导视", "下限点：文字内容精准度"],
+                "importance": "上限",
+                "reasoning": {
+                  "why_needed": "img_1 的文字内容较多，包括中英文标题、励志语录、日期等，需要精准叠加",
+                  "why_here": "作为 img_1 的文字叠加子阶段，为后续装饰合成提供基础"
+                },
+                "children": []
+              },
+              {
+                "stage_id": "stage_2b_img2_text",
+                "stage_name": "img_2 文字叠加",
+                "description": "在 img_2 底图上叠加标题、问题标题、正文段落、表格",
+                "required_spec": [
+                  "Embedding：顶部中央，黑色（#000000），粗体无衬线字体，约 100pt，居中",
+                  "1 什么是'Embedding'？：左对齐，数字序号蓝色圆圈包裹，问号黑色，卡通表情右侧",
+                  "正文（Embedding 定义）：左对齐，黑色，约 18pt，'语义信息'和'语义相关性'高亮蓝色（#4682B4）",
+                  "2 从文本到'Embedding'的流程：左对齐，带序号和卡通表情",
+                  "正文（流程描述）：左对齐，列表形式，项目符号实心圆点",
+                  "表格：Tokenization-Embedding 对应表，表头浅绿色（#90EE90），第一列浅紫色（#E6E6FA），数值精准，居中对齐"
+                ],
+                "output_spec": [
+                  "img_2_text.png：所有文字和表格叠加完成",
+                  "表格结构精准，数值无误",
+                  "高亮位置正确"
+                ],
+                "spec_satisfaction": {
+                  "status": "satisfied",
+                  "gap": "",
+                  "mitigation": ""
+                },
+                "target_images": ["img_2"],
+                "stage_output": "img_2_text.png",
+                "input_from": ["stage_1_2_img234_base 的底图", "制作表段落 2.2、2.3 文字和表格描述"],
+                "covers_requirements": ["上限点：核心英文单词", "上限点：结构化排版与导视", "上限点：知识可视化图表", "下限点：文字内容精准度"],
+                "importance": "上限",
+                "reasoning": {
+                  "why_needed": "img_2 包含复杂的表格结构，是还原难度最高的部分。表格必须完全由后期工具绘制，保证数值和行列结构精准",
+                  "why_here": "作为 img_2 的文字叠加子阶段，表格绘制是核心任务"
+                },
+                "children": []
+              },
+              {
+                "stage_id": "stage_2c_img3_text",
+                "stage_name": "img_3 文字叠加",
+                "description": "在 img_3 底图上叠加标题、问题标题、正文段落",
+                "required_spec": [
+                  "Embedding：顶部中央，黑色，粗体无衬线字体，约 100pt，居中",
+                  "2) 独立使用的 Embedding (句子/文档级)：左对齐",
+                  "正文（独立使用 Embedding 解释）：左对齐，黑色，约 18pt",
+                  "3 'Embedding'的本质：语义可'被数字表示'：左对齐，数字'3'蓝色，关键词黑色粗体",
+                  "正文（本质解释）：左对齐，列表形式，项目符号实心圆点，'Embedding 模型'、'压缩'高亮紫色",
+                  "绿色对勾符号：正文中"
+                ],
+                "output_spec": [
+                  "img_3_text.png：所有文字叠加完成",
+                  "高亮位置正确，颜色准确"
+                ],
+                "spec_satisfaction": {
+                  "status": "satisfied",
+                  "gap": "",
+                  "mitigation": ""
+                },
+                "target_images": ["img_3"],
+                "stage_output": "img_3_text.png",
+                "input_from": ["stage_1_2_img234_base 的底图", "制作表段落 3.2、3.3 文字描述"],
+                "covers_requirements": ["上限点：核心英文单词", "上限点：结构化排版与导视", "上限点：语义化色彩高亮", "下限点：文字内容精准度"],
+                "importance": "上限",
+                "reasoning": {
+                  "why_needed": "img_3 的文字内容包含多处语义化高亮，需要精准控制高亮位置和颜色",
+                  "why_here": "作为 img_3 的文字叠加子阶段，为后续装饰合成提供基础"
+                },
+                "children": []
+              },
+              {
+                "stage_id": "stage_2d_img4_text",
+                "stage_name": "img_4 文字叠加",
+                "description": "在 img_4 底图上叠加标题、应用场景、常见问题答疑",
+                "required_spec": [
+                  "Embedding：顶部中央，黑色，粗体无衬线字体，约 100pt，居中",
+                  "④ 'Embedding'的应用场景：左对齐，带序号和扳手图标",
+                  "正文（应用场景）：左对齐，列表形式，'编码为语义向量'、'检索增强生成 (RAG)'、'相似性判断'、'文本聚类与分析'高亮紫色",
+                  "⑤ 常见问题答疑：左对齐，带序号",
+                  "正文（问答）：左对齐，'Q:'和'A:'绿色，'编号 (离散的 ID)'、'承载语义的连续向量'等高亮紫色"
+                ],
+                "output_spec": [
+                  "img_4_text.png：所有文字叠加完成",
+                  "高亮位置正确，颜色准确"
+                ],
+                "spec_satisfaction": {
+                  "status": "satisfied",
+                  "gap": "",
+                  "mitigation": ""
+                },
+                "target_images": ["img_4"],
+                "stage_output": "img_4_text.png",
+                "input_from": ["stage_1_2_img234_base 的底图", "制作表段落 4.2、4.3 文字描述"],
+                "covers_requirements": ["上限点：核心英文单词", "上限点：结构化排版与导视", "上限点：语义化色彩高亮", "下限点：文字内容精准度"],
+                "importance": "上限",
+                "reasoning": {
+                  "why_needed": "img_4 的文字内容包含多处语义化高亮和问答格式，需要精准控制",
+                  "why_here": "作为 img_4 的文字叠加子阶段，为后续装饰合成提供基础"
+                },
+                "children": []
+              }
+            ]
+          },
+          {
+            "stage_id": "stage_3_decoration",
+            "stage_name": "装饰元素合成",
+            "description": "在文字层上叠加手绘装饰元素（星星、花朵、卡通图标）、语义化色彩高亮（荧光笔效果）",
+            "required_spec": [
+              "img_1：左上角粉色五角星和黄色四角星，左下角三朵黄色花朵（四圆形花瓣 + 圆形花蕊 + 绿色花茎），右下角四颗黄色四角星，副标题下方粉色涂抹区域（RGB:255,180,200，边缘模糊）",
+              "img_2/3/4：卡通表情（问号、太阳、对勾等），语义化高亮（紫色、蓝色、黄色背景高亮，半透明叠加）",
+              "所有手绘元素具有手绘的不规则感和笔触感，避免过于规整"
+            ],
+            "output_spec": [
+              "4 张带装饰的图片（img_1_decorated.png, img_2_decorated.png, img_3_decorated.png, img_4_decorated.png）",
+              "手绘装饰元素位置正确，形状自然",
+              "语义化高亮半透明，能看到底层文字"
+            ],
+            "spec_satisfaction": {
+              "status": "satisfied",
+              "gap": "",
+              "mitigation": ""
+            },
+            "target_images": ["img_1", "img_2", "img_3", "img_4"],
+            "stage_output": "4 张带装饰的图片",
+            "input_from": ["stage_2_text_overlay 的带文字图片", "制作表中的图案形状、涂抹形状、色彩高亮描述"],
+            "covers_requirements": [
+              "上限点：手绘装饰与卡通图标",
+              "上限点：语义化色彩高亮",
+              "下限点：手绘元素的自然度",
+              "下限点：色彩高亮的物理合理性"
+            ],
+            "importance": "上限",
+            "reasoning": {
+              "why_needed": "手绘装饰元素和语义化高亮是笔记风格的核心特征，中和了科技主题的枯燥感，建立信息层级。必须在文字层上方叠加，避免遮挡文字",
+              "why_here": "装饰合成依赖文字层的存在（需要知道装饰加在哪里、高亮哪些文字），同时为后续的质感增强提供基础"
+            },
+            "children": [
+              {
+                "stage_id": "stage_3a_img1_decoration",
+                "stage_name": "img_1 装饰合成",
+                "description": "在 img_1 上叠加星星、花朵、粉色涂抹背景",
+                "required_spec": [
+                  "左上角：粉色五角星 + 黄色四角星",
+                  "左下角：三朵黄色花朵（四圆形花瓣 + 圆形花蕊 + 绿色花茎）",
+                  "右下角：四颗黄色四角星",
+                  "副标题下方：粉色涂抹区域（RGB:255,180,200，边缘模糊，模拟手绘涂抹效果）"
+                ],
+                "output_spec": [
+                  "img_1_decorated.png：所有装饰叠加完成",
+                  "手绘元素自然，涂抹边缘模糊"
+                ],
+                "spec_satisfaction": {
+                  "status": "satisfied",
+                  "gap": "",
+                  "mitigation": ""
+                },
+                "target_images": ["img_1"],
+                "stage_output": "img_1_decorated.png",
+                "input_from": ["stage_2a_img1_text 的带文字图片", "制作表段落 1.2.1.1、1.3.4、1.5.2 图案和涂抹描述"],
+                "covers_requirements": ["上限点：手绘装饰与卡通图标", "下限点：手绘元素的自然度"],
+                "importance": "上限",
+                "reasoning": {
+                  "why_needed": "img_1 的手绘装饰元素最多（星星、花朵、涂抹），是笔记风格的关键特征",
+                  "why_here": "作为 img_1 的装饰合成子阶段"
+                },
+                "children": []
+              },
+              {
+                "stage_id": "stage_3b_img234_decoration",
+                "stage_name": "img_2/3/4 装饰合成",
+                "description": "在 img_2/3/4 上叠加卡通表情、语义化高亮",
+                "required_spec": [
+                  "img_2：问题标题右侧卡通问号表情，正文中'语义信息'和'语义相关性'蓝色高亮",
+                  "img_3：标题右侧卡通太阳表情，正文中'Embedding 模型'、'压缩'紫色高亮，绿色对勾符号",
+                  "img_4：标题扳手图标，正文中多处紫色高亮，问答'Q:'和'A:'绿色",
+                  "所有高亮半透明，能看到底层文字"
+                ],
+                "output_spec": [
+                  "img_2_decorated.png, img_3_decorated.png, img_4_decorated.png：装饰叠加完成",
+                  "高亮半透明，颜色准确"
+                ],
+                "spec_satisfaction": {
+                  "status": "satisfied",
+                  "gap": "",
+                  "mitigation": ""
+                },
+                "target_images": ["img_2", "img_3", "img_4"],
+                "stage_output": "img_2_decorated.png, img_3_decorated.png, img_4_decorated.png",
+                "input_from": ["stage_2b_img2_text、stage_2c_img3_text、stage_2d_img4_text 的带文字图片", "制作表中的色彩高亮描述"],
+                "covers_requirements": ["上限点：手绘装饰与卡通图标", "上限点：语义化色彩高亮", "下限点：色彩高亮的物理合理性"],
+                "importance": "上限",
+                "reasoning": {
+                  "why_needed": "img_2/3/4 的语义化高亮是信息层级的关键，卡通表情增加趣味性",
+                  "why_here": "作为 img_2/3/4 的装饰合成子阶段"
+                },
+                "children": []
+              }
+            ]
+          },
+          {
+            "stage_id": "stage_4_quality_enhancement",
+            "stage_name": "质感增强",
+            "description": "最后添加质感层（噪点、纹理叠加）增强真实感，使用 Overlay 混合模式，不透明度 3-5%",
+            "required_spec": [
+              "纸张纹理增强：叠加轻微噪点层，模拟纸张粗糙感",
+              "光影统一：检查文字、装饰与底图的光影一致性，添加轻微阴影或高光",
+              "整体色调统一：确保 4 张图的色调一致"
+            ],
+            "output_spec": [
+              "4 张最终成品图（img_1_final.png, img_2_final.png, img_3_final.png, img_4_final.png）",
+              "纸张质感真实，光影自然",
+              "4 张图色调统一"
+            ],
+            "spec_satisfaction": {
+              "status": "satisfied",
+              "gap": "",
+              "mitigation": ""
+            },
+            "target_images": ["img_1", "img_2", "img_3", "img_4"],
+            "stage_output": "4 张最终成品图",
+            "input_from": ["stage_3_decoration 的带装饰图片"],
+            "covers_requirements": [
+              "上限点：拟真纸张与笔记本实体",
+              "下限点：材质纹理真实感",
+              "下限点：跨图元素一致性"
+            ],
+            "importance": "基础",
+            "reasoning": {
+              "why_needed": "质感增强是最后一步，确保纸张纹理真实、光影自然、色调统一。虽然不改变内容，但决定了整体'真实感'",
+              "why_here": "作为依赖树的最后一个阶段，质感增强在所有内容叠加完成后进行，避免影响文字和装饰"
+            },
+            "children": []
+          }
+        ]
+      },
+      "requirement_coverage": {
+        "拟真纸张与笔记本实体": {
+          "covered_by": ["stage_1_base_generation", "stage_1_1_img1_base", "stage_1_2_img234_base", "stage_4_quality_enhancement"],
+          "coverage_confidence": "high",
+          "gap_note": ""
+        },
+        "核心英文单词": {
+          "covered_by": ["stage_1_base_generation", "stage_2_text_overlay", "stage_2a_img1_text", "stage_2b_img2_text", "stage_2c_img3_text", "stage_2d_img4_text"],
+          "coverage_confidence": "high",
+          "gap_note": "如果 AI 生成核心文字精度不足，则完全由 stage_2 后期叠加"
+        },
+        "结构化排版与导视": {
+          "covered_by": ["stage_2_text_overlay", "stage_2a_img1_text", "stage_2b_img2_text", "stage_2c_img3_text", "stage_2d_img4_text"],
+          "coverage_confidence": "high",
+          "gap_note": ""
+        },
+        "知识可视化图表": {
+          "covered_by": ["stage_2_text_overlay", "stage_2b_img2_text"],
+          "coverage_confidence": "high",
+          "gap_note": "表格完全由后期工具绘制，保证精准"
+        },
+        "语义化色彩高亮": {
+          "covered_by": ["stage_2_text_overlay", "stage_3_decoration", "stage_3b_img234_decoration"],
+          "coverage_confidence": "high",
+          "gap_note": ""
+        },
+        "手绘装饰与卡通图标": {
+          "covered_by": ["stage_3_decoration", "stage_3a_img1_decoration", "stage_3b_img234_decoration"],
+          "coverage_confidence": "high",
+          "gap_note": ""
+        },
+        "跨图元素一致性": {
+          "covered_by": ["stage_1_base_generation", "stage_1_2_img234_base", "stage_4_quality_enhancement"],
+          "coverage_confidence": "high",
+          "gap_note": "img_2/3/4 使用同一底图模板或固定 seed 生成"
+        },
+        "文字内容精准度": {
+          "covered_by": ["stage_2_text_overlay", "stage_2a_img1_text", "stage_2b_img2_text", "stage_2c_img3_text", "stage_2d_img4_text"],
+          "coverage_confidence": "high",
+          "gap_note": "所有复杂文字由后期工具精准控制"
+        },
+        "排版空间透视关系": {
+          "covered_by": ["stage_1_base_generation", "stage_2_text_overlay"],
+          "coverage_confidence": "high",
+          "gap_note": "AI 生成底图时处理核心透视，后期叠加简单文字"
+        },
+        "材质纹理真实感": {
+          "covered_by": ["stage_1_base_generation", "stage_4_quality_enhancement"],
+          "coverage_confidence": "high",
+          "gap_note": ""
+        },
+        "手绘元素的自然度": {
+          "covered_by": ["stage_3_decoration", "stage_3a_img1_decoration", "stage_3b_img234_decoration"],
+          "coverage_confidence": "medium",
+          "gap_note": "手绘元素自然度取决于素材来源，可能需要从 AI 生成结果中提取或手动绘制"
+        },
+        "色彩高亮的物理合理性": {
+          "covered_by": ["stage_3_decoration", "stage_3b_img234_decoration"],
+          "coverage_confidence": "high",
+          "gap_note": "使用半透明叠加模式（Overlay/Soft Light）模拟荧光笔效果"
+        }
+      }
+    }
+  ]
+}

examples/research/input/analysis.json

@@ -0,0 +1,129 @@
+{
+  "content_category": {
+    "category": "猫咪表情包 Meme 图（纵向二分对比叙事）",
+    "typical_features": [
+      "垂直双分栏结构（上拒绝/下接受）",
+      "同一只猫咪的两种反差表情（夸张拒绝 vs 乖巧期待）",
+      "拟人化卡通手势贴纸（黄色 Emoji 手势替代猫爪）",
+      "实物道具的状态对比（完整带皮 vs 去皮切好）",
+      "纯白背景 + 拼贴风格（写实摄影素材 + 扁平卡通符号）",
+      "左上角文字说明 + 右侧猫咪 + 左下角手托食物"
+    ],
+    "common_challenges_in_ai_restoration": [
+      "猫咪跨图一致性：上下两部分必须是同一只猫，毛色花纹需一致",
+      "表情精准度：拒绝表情需要夸张的张嘴闭眼，喜爱表情需要鼓腮睁眼，AI 生成容易表情模糊",
+      "手势贴纸的跨次元融合：黄色 Emoji 手势需要与写实猫咪自然拼贴，不显突兀",
+      "手部真实性：托举食物的手需要自然的人体结构，AI 容易生成畸形手指",
+      "食物状态对比的清晰度：完整 vs 处理好的状态差异必须一眼可辨",
+      "拼贴风格的统一性：多个素材叠加后需要保持视觉一致性（光影、分辨率、边缘处理）"
+    ],
+    "reasoning": "基于制作亮点和制作点的分析，这组图是典型的互联网 Meme 表情包，采用纵向二分对比叙事结构。核心视觉元素包括：同一只橘白猫的两张反差表情、黄色卡通手势贴纸、托举食物的手、以及水果/海鲜的两种状态对比。这类内容在 AI 还原中的核心挑战是保持跨图一致性和拼贴元素的自然融合。"
+  },
+  "upper_bounds": {
+    "description": "上限点：内容层面必须高度还原的特征（来自制作亮点聚类）",
+    "items": [
+      {
+        "feature": "极具反差的猫咪神态",
+        "type": "实质",
+        "requirement": "上方猫咪必须呈现张嘴闭眼的夸张抗拒/咆哮表情，下方猫咪必须呈现鼓腮睁眼的乖巧/期待表情",
+        "reasoning": "这是该类图片的核心戏剧张力和幽默灵魂，拟人化的情绪表演是笑点的来源"
+      },
+      {
+        "feature": "纵向二分的对比叙事构图",
+        "type": "形式",
+        "requirement": "必须采用垂直双分栏结构，上下两部分高度相等（约 400px:400px），形成拒绝 vs 接受的二元对立",
+        "reasoning": "这是 Meme 经典排版形式，支撑笑点产生的核心结构"
+      },
+      {
+        "feature": "加工前后的水果/海鲜形态对比",
+        "type": "实质",
+        "requirement": "上方必须是带皮/带壳/完整的'麻烦'状态，下方必须是去皮/去壳/切好的'享用'状态",
+        "reasoning": "这是猫咪态度转变的直接诱因和视觉理由，状态差异必须清晰可辨"
+      },
+      {
+        "feature": "拟人化的卡通手势贴纸",
+        "type": "实质",
+        "requirement": "必须使用高饱和度黄色 Emoji 手势（拒绝手势：拇指食指伸出；喜爱手势：掌心向上合拢）",
+        "reasoning": "这些卡通贴纸替代猫咪前肢，直观演绎拒绝与索要动作，是核心视觉实体"
+      },
+      {
+        "feature": "跨次元的拼贴视觉风格",
+        "type": "形式",
+        "requirement": "必须呈现写实摄影素材（猫咪、手、食物）与扁平化/3D 卡通符号（Emoji 手势）的混搭拼贴效果",
+        "reasoning": "这种打破次元壁的风格增强互联网网感和荒诞趣味性"
+      }
+    ]
+  },
+  "lower_bounds": {
+    "description": "下限点：如果做不好会让整组图'一眼假'或'一眼 AI'的特征（自行总结）",
+    "items": [
+      {
+        "feature": "猫咪跨图一致性",
+        "importance": "极高",
+        "consequence_if_failed": "如果上下两部分的猫咪毛色、花纹、体型不一致，观众会立刻察觉是两只不同的猫，破坏'同一只猫态度转变'的叙事逻辑，让表情包失去可信度",
+        "technical_difficulty": "高",
+        "reasoning": "这是技术上最难的部分之一。AI 生成多张图时很难保持主体完全一致，需要特殊策略（如底图复用、ControlNet 约束、或后期合成）"
+      },
+      {
+        "feature": "手部/手指的真实性",
+        "importance": "高",
+        "consequence_if_failed": "如果手部出现畸形手指、不自然的关节角度、或错误的透视关系，会立刻暴露 AI 生成痕迹，破坏整体真实感",
+        "technical_difficulty": "高",
+        "reasoning": "AI 生成手部是公认的难点，尤其是托举姿态需要准确的手掌结构和手指弯曲"
+      },
+      {
+        "feature": "手势贴纸与猫咪的空间关系",
+        "importance": "中高",
+        "consequence_if_failed": "如果手势贴纸的位置、大小、遮挡关系不合理（如浮在空中、与猫咪身体无接触），会显得生硬拼贴，破坏拟人化效果",
+        "technical_difficulty": "中",
+        "reasoning": "需要精确控制手势贴纸相对于猫咪身体的位置，使其看起来像是猫咪的'手'"
+      },
+      {
+        "feature": "食物状态的视觉清晰度",
+        "importance": "中高",
+        "consequence_if_failed": "如果完整状态和处理好状态的差异不够明显（如芒果切块不够清晰、榴莲果肉不够饱满），观众无法理解态度转变的理由，笑点失效",
+        "technical_difficulty": "中",
+        "reasoning": "需要确保两种状态的食物在视觉上有显著差异，可能需要使用真实素材或高精度生成"
+      },
+      {
+        "feature": "拼贴元素的边缘处理",
+        "importance": "中",
+        "consequence_if_failed": "如果猫咪、手、手势等元素的边缘有白边、锯齿或背景残留，会显得粗糙，降低专业感",
+        "technical_difficulty": "中低",
+        "reasoning": "这是抠图和合成技术的基本功，需要精确的透明背景处理"
+      },
+      {
+        "feature": "光影一致性",
+        "importance": "中",
+        "consequence_if_failed": "如果各元素的光照方向、阴影强度不一致（如猫咪光源来自左上方，手部光源来自右下方），会显得不协调，破坏整体真实感",
+        "technical_difficulty": "中高",
+        "reasoning": "拼贴风格虽然允许一定程度的不真实，但基本的光影逻辑需要统一"
+      }
+    ]
+  },
+  "requirement_summary": {
+    "core_restoration_goals": [
+      "保持猫咪跨图一致性（同一只橘白猫的两种表情）",
+      "精准还原两种反差表情（拒绝：张嘴闭眼；喜爱：鼓腮睁眼）",
+      "使用黄色 Emoji 手势贴纸实现拟人化动作",
+      "清晰呈现食物的两种状态对比（完整 vs 处理好）",
+      "维持纵向二分构图和纯白背景的拼贴风格",
+      "确保手部真实性和各元素的空间关系合理"
+    ],
+    "priority_ranking": [
+      "P0: 猫咪跨图一致性 + 表情精准度（核心笑点）",
+      "P0: 纵向二分构图（形式基础）",
+      "P1: 手势贴纸的拟人化效果（特色元素）",
+      "P1: 食物状态对比清晰度（叙事逻辑）",
+      "P2: 手部真实性（避免一眼 AI）",
+      "P2: 拼贴元素的边缘处理和光影一致性（专业感）"
+    ],
+    "strategy_implications": [
+      "需要一种能保持主体一致性的策略（如底图复用、参考图约束）",
+      "表情控制需要精准的工具（如面部 ControlNet、表情 LoRA）",
+      "手势贴纸可能更适合使用现成素材而非 AI 生成",
+      "食物素材可能需要分别生成完整和处理好两种状态",
+      "整体采用'底图 + 逐步叠加'的拼贴策略可能比端到端生成更可控"
+    ]
+  }
+}

examples/research/input/description/制作亮点.md

@@ -0,0 +1,68 @@
+"聚类结果": [
+{
+"聚类主题": "极具反差的猫咪神态",
+"聚类描述": "这是该类图片的实质亮点。画面视觉主体是一只橘白相间的猫咪，其面部表情在上下两部分形成剧烈反差：上方是张大嘴巴的抗拒/咆哮神态，下方则是睁大眼睛的乖巧/期待神态。这种拟人化的情绪表演赋予了图片核心的戏剧张力和幽默灵魂。",
+"亮点类型": "实质",
+},
+{
+"聚类主题": "纵向二分的对比叙事构图",
+"聚类描述": "这是该类图片的形式亮点。画面统一采用了互联网模因（Meme）经典的垂直双分栏结构，通过物理空间的上下并置，建立起“拒绝”与“接受”的二元对立逻辑。这种结构化的视觉呈现引导观众进行对比阅读，是支撑笑点产生的核心排版形式。",
+"亮点类型": "形式",
+},
+{
+"聚类主题": "加工前后的水果形态对比",
+"聚类描述": "这是该类图片的实质亮点。作为剧情反转的诱因，各类水果（芒果、榴莲、菠萝、奇异果）展示了两种物理形态：上方是带皮、带刺或完整的“麻烦”状态，下方是去皮、切好摆盘的“享用”状态。这种水果实物的视觉变化构成了猫咪态度转变的直接理由。",
+"亮点类型": "实质",
+},
+{
+"聚类ID": "cluster_food_seafood_state",
+"聚类主题": "带壳与去壳的海鲜形态对比",
+"聚类描述": "这是该类图片的实质亮点。画面展示了海鲜（虾）的两种截然不同的物理状态：上方是带壳、难以直接食用的完整状态，下方是去壳后的纯肉状态。这种特定的海鲜处理细节差异是触发剧情的核心道具。",
+"亮点类型": "实质",
+"亮点列表": [
+{
+"图片名": "img_5",
+"亮点": {
+"合并结论": "状态迥异的虾肉特写",
+"结论描述": "这是一个实质主导的亮点。作为触发猫咪情绪变化的诱因，左侧展示的虾呈现出两种截然不同的物理状态：上方是带壳、带头、难以食用的整虾，下方是去壳、红润诱人的纯虾肉。这种视觉上的细节差异（带壳vs去壳）精准地传达了“懒人吃法”的笑点逻辑。",
+"亮点类型": "实质",
+"合并引用的数据": {
+"段落5.1.5：虾": {
+"实质": "带壳的整虾是构成对比逻辑的关键前提（因为有壳所以拒绝），是故事起因的核心视觉元素，其形态决定了猫咪的拒绝态度。",
+"形式": {
+"图像完整性": "0.85 - ‘完整带壳’的状态是该图像的关键特征，它与下半部分‘剥好的虾肉’形成鲜明对比，是理解猫咪拒绝（怕麻烦/不喜欢剥壳）笑点的核心视觉线索。",
+"图像内容": "0.86 - 作为画面的核心主体，这只完整的虾是表达‘不爱吃虾’这一主题的直接载体，是构成上半部分剧情的基础。"
+},
+"关系": {
+"段间关系-拒绝猫咪-其他关系-情境关联关系": "0.8 - 这是该段落最核心的关系特征。虾是猫咪拒绝动作的直接对象，这种互动关系构成了画面的主要叙事冲突和幽默点。",
+"段间关系-拒绝文字-其他关系-内容指向关系": "0.75 - 文字内容明确指代了画面中的虾，这种图文对应关系确保了观众能准确理解文字中“我不爱吃”所指的具体对象。"
+}
+},
+"段落5.2.5：去壳虾仁": {
+"实质": "去壳的虾仁是整个梗的“包袱”所在，视觉上的去壳状态直接触发了猫咪的态度转变，是理解“区别对待”逻辑的关键。",
+"形式": {
+"图像完整性": "0.91 - “去壳”这一特征是本图与上一张图（带壳虾）形成对比的关键，直接解释了猫咪态度转变的原因（喜欢吃但不喜欢剥壳），是叙事的视觉关键点。",
+"图像内容": "0.93 - 去壳虾仁的图像是该部分的核心视觉主体，直接对应下方文字“我爱吃”以及猫咪的喜爱反应，缺失后图片失去表意对象。"
+},
+"关系": {
+"段间关系-喜爱猫咪-其他关系-情境关联关系": "0.88 - 这是图片的核心逻辑，去壳虾仁是猫咪喜爱的直接对象，触发了猫咪渴望的表情，构成了表情包的笑点。",
+"段间关系-段落5.2.2-空间关系-定性-语义关联关系": "0.86 - 从语义上确认了虾仁是猫咪情感指向的目标，对理解图片叙事至关重要。"
+}
+}
+},
+"亮点ID": "img_5_hl_3"
+}
+}
+]
+},
+{
+"聚类主题": "拟人化的卡通手势贴纸",
+"聚类描述": "这是该类图片的实质亮点。画面中叠加了高饱和度的黄色Emoji手势物体（拒绝手势与捧手动作）。作为独立的视觉实体，这些卡通贴纸被赋予了物理意义，直观地替代了猫咪的前肢，生动地演绎了“拒绝”与“索要”的具体动作。",
+"亮点类型": "实质",
+},
+{
+"聚类主题": "跨次元的拼贴视觉风格",
+"聚类描述": "这是该类图片的形式亮点。图片采用了一种特定的视觉混合手法，将高写实的摄影素材（猫咪、背景）与扁平化或3D风格的卡通符号（Emoji）生硬地结合在一起。这种打破次元壁的拼贴风格增强了画面的互联网网感和荒诞趣味性。",
+"亮点类型": "形式",
+}
+]

examples/research/input/description/制作点.md

@@ -0,0 +1,60 @@
+{
+"元素ID": "元素1",
+"元素名称": "拒绝猫咪",
+"元素描述": "一只白色和橘色相间的猫咪，张大嘴巴，眼睛紧闭，表情夸张，呈现出拒绝或不喜欢的姿态。",
+"段落数量": 7,
+"段落列表": [
+"段落1.1.2",
+"段落2.1.2",
+"段落3.1.2",
+],
+"综合权重": 95.5
+},
+{
+"元素ID": "元素2",
+"元素名称": "喜爱猫咪",
+"元素描述": "一只白色和橘色相间的猫咪，脸颊鼓起，眼睛睁开，表情温顺，呈现出喜爱或期待的姿态。",
+"段落数量": 7,
+"段落列表": [
+"段落1.2.2",
+"段落2.2.2",
+"段落3.2.2",
+],
+"综合权重": 95.5
+},
+{
+"元素ID": "元素3",
+"元素名称": "拒绝手势",
+"元素描述": "一个黄色的卡通手势，拇指和食指伸出，其余手指握拳，表示拒绝或停止。",
+"段落数量": 7,
+"段落列表": [
+"段落1.1.3",
+"段落2.1.3",
+"段落3.1.3",
+],
+"综合权重": 92.5
+},
+{
+"元素ID": "元素4",
+"元素名称": "喜爱手势",
+"元素描述": "一对黄色的卡通手掌，掌心向上，手指微曲，表示喜爱、接受或欢迎。",
+"段落数量": 7,
+"段落列表": [
+"段落1.2.3",
+"段落2.2.3",
+"段落3.2.3",
+],
+"综合权重": 92.5
+},
+{
+"元素ID": "元素5",
+"元素名称": "手",
+"元素描述": "一只肤色白皙的手，掌心向上，手指微曲，呈现托举物品的姿态。",
+"段落数量": 14,
+"段落列表": [
+"段落1.1.4",
+"段落2.1.4",
+"段落3.1.4"
+],
+"综合权重": 88.0
+}

examples/research/input/description/阿里多多酱__img_1_制作表.json

@@ -0,0 +1,336 @@
+[
+  {
+    "名称": "表情包图片",
+    "描述": "一张分为上下两部分的表情包图片，上半部分表示拒绝，下半部分表示喜爱。",
+    "段落ID": "段落1",
+    "形式": {
+      "图像拼接": {
+        "名称": "图像拼接",
+        "描述": "图片由上下两部分拼接而成，上半部分（0,0到1200,400）和下半部分（0,400到1200,800）在垂直方向上紧密连接，形成一个完整的矩形图像。",
+        "类型": "图像布局",
+        "形式ID": "形式1",
+        "评分详情": {
+          "combined_score": 0.595
+        }
+      },
+      "评分详情": {
+        "combined_score": 0.616
+      }
+    },
+    "子段落": [
+      {
+        "名称": "上半部分",
+        "描述": "表示拒绝某种食物的场景。",
+        "段落ID": "段落1.1",
+        "形式": {
+          "图像拼接": {
+            "名称": "图像拼接",
+            "描述": "上半部分图片由文字、猫咪、拒绝手势、手和芒果五个元素合成。文字位于左上角，猫咪位于右侧，拒绝手势位于猫咪下方，手位于左下角，芒果位于手上方。所有元素均放置在白色背景上，形成一个统一的拒绝场景。",
+            "类型": "图像布局",
+            "形式ID": "形式1",
+            "评分详情": {
+              "combined_score": 0.518
+            }
+          },
+          "评分详情": {
+            "combined_score": 0.642
+          }
+        },
+        "子段落": [
+          {
+            "名称": "拒绝文字",
+            "描述": "表示拒绝的文字。",
+            "段落ID": "段落1.1.1",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "文字内容为“我不爱吃芒果，谢谢”。",
+                "类型": "文字特征",
+                "形式ID": "形式2",
+                "评分详情": {
+                  "combined_score": 0.546
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.546
+              }
+            }
+          },
+          {
+            "名称": "拒绝猫咪",
+            "描述": "一只张大嘴巴，闭着眼睛，表现出拒绝表情的白色猫咪。",
+            "段落ID": "段落1.1.2",
+            "形式": {
+              "图像内容": {
+                "名称": "图像内容",
+                "描述": "图像内容是一只白色猫咪，头部和部分身体可见，面部表情为张大嘴巴打哈欠或发出拒绝的声音，眼睛紧闭，表现出明显的拒绝姿态。",
+                "类型": "图像特征",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.908
+                }
+              },
+              "图像背景透明": {
+                "名称": "图像背景透明",
+                "描述": "猫咪图像的背景是透明的，使其能够无缝地融入白色背景中。",
+                "类型": "图像样式",
+                "形式ID": "形式5",
+                "评分详情": {
+                  "combined_score": 0.42
+                }
+              },
+              "图像表情": {
+                "名称": "图像表情",
+                "描述": "猫咪的表情是张大嘴巴、闭着眼睛，呈现出拒绝、不情愿或厌恶的姿态。",
+                "类型": "图像特征",
+                "形式ID": "形式10",
+                "评分详情": {
+                  "combined_score": 0.95
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.975
+              }
+            }
+          },
+          {
+            "名称": "拒绝手势",
+            "描述": "一个黄色竖起大拇指表示拒绝的手势表情符号。",
+            "段落ID": "段落1.1.3",
+            "形式": {
+              "图像背景透明": {
+                "名称": "图像背景透明",
+                "描述": "手势图像的背景是透明的，使其能够无缝地融入白色背景中。",
+                "类型": "图像样式",
+                "形式ID": "形式5",
+                "评分详情": {
+                  "combined_score": 0.42
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.385
+              }
+            }
+          },
+          {
+            "名称": "手",
+            "描述": "一只托举着食物的肤色手。",
+            "段落ID": "段落1.1.4",
+            "形式": {
+              "图像内容": {
+                "名称": "图像内容",
+                "描述": "图像内容是一只肤色手，手掌向上，呈托举状，手腕部分可见。",
+                "类型": "图像特征",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.927
+                }
+              },
+              "图像背景透明": {
+                "名称": "图像背景透明",
+                "描述": "手部图像的背景是透明的，使其能够无缝地融入白色背景中。",
+                "类型": "图像样式",
+                "形式ID": "形式5",
+                "评分详情": {
+                  "combined_score": 0.42
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.245
+              }
+            }
+          },
+          {
+            "名称": "芒果",
+            "描述": "一个完整的黄色芒果。",
+            "段落ID": "段落1.1.5",
+            "形式": {
+              "图像内容": {
+                "名称": "图像内容",
+                "描述": "图像内容是一个完整的黄色芒果，表面有细小的水珠。",
+                "类型": "图像特征",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.63
+                }
+              },
+              "图像颜色": {
+                "名称": "图像颜色",
+                "描述": "芒果的颜色为鲜亮的黄色，带有少量橙色渐变。",
+                "类型": "图像样式",
+                "形式ID": "形式6",
+                "评分详情": {
+                  "combined_score": 0.525
+                }
+              },
+              "图像完整性": {
+                "名称": "图像完整性",
+                "描述": "芒果呈现为完整的、未被切割的形态。",
+                "类型": "图像特征",
+                "形式ID": "形式4",
+                "评分详情": {
+                  "combined_score": 0.63
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.63
+              }
+            }
+          }
+        ]
+      },
+      {
+        "名称": "下半部分",
+        "描述": "表示喜爱某种食物的场景。",
+        "段落ID": "段落1.2",
+        "形式": {
+          "图像拼接": {
+            "名称": "图像拼接",
+            "描述": "下半部分图片由文字、猫咪、喜爱手势、手和芒果块五个元素合成。文字位于左上角，猫咪位于右侧，喜爱手势位于猫咪下方，手位于左下角，芒果块位于手上方。所有元素均放置在白色背景上，形成一个统一的喜爱场景。",
+            "类型": "图像布局",
+            "形式ID": "形式1",
+            "评分详情": {
+              "combined_score": 0.598
+            }
+          },
+          "评分详情": {
+            "combined_score": 0.73
+          }
+        },
+        "子段落": [
+          {
+            "名称": "喜爱文字",
+            "描述": "表示喜爱的文字。",
+            "段落ID": "段落1.2.1",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "文字内容为“芒果！我爱吃！”。",
+                "类型": "文字特征",
+                "形式ID": "形式2",
+                "评分详情": {
+                  "combined_score": 0.56
+                }
+              },
+              "文字大小": {
+                "名称": "文字大小",
+                "描述": "文字高度约为100像素，宽度约为600像素，占据了段落1.2.1的整个区域。",
+                "类型": "文字样式",
+                "形式ID": "形式7",
+                "评分详情": {
+                  "combined_score": 0.42
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.56
+              }
+            }
+          },
+          {
+            "名称": "喜爱猫咪",
+            "描述": "一只面带微笑，表情愉悦的白色猫咪。",
+            "段落ID": "段落1.2.2",
+            "形式": {
+              "图像内容": {
+                "名称": "图像内容",
+                "描述": "图像内容是一只白色猫咪，头部和部分身体可见，面部表情为微笑，眼睛微眯，嘴角上扬，表现出明显的喜爱和愉悦姿态。",
+                "类型": "图像特征",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.927
+                }
+              },
+              "图像表情": {
+                "名称": "图像表情",
+                "描述": "猫咪的表情是面带微笑，眼睛微眯，呈现出愉悦、喜爱和满足的姿态。",
+                "类型": "图像特征",
+                "形式ID": "形式10",
+                "评分详情": {
+                  "combined_score": 0.95
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.972
+              }
+            }
+          },
+          {
+            "名称": "喜爱手势",
+            "描述": "一个黄色合拢表示喜爱的双手手势表情符号。",
+            "段落ID": "段落1.2.3",
+            "形式": {
+              "评分详情": {
+                "combined_score": 0.385
+              }
+            }
+          },
+          {
+            "名称": "手",
+            "描述": "一只托举着食物的肤色手。",
+            "段落ID": "段落1.2.4",
+            "形式": {
+              "图像内容": {
+                "名称": "图像内容",
+                "描述": "图像内容是一只肤色手，手掌向上，呈托举状，手腕部分可见。",
+                "类型": "图像特征",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.927
+                }
+              },
+              "图像背景透明": {
+                "名称": "图像背景透明",
+                "描述": "手部图像的背景是透明的，使其能够无缝地融入白色背景中。",
+                "类型": "图像样式",
+                "形式ID": "形式5",
+                "评分详情": {
+                  "combined_score": 0.42
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.245
+              }
+            }
+          },
+          {
+            "名称": "芒果块",
+            "描述": "一碗切好的芒果块。",
+            "段落ID": "段落1.2.5",
+            "形式": {
+              "图像内容": {
+                "名称": "图像内容",
+                "描述": "图像内容是一碗切好的芒果块，芒果块呈不规则的立方体状，堆叠在碗中。",
+                "类型": "图像特征",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.644
+                }
+              },
+              "图像颜色": {
+                "名称": "图像颜色",
+                "描述": "芒果块的颜色为鲜亮的黄色，碗的颜色为纯白色。",
+                "类型": "图像样式",
+                "形式ID": "形式6",
+                "评分详情": {
+                  "combined_score": 0.525
+                }
+              },
+              "图像容器": {
+                "名称": "图像容器",
+                "描述": "芒果块被盛放在一个白色的、方形的、带有一定深度的碗状容器中。",
+                "类型": "图像布局",
+                "形式ID": "形式16",
+                "评分详情": {
+                  "combined_score": 0.42
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.644
+              }
+            }
+          }
+        ]
+      }
+    ]
+  }
+]

examples/research/input/description/阿里多多酱__img_2_制作表.json

@@ -0,0 +1,300 @@
+[
+  {
+    "名称": "表情包图片",
+    "描述": "一张分为上下两部分的表情包图片，上半部分表示拒绝，下半部分表示喜爱。",
+    "段落ID": "段落2",
+    "形式": {
+      "图像拼接": {
+        "名称": "图像拼接",
+        "描述": "图像由上下两部分拼接而成，上半部分（0,0,1200,400）和下半部分（0,400,1200,800）在垂直方向上紧密连接，共同构成一个完整的800x1200像素的图像。",
+        "类型": "图像布局",
+        "形式ID": "形式1",
+        "评分详情": {
+          "combined_score": 0.626
+        }
+      },
+      "图像背景透明": {
+        "名称": "图像背景透明",
+        "描述": "图像的背景为纯白色，所有前景元素（文字、猫咪、手、榴莲、手势）均被抠图并叠加在白色背景上，背景区域无任何图案或纹理。",
+        "类型": "图像样式",
+        "形式ID": "形式5",
+        "评分详情": {
+          "combined_score": 0.451
+        }
+      },
+      "评分详情": {
+        "combined_score": 0.74
+      }
+    },
+    "子段落": [
+      {
+        "名称": "上半部分",
+        "描述": "表示拒绝某种食物的场景。",
+        "段落ID": "段落2.1",
+        "形式": {
+          "评分详情": {
+            "combined_score": 0.541
+          }
+        },
+        "子段落": [
+          {
+            "名称": "拒绝文字",
+            "描述": "表示拒绝的文字。",
+            "段落ID": "段落2.1.1",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "文字内容为“我 不爱吃榴莲，谢谢”。",
+                "类型": "文字特征",
+                "形式ID": "形式2",
+                "评分详情": {
+                  "combined_score": 0.504
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.504
+              }
+            }
+          },
+          {
+            "名称": "拒绝猫咪",
+            "描述": "一只张大嘴巴，闭着眼睛，表现出拒绝表情的白色猫咪。",
+            "段落ID": "段落2.1.2",
+            "形式": {
+              "图像内容": {
+                "名称": "图像内容",
+                "描述": "图像内容是一只白色猫咪，头部和部分身体可见，面部表情为张大嘴巴，闭着眼睛，表现出明显的拒绝和厌恶。",
+                "类型": "图像特征",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.758
+                }
+              },
+              "图像背景透明": {
+                "名称": "图像背景透明",
+                "描述": "猫咪图像的背景被完全移除，只保留猫咪主体，边缘清晰，无背景残留。",
+                "类型": "图像样式",
+                "形式ID": "形式5",
+                "评分详情": {
+                  "combined_score": 0.42
+                }
+              },
+              "图像表情": {
+                "名称": "图像表情",
+                "描述": "猫咪的表情为拒绝和厌恶，通过张大的嘴巴和紧闭的眼睛来表现。",
+                "类型": "图像特征",
+                "形式ID": "形式10",
+                "评分详情": {
+                  "combined_score": 0.874
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.886
+              }
+            }
+          },
+          {
+            "名称": "拒绝手势",
+            "描述": "一个黄色竖起大拇指表示拒绝的手势表情符号。",
+            "段落ID": "段落2.1.3",
+            "形式": {
+              "评分详情": {
+                "combined_score": 0.385
+              }
+            }
+          },
+          {
+            "名称": "手",
+            "描述": "一只托举着食物的肤色手。",
+            "段落ID": "段落2.1.4",
+            "形式": {
+              "评分详情": {
+                "combined_score": 0.28
+              }
+            }
+          },
+          {
+            "名称": "榴莲",
+            "描述": "一个完整的带刺榴莲。",
+            "段落ID": "段落2.1.5",
+            "形式": {
+              "图像内容": {
+                "名称": "图像内容",
+                "描述": "图像内容是一个完整的榴莲，表面布满尖刺，呈椭圆形。",
+                "类型": "图像特征",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.616
+                }
+              },
+              "图像完整性": {
+                "名称": "图像完整性",
+                "描述": "榴莲图像呈现为一个完整的、未被剥开的榴莲果实。",
+                "类型": "图像特征",
+                "形式ID": "形式4",
+                "评分详情": {
+                  "combined_score": 0.595
+                }
+              },
+              "图像纹理": {
+                "名称": "图像纹理",
+                "描述": "榴莲表面具有清晰可见的尖刺纹理，质感粗糙。",
+                "类型": "图像样式",
+                "形式ID": "形式15",
+                "评分详情": {
+                  "combined_score": 0.504
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.616
+              }
+            }
+          }
+        ]
+      },
+      {
+        "名称": "下半部分",
+        "描述": "表示喜爱某种食物的场景。",
+        "段落ID": "段落2.2",
+        "形式": {
+          "评分详情": {
+            "combined_score": 0.465
+          }
+        },
+        "子段落": [
+          {
+            "名称": "喜爱文字",
+            "描述": "表示喜爱的文字。",
+            "段落ID": "段落2.2.1",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "文字内容为“榴莲！ 我爱吃！”。",
+                "类型": "文字特征",
+                "形式ID": "形式2",
+                "评分详情": {
+                  "combined_score": 0.525
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.532
+              }
+            }
+          },
+          {
+            "名称": "喜爱猫咪",
+            "描述": "一只面带微笑，表情愉悦的白色猫咪。",
+            "段落ID": "段落2.2.2",
+            "形式": {
+              "图像内容": {
+                "名称": "图像内容",
+                "描述": "图像内容是一只白色猫咪，头部和部分身体可见，面部表情为面带微笑，眼睛微眯，表现出愉悦和喜爱的神情。",
+                "类型": "图像特征",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.824
+                }
+              },
+              "图像背景透明": {
+                "名称": "图像背景透明",
+                "描述": "猫咪图像的背景被完全移除，只保留猫咪主体，边缘清晰，无背景残留。",
+                "类型": "图像样式",
+                "形式ID": "形式5",
+                "评分详情": {
+                  "combined_score": 0.42
+                }
+              },
+              "图像表情": {
+                "名称": "图像表情",
+                "描述": "猫咪的表情为愉悦和喜爱，通过微笑的嘴巴和微眯的眼睛来表现。",
+                "类型": "图像特征",
+                "形式ID": "形式10",
+                "评分详情": {
+                  "combined_score": 0.855
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.888
+              }
+            }
+          },
+          {
+            "名称": "喜爱手势",
+            "描述": "一个黄色合拢表示喜爱的双手手势表情符号。",
+            "段落ID": "段落2.2.3",
+            "形式": {
+              "评分详情": {
+                "combined_score": 0.378
+              }
+            }
+          },
+          {
+            "名称": "手",
+            "描述": "一只托举着食物的肤色手。",
+            "段落ID": "段落2.2.4",
+            "形式": {
+              "图像内容": {
+                "名称": "图像内容",
+                "描述": "图像内容是一只肤色手，手掌向上，呈托举状，手腕部分被截断。",
+                "类型": "图像特征",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.824
+                }
+              },
+              "图像背景透明": {
+                "名称": "图像背景透明",
+                "描述": "手部图像的背景被完全移除，只保留手部主体，边缘清晰，无背景残留。",
+                "类型": "图像样式",
+                "形式ID": "形式5",
+                "评分详情": {
+                  "combined_score": 0.451
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.245
+              }
+            }
+          },
+          {
+            "名称": "榴莲果肉",
+            "描述": "几块剥开的榴莲果肉。",
+            "段落ID": "段落2.2.5",
+            "形式": {
+              "图像内容": {
+                "名称": "图像内容",
+                "描述": "图像内容是几块剥开的榴莲果肉，果肉呈黄色，形状不规则。",
+                "类型": "图像特征",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.63
+                }
+              },
+              "图像颜色": {
+                "名称": "图像颜色",
+                "描述": "榴莲果肉的颜色为鲜亮的黄色，部分区域有白色纤维。",
+                "类型": "图像样式",
+                "形式ID": "形式6",
+                "评分详情": {
+                  "combined_score": 0.525
+                }
+              },
+              "图像完整性": {
+                "名称": "图像完整性",
+                "描述": "榴莲果肉图像呈现为几块已经剥开的果肉，而非完整的榴莲果实。",
+                "类型": "图像特征",
+                "形式ID": "形式4",
+                "评分详情": {
+                  "combined_score": 0.595
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.63
+              }
+            }
+          }
+        ]
+      }
+    ]
+  }
+]

examples/research/input/description/阿里多多酱__img_3_制作表.json

@@ -0,0 +1,309 @@
+[
+  {
+    "名称": "表情包图片",
+    "描述": "一张分为上下两部分的表情包图片，上半部分表示拒绝，下半部分表示喜爱。",
+    "段落ID": "段落3",
+    "形式": {
+      "图像拼接": {
+        "名称": "图像拼接",
+        "描述": "图片由上下两部分拼接而成，上半部分（0,0,1200,400）和下半部分（0,400,1200,800）在垂直方向上紧密连接，形成一个完整的矩形图像。",
+        "类型": "图像布局",
+        "形式ID": "形式1",
+        "评分详情": {
+          "combined_score": 0.595
+        }
+      },
+      "评分详情": {
+        "combined_score": 0.751
+      }
+    },
+    "子段落": [
+      {
+        "名称": "上半部分",
+        "描述": "表示拒绝某种食物的场景。",
+        "段落ID": "段落3.1",
+        "形式": {
+          "图像拼接": {
+            "名称": "图像拼接",
+            "描述": "上半部分图片由文字（0,0,600,100）、拒绝猫咪（600,100,1200,400）、拒绝手势（600,300,750,400）、手（0,200,400,400）和菠萝（100,100,400,300）等元素组合而成，这些元素在白色背景上自由排布，没有严格的网格或对齐规则，形成一个表达拒绝主题的场景。",
+            "类型": "图像布局",
+            "形式ID": "形式1",
+            "评分详情": {
+              "combined_score": 0.476
+            }
+          },
+          "评分详情": {
+            "combined_score": 0.674
+          }
+        },
+        "子段落": [
+          {
+            "名称": "拒绝文字",
+            "描述": "表示拒绝的文字。",
+            "段落ID": "段落3.1.1",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "文字内容为“我不爱吃菠萝，谢谢”。",
+                "类型": "文字特征",
+                "形式ID": "形式2",
+                "评分详情": {
+                  "combined_score": 0.546
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.546
+              }
+            }
+          },
+          {
+            "名称": "拒绝猫咪",
+            "描述": "一只张大嘴巴，闭着眼睛，表现出拒绝表情的白色猫咪。",
+            "段落ID": "段落3.1.2",
+            "形式": {
+              "图像内容": {
+                "名称": "图像内容",
+                "描述": "图像内容是一只白色猫咪的头部特写，猫咪的毛发蓬松，眼睛紧闭，嘴巴张大，露出粉色的口腔和舌头，整体姿态表现出强烈的拒绝或厌恶。",
+                "类型": "图像特征",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.894
+                }
+              },
+              "图像表情": {
+                "名称": "图像表情",
+                "描述": "猫咪的表情是夸张的拒绝或厌恶，通过紧闭的眼睛和张大的嘴巴来表现，具有强烈的喜剧效果。",
+                "类型": "图像特征",
+                "形式ID": "形式10",
+                "评分详情": {
+                  "combined_score": 0.898
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.937
+              }
+            }
+          },
+          {
+            "名称": "拒绝手势",
+            "描述": "一个黄色竖起大拇指表示拒绝的手势表情符号。",
+            "段落ID": "段落3.1.3",
+            "形式": {
+              "评分详情": {
+                "combined_score": 0.315
+              }
+            }
+          },
+          {
+            "名称": "手",
+            "描述": "一只托举着食物的肤色手。",
+            "段落ID": "段落3.1.4",
+            "形式": {
+              "图像内容": {
+                "名称": "图像内容",
+                "描述": "图像内容是一只肤色手掌，手掌向上摊开，手指微微弯曲，呈托举状，手腕部分被截断。",
+                "类型": "图像特征",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.894
+                }
+              },
+              "图像背景透明": {
+                "名称": "图像背景透明",
+                "描述": "手部图像的背景被完全移除，手部主体被精确抠出，边缘清晰，与白色背景无缝融合。",
+                "类型": "图像样式",
+                "形式ID": "形式5",
+                "评分详情": {
+                  "combined_score": 0.42
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.245
+              }
+            }
+          },
+          {
+            "名称": "菠萝",
+            "描述": "一个完整的菠萝。",
+            "段落ID": "段落3.1.5",
+            "形式": {
+              "图像内容": {
+                "名称": "图像内容",
+                "描述": "图像内容是一个完整的菠萝，带有绿色的冠芽和金黄色的果实，果实表面有明显的网格状纹理和突起的“眼睛”。",
+                "类型": "图像特征",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.623
+                }
+              },
+              "图像颜色": {
+                "名称": "图像颜色",
+                "描述": "菠萝果实主体呈金黄色（近似RGB: 255,192,0），冠芽为深绿色（近似RGB: 0,128,0）。",
+                "类型": "图像样式",
+                "形式ID": "形式6",
+                "评分详情": {
+                  "combined_score": 0.504
+                }
+              },
+              "图像完整性": {
+                "名称": "图像完整性",
+                "描述": "菠萝图像呈现的是一个未经切割、完整的菠萝果实，包括果肉和冠芽。",
+                "类型": "图像特征",
+                "形式ID": "形式4",
+                "评分详情": {
+                  "combined_score": 0.616
+                }
+              },
+              "图像纹理": {
+                "名称": "图像纹理",
+                "描述": "菠萝果实表面具有清晰的网格状纹理，每个网格中心有突起的褐色小点，冠芽部分有细长的叶片纹理。",
+                "类型": "图像样式",
+                "形式ID": "形式15",
+                "评分详情": {
+                  "combined_score": 0.42
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.623
+              }
+            }
+          }
+        ]
+      },
+      {
+        "名称": "下半部分",
+        "描述": "表示喜爱某种食物的场景。",
+        "段落ID": "段落3.2",
+        "形式": {
+          "图像拼接": {
+            "名称": "图像拼接",
+            "描述": "下半部分图片由文字（0,400,600,500）、喜爱猫咪（600,500,1200,800）、喜爱手势（600,700,750,800）、手（0,600,400,800）和菠萝块（100,500,400,700）等元素组合而成，这些元素在白色背景上自由排布，没有严格的网格或对齐规则，形成一个表达喜爱主题的场景。",
+            "类型": "图像布局",
+            "形式ID": "形式1",
+            "评分详情": {
+              "combined_score": 0.49
+            }
+          },
+          "评分详情": {
+            "combined_score": 0.662
+          }
+        },
+        "子段落": [
+          {
+            "名称": "喜爱文字",
+            "描述": "表示喜爱的文字。",
+            "段落ID": "段落3.2.1",
+            "形式": {
+              "文字内容": {
+                "名称": "文字内容",
+                "描述": "文字内容为“菠萝！我爱吃！”。",
+                "类型": "文字特征",
+                "形式ID": "形式2",
+                "评分详情": {
+                  "combined_score": 0.56
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.567
+              }
+            }
+          },
+          {
+            "名称": "喜爱猫咪",
+            "描述": "一只面带微笑，表情愉悦的白色猫咪。",
+            "段落ID": "段落3.2.2",
+            "形式": {
+              "图像内容": {
+                "名称": "图像内容",
+                "描述": "图像内容是一只白色猫咪的头部特写，猫咪的毛发蓬松，眼睛半睁，嘴角上扬，露出微笑的表情，整体姿态表现出愉悦和喜爱。",
+                "类型": "图像特征",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.852
+                }
+              },
+              "图像背景透明": {
+                "名称": "图像背景透明",
+                "描述": "猫咪图像的背景被完全移除，猫咪主体被精确抠出，边缘清晰，与白色背景无缝融合。",
+                "类型": "图像样式",
+                "形式ID": "形式5",
+                "评分详情": {
+                  "combined_score": 0.42
+                }
+              },
+              "图像表情": {
+                "名称": "图像表情",
+                "描述": "猫咪的表情是愉悦和喜爱，通过半睁的眼睛和上扬的嘴角来表现，具有可爱的喜剧效果。",
+                "类型": "图像特征",
+                "形式ID": "形式10",
+                "评分详情": {
+                  "combined_score": 0.929
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.951
+              }
+            }
+          },
+          {
+            "名称": "喜爱手势",
+            "描述": "一个黄色合拢表示喜爱的双手手势表情符号。",
+            "段落ID": "段落3.2.3",
+            "形式": {
+              "评分详情": {
+                "combined_score": 0.336
+              }
+            }
+          },
+          {
+            "名称": "手",
+            "描述": "一只托举着食物的肤色手。",
+            "段落ID": "段落3.2.4",
+            "形式": {
+              "评分详情": {
+                "combined_score": 0.336
+              }
+            }
+          },
+          {
+            "名称": "菠萝块",
+            "描述": "一碗切好的菠萝块。",
+            "段落ID": "段落3.2.5",
+            "形式": {
+              "图像内容": {
+                "名称": "图像内容",
+                "描述": "图像内容是一个透明玻璃碗中盛放着切好的菠萝块，菠萝块呈不规则的块状，颜色金黄，表面湿润。",
+                "类型": "图像特征",
+                "形式ID": "形式3",
+                "评分详情": {
+                  "combined_score": 0.616
+                }
+              },
+              "图像背景透明": {
+                "名称": "图像背景透明",
+                "描述": "菠萝块和碗的图像背景被完全移除，主体被精确抠出，边缘清晰，与白色背景无缝融合。",
+                "类型": "图像样式",
+                "形式ID": "形式5",
+                "评分详情": {
+                  "combined_score": 0.406
+                }
+              },
+              "图像颜色": {
+                "名称": "图像颜色",
+                "描述": "菠萝块呈金黄色（近似RGB: 255,215,0），玻璃碗呈透明无色。",
+                "类型": "图像样式",
+                "形式ID": "形式6",
+                "评分详情": {
+                  "combined_score": 0.525
+                }
+              },
+              "评分详情": {
+                "combined_score": 0.616
+              }
+            }
+          }
+        ]
+      }
+    ]
+  }
+]

examples/research/input/index.md

@@ -0,0 +1,19 @@
+# Research Input 目录说明
+
+本目录包含调研阶段的输入文件，来自上游 plan 阶段的产出。
+
+## 根目录文件
+
+- `analysis.json`：需求分析结果，包含内容品类判断、上限点（必须高度还原的特征）、下限点（底线要求）及 AI 还原挑战。
+- `pipeline.json`：粗工序定义，描述还原策略（垫图法+局部重绘组合）、目标树（goal_tree）、各阶段依赖关系和风险评估。
+
+## description/ 文件夹
+
+还原目标的详细描述，包含图文帖子的结构化解构数据。
+
+- `制作亮点.md`：核心亮点聚类，如猫咪反差表情、二分对比构图、食物状态对比等。
+- `制作点.md`：关键视觉元素及权重，如拒绝猫咪、喜爱猫咪、手势等。
+- `创作表.md`：创作视角描述（如有内容）。
+- `阿里多多酱__img_1_制作表.json`：第 1 张图的制作表，包含上下拼接布局、元素组成、坐标和视觉形式评分。
+- `阿里多多酱__img_2_制作表.json`：第 2 张图的制作表，包含拒绝/喜爱场景的元素布局。
+- `阿里多多酱__img_3_制作表.json`：第 3 张图的制作表，包含各元素位置坐标和构图信息。

examples/research/input/pipeline.json

@@ -0,0 +1,388 @@
+{
+  "pipelines": [
+    {
+      "strategy": {
+        "name": "垫图法 + 局部重绘组合策略",
+        "description": "使用 Midjourney 的--cref 参数保持角色一致性生成基础猫咪图，然后用 ComfyUI/Photoshop 进行局部重绘精准控制表情（张嘴闭眼 vs 鼓腮睁眼），最后分层合成所有元素（猫咪、手势、食物、手、文字）",
+        "reasoning": "analysis.json 中的核心下限点是'猫咪跨图一致性'和'表情精准度'，垫图法 (--cref) 可保证角色一致性，局部重绘可精准控制表情，完美匹配需求；制作表中明确了每个元素的布局坐标和视觉特征，支持分层合成策略",
+        "vs_alternatives": [
+          {
+            "alternative": "Seed 值固定 + 描述词微调",
+            "why_not": "seed 值法不能 100% 保证一致性，对于'猫咪跨图一致性'这一下限点覆盖不足；表情控制依赖描述词精准度，对于'表情精准度'这一下限点覆盖不足",
+            "could_switch_if": "如果局部重绘工具不可用或效果不佳，可回退到此策略，接受一定的一致性损失"
+          },
+          {
+            "alternative": "Panels 多格生成 + 裁剪",
+            "why_not": "Panels 法虽然一致性好，但表情精准度不够，难以保证生成特定的'张嘴闭眼'和'鼓腮睁眼'表情；且多格图分辨率较低，影响最终输出质量",
+            "could_switch_if": "如果时间紧迫且对表情精准度要求降低，可考虑此策略快速出图"
+          }
+        ],
+        "risks_found_during_instantiation": [
+          {
+            "stage_id": "stage_2",
+            "risk": "局部重绘可能导致猫咪面部边缘融合不自然，尤其是嘴巴和眼睛区域",
+            "severity": "medium",
+            "mitigation": "使用 Inpaint 专用模型（如 FLUX.1 Fill），配合遮罩模糊和边缘羽化；在 Photoshop 中用匹配颜色工具校正色差"
+          },
+          {
+            "stage_id": "stage_4",
+            "risk": "三张图（芒果/榴莲/菠萝）的猫咪可能因分批生成而产生细微差异",
+            "severity": "medium",
+            "mitigation": "固定 MJ 的--s 风格参数和--v 版本；使用同一张参考图进行--cref；优先生成一套猫咪后复用到三张图"
+          },
+          {
+            "stage_id": "stage_5",
+            "risk": "手势与猫咪的空间关系可能不自然，看起来像悬浮元素",
+            "severity": "low",
+            "mitigation": "制作表中已有明确坐标（如 img_1 拒绝手势位于 600,300,750,400），按坐标精确定位；添加轻微阴影增强融合感"
+          }
+        ]
+      },
+      "goal_tree": {
+        "stage_id": "root",
+        "stage_name": "还原目标",
+        "description": "还原一组对比叙事型猫咪表情包（img_1 芒果主题、img_2 榴莲主题、img_3 菠萝主题），每张图采用上下分栏结构，上半部分表示拒绝（张嘴闭眼猫咪 + 完整食物 + 拒绝手势），下半部分表示喜爱（鼓腮睁眼猫咪 + 切好食物 + 喜爱手势），所有元素拼贴在纯白背景上",
+        "required_spec": [
+          "纵向二分构图（上下分栏 1200x400 + 1200x400）",
+          "猫咪跨图一致性（同一只白橘猫的两种表情）",
+          "表情精准度（拒绝：张嘴闭眼；喜爱：鼓腮睁眼）",
+          "食物形态对比（上：完整带皮/带壳；下：去皮切好）",
+          "卡通手势拼贴（黄色 Emoji 手势，替代猫咪前肢）",
+          "纯白背景 + 透明抠图（所有元素独立抠图后合成）",
+          "文字内容准确（拒绝：'我不爱吃 XX，谢谢'；喜爱：'XX！我爱吃！'）",
+          "元素布局符合制作表坐标"
+        ],
+        "output_spec": [
+          "img_1.png（芒果主题，1200x800）",
+          "img_2.png（榴莲主题，1200x800）",
+          "img_3.png（菠萝主题，1200x800）"
+        ],
+        "children": [
+          {
+            "stage_id": "stage_1",
+            "stage_name": "基础猫咪素材生成",
+            "description": "生成一只白橘相间的猫咪基础图，作为后续表情编辑的底图。使用 Midjourney --cref 参数保持角色一致性，生成正面/侧面视角的猫咪头像，背景为纯白色以便抠图",
+            "required_spec": [
+              "白橘相间的猫咪毛色",
+              "正面或侧面视角，头部清晰可见",
+              "纯白背景或透明背景",
+              "高分辨率（至少 1024x1024）以便裁剪和编辑"
+            ],
+            "output_spec": [
+              "base_cat.png（基础猫咪图，白橘相间，纯白背景）"
+            ],
+            "spec_satisfaction": {
+              "status": "satisfied",
+              "gap": "",
+              "mitigation": ""
+            },
+            "target_images": ["img_1", "img_2", "img_3"],
+            "stage_output": "base_cat.png",
+            "input_from": [],
+            "covers_requirements": ["猫咪跨图一致性"],
+            "importance": "下限",
+            "reasoning": {
+              "why_needed": "这是整个还原流程的基础，如果基础猫咪图不一致或质量差，后续所有表情编辑和合成都会失败。此阶段解决'猫咪跨图一致性'这一下限点",
+              "why_here": "这是依赖树的叶节点，不依赖任何其他阶段的产物，是所有猫咪相关阶段的共同输入"
+            },
+            "children": []
+          },
+          {
+            "stage_id": "stage_2",
+            "stage_name": "表情精准编辑",
+            "description": "基于基础猫咪图，使用局部重绘（Inpaint）技术分别生成两种表情：拒绝表情（张嘴闭眼）和喜爱表情（鼓腮睁眼）。对猫咪面部区域进行精准遮罩和重绘，保持其他部分不变",
+            "required_spec": [
+              "拒绝表情：嘴巴张大、眼睛紧闭、表情夸张",
+              "喜爱表情：脸颊鼓起、眼睛睁开、嘴角上扬",
+              "保持猫咪毛色、头部轮廓与 base_cat.png 一致",
+              "边缘融合自然，无明显重绘痕迹"
+            ],
+            "output_spec": [
+              "cat_reject.png（拒绝表情猫咪，透明背景）",
+              "cat_accept.png（喜爱表情猫咪，透明背景）"
+            ],
+            "spec_satisfaction": {
+              "status": "partial",
+              "gap": "局部重绘可能导致面部边缘融合不自然，尤其是嘴巴和眼睛区域；多次生成可能产生风格细微差异",
+              "mitigation": "使用 Inpaint 专用模型（如 FLUX.1 Fill），配合遮罩模糊和边缘羽化；固定 MJ 的--s 风格参数和--v 版本；使用同一张参考图进行--cref"
+            },
+            "target_images": ["img_1", "img_2", "img_3"],
+            "stage_output": "cat_reject.png, cat_accept.png",
+            "input_from": ["stage_1"],
+            "covers_requirements": ["表情精准度", "猫咪跨图一致性"],
+            "importance": "下限",
+            "reasoning": {
+              "why_needed": "这是实现'表情精准度'下限点的关键阶段。制作表中明确要求拒绝猫咪'张大嘴巴，闭着眼睛'，喜爱猫咪'脸颊鼓起，眼睛睁开'，必须通过局部重绘精准控制",
+              "why_here": "依赖 stage_1 的基础猫咪图，是后续合成阶段的必要输入。表情编辑必须在合成前完成，因为合成后无法单独修改猫咪表情"
+            },
+            "children": []
+          },
+          {
+            "stage_id": "stage_3",
+            "stage_name": "食物素材准备",
+            "description": "为三张图分别准备上下两种形态的食物素材。img_1：完整芒果 vs 切好芒果块；img_2：完整带刺榴莲 vs 榴莲果肉；img_3：完整带冠芽菠萝 vs 切好菠萝块。所有食物素材需要透明背景以便合成",
+            "required_spec": [
+              "img_1_upper：完整带皮芒果，鲜亮黄色，表面有水珠",
+              "img_1_lower：切好芒果块，不规则立方体状，盛放在白色方形碗中",
+              "img_2_upper：完整带刺榴莲，椭圆形，表面布满尖刺",
+              "img_2_lower：剥开的榴莲果肉，鲜亮黄色，部分区域有白色纤维",
+              "img_3_upper：完整菠萝，金黄色果实 + 深绿色冠芽，表面有网格状纹理",
+              "img_3_lower：切好菠萝块，金黄色，盛放在透明玻璃碗中",
+              "所有食物素材透明背景，边缘清晰"
+            ],
+            "output_spec": [
+              "mango_whole.png, mango_cubed.png",
+              "durian_whole.png, durian_flesh.png",
+              "pineapple_whole.png, pineapple_cubed.png"
+            ],
+            "spec_satisfaction": {
+              "status": "satisfied",
+              "gap": "",
+              "mitigation": ""
+            },
+            "target_images": ["img_1", "img_2", "img_3"],
+            "stage_output": "6 种食物素材图",
+            "input_from": [],
+            "covers_requirements": ["食物形态对比", "食物形态准确性"],
+            "importance": "上限",
+            "reasoning": {
+              "why_needed": "这是实现'食物形态对比'上限点的关键阶段。制作表中明确描述了每种食物的形态特征（如'完整带皮'vs'切好块状'），这是猫咪态度转变的诱因，形态错误会导致逻辑不通",
+              "why_here": "这是依赖树的叶节点，不依赖其他阶段。食物素材是合成阶段的必要输入，可独立于猫咪素材并行准备"
+            },
+            "children": []
+          },
+          {
+            "stage_id": "stage_4",
+            "stage_name": "手势和手素材准备",
+            "description": "准备黄色卡通手势素材（拒绝手势：拇指食指伸出；喜爱手势：掌心向上双手合拢）和肤色手素材（掌心向上托举姿态）。所有素材需要透明背景",
+            "required_spec": [
+              "拒绝手势：黄色 Emoji 风格，拇指和食指伸出，其余手指握拳",
+              "喜爱手势：黄色 Emoji 风格，掌心向上，手指微曲",
+              "手：肤色白皙，掌心向上，呈托举状，手腕部分可见或被截断",
+              "所有素材透明背景，边缘清晰"
+            ],
+            "output_spec": [
+              "gesture_reject.png（拒绝手势）",
+              "gesture_accept.png（喜爱手势）",
+              "hand_hold.png（托举的手）"
+            ],
+            "spec_satisfaction": {
+              "status": "satisfied",
+              "gap": "",
+              "mitigation": ""
+            },
+            "target_images": ["img_1", "img_2", "img_3"],
+            "stage_output": "gesture_reject.png, gesture_accept.png, hand_hold.png",
+            "input_from": [],
+            "covers_requirements": ["拟人化的卡通手势贴纸"],
+            "importance": "上限",
+            "reasoning": {
+              "why_needed": "这是实现'拟人化的卡通手势贴纸'上限点的关键阶段。制作表中明确描述了手势的视觉特征（黄色卡通手势，表示拒绝/接受），这是表情包的标志性元素",
+              "why_here": "这是依赖树的叶节点，不依赖其他阶段。手势和手素材是合成阶段的必要输入，可独立于猫咪和食物素材并行准备"
+            },
+            "children": []
+          },
+          {
+            "stage_id": "stage_5",
+            "stage_name": "单图分层合成",
+            "description": "将猫咪、手势、食物、手等元素按制作表中的坐标进行分层合成。每张图分为上下两个场景（拒绝场景/喜爱场景），所有元素放置在纯白背景上。此阶段对 img_1/2/3 分别执行",
+            "required_spec": [
+              "画布尺寸：1200x800（上下各 1200x400）",
+              "背景：纯白色（RGB 255,255,255）",
+              "元素布局符合制作表坐标（如 img_1 拒绝猫咪位于 600,100,1200,400）",
+              "手势位于猫咪下方，模拟替代猫咪前肢的空间位置",
+              "手位于左下角，呈托举食物姿态",
+              "食物位于手上方",
+              "所有元素边缘清晰，无明显拼贴痕迹"
+            ],
+            "output_spec": [
+              "img_1_composed.png（芒果主题合成图，不含文字）",
+              "img_2_composed.png（榴莲主题合成图，不含文字）",
+              "img_3_composed.png（菠萝主题合成图，不含文字）"
+            ],
+            "spec_satisfaction": {
+              "status": "partial",
+              "gap": "手势与猫咪的空间关系可能不自然，看起来像悬浮元素；元素间可能存在轻微色差",
+              "mitigation": "按制作表坐标精确定位；添加轻微阴影增强融合感；使用匹配颜色工具校正色差"
+            },
+            "target_images": ["img_1", "img_2", "img_3"],
+            "stage_output": "img_1_composed.png, img_2_composed.png, img_3_composed.png",
+            "input_from": ["stage_2", "stage_3", "stage_4"],
+            "covers_requirements": ["纵向二分的对比叙事构图", "跨次元的拼贴视觉风格", "手势与猫咪的空间关系", "纯白背景与透明抠图"],
+            "importance": "上限",
+            "reasoning": {
+              "why_needed": "这是实现'纵向二分构图'和'拼贴视觉风格'上限点的关键阶段。制作表中详细描述了每个元素的布局坐标和拼接关系，必须通过分层合成精确还原",
+              "why_here": "此阶段依赖 stage_2（表情猫咪）、stage_3（食物）、stage_4（手势和手）的产物，是将所有独立元素整合为完整场景的中间节点"
+            },
+            "children": [
+              {
+                "stage_id": "stage_5_1",
+                "stage_name": "img_1 芒果主题合成",
+                "description": "合成 img_1 的上下两个场景：上半部分（拒绝文字 + 拒绝猫咪 + 拒绝手势 + 手 + 完整芒果），下半部分（喜爱文字 + 喜爱猫咪 + 喜爱手势 + 手 + 切好芒果块）",
+                "required_spec": [
+                  "上半部分：文字 (0,0,600,100)，拒绝猫咪 (600,100,1200,400)，拒绝手势 (600,300,750,400)，手 (0,200,400,400)，完整芒果 (100,100,400,300)",
+                  "下半部分：文字 (0,400,600,500)，喜爱猫咪 (600,500,1200,800)，喜爱手势 (600,700,750,800)，手 (0,600,400,800)，切好芒果块 (100,500,400,700)"
+                ],
+                "output_spec": ["img_1_composed.png"],
+                "spec_satisfaction": {
+                  "status": "satisfied",
+                  "gap": "",
+                  "mitigation": ""
+                },
+                "target_images": ["img_1"],
+                "stage_output": "img_1_composed.png",
+                "input_from": ["stage_2", "stage_3", "stage_4"],
+                "covers_requirements": ["纵向二分的对比叙事构图", "跨次元的拼贴视觉风格"],
+                "importance": "上限",
+                "reasoning": {
+                  "why_needed": "这是 stage_5 在 img_1 上的具体实例化，芒果主题的食物形态对比是核心亮点",
+                  "why_here": "作为 stage_5 的子节点，继承父阶段的依赖关系"
+                },
+                "children": []
+              },
+              {
+                "stage_id": "stage_5_2",
+                "stage_name": "img_2 榴莲主题合成",
+                "description": "合成 img_2 的上下两个场景：上半部分（拒绝文字 + 拒绝猫咪 + 拒绝手势 + 手 + 完整榴莲），下半部分（喜爱文字 + 喜爱猫咪 + 喜爱手势 + 手 + 榴莲果肉）",
+                "required_spec": [
+                  "上半部分：文字 (0,0,600,100)，拒绝猫咪 (600,100,1200,400)，拒绝手势 (600,300,750,400)，手 (0,200,400,400)，完整榴莲 (100,100,400,300)",
+                  "下半部分：文字 (0,400,600,500)，喜爱猫咪 (600,500,1200,800)，喜爱手势 (600,700,750,800)，手 (0,600,400,800)，榴莲果肉 (100,500,400,700)"
+                ],
+                "output_spec": ["img_2_composed.png"],
+                "spec_satisfaction": {
+                  "status": "satisfied",
+                  "gap": "",
+                  "mitigation": ""
+                },
+                "target_images": ["img_2"],
+                "stage_output": "img_2_composed.png",
+                "input_from": ["stage_2", "stage_3", "stage_4"],
+                "covers_requirements": ["纵向二分的对比叙事构图", "跨次元的拼贴视觉风格"],
+                "importance": "上限",
+                "reasoning": {
+                  "why_needed": "这是 stage_5 在 img_2 上的具体实例化，榴莲主题的带刺纹理和果肉形态是核心特征",
+                  "why_here": "作为 stage_5 的子节点，继承父阶段的依赖关系"
+                },
+                "children": []
+              },
+              {
+                "stage_id": "stage_5_3",
+                "stage_name": "img_3 菠萝主题合成",
+                "description": "合成 img_3 的上下两个场景：上半部分（拒绝文字 + 拒绝猫咪 + 拒绝手势 + 手 + 完整菠萝），下半部分（喜爱文字 + 喜爱猫咪 + 喜爱手势 + 手 + 切好菠萝块）",
+                "required_spec": [
+                  "上半部分：文字 (0,0,600,100)，拒绝猫咪 (600,100,1200,400)，拒绝手势 (600,300,750,400)，手 (0,200,400,400)，完整菠萝 (100,100,400,300)",
+                  "下半部分：文字 (0,400,600,500)，喜爱猫咪 (600,500,1200,800)，喜爱手势 (600,700,750,800)，手 (0,600,400,800)，切好菠萝块 (100,500,400,700)"
+                ],
+                "output_spec": ["img_3_composed.png"],
+                "spec_satisfaction": {
+                  "status": "satisfied",
+                  "gap": "",
+                  "mitigation": ""
+                },
+                "target_images": ["img_3"],
+                "stage_output": "img_3_composed.png",
+                "input_from": ["stage_2", "stage_3", "stage_4"],
+                "covers_requirements": ["纵向二分的对比叙事构图", "跨次元的拼贴视觉风格"],
+                "importance": "上限",
+                "reasoning": {
+                  "why_needed": "这是 stage_5 在 img_3 上的具体实例化，菠萝主题的冠芽和网格纹理是核心特征",
+                  "why_here": "作为 stage_5 的子节点，继承父阶段的依赖关系"
+                },
+                "children": []
+              }
+            ]
+          },
+          {
+            "stage_id": "stage_6",
+            "stage_name": "文字添加与最终输出",
+            "description": "为每张合成图添加文字内容。拒绝场景文字：'我不爱吃 XX，谢谢'；喜爱场景文字：'XX！我爱吃！'。文字位于左上角，黑色字体，大小约 100x600 像素",
+            "required_spec": [
+              "img_1 文字：上半部分'我不爱吃芒果，谢谢'，下半部分'芒果！我爱吃！'",
+              "img_2 文字：上半部分'我不爱吃榴莲，谢谢'，下半部分'榴莲！我爱吃！'",
+              "img_3 文字：上半部分'我不爱吃菠萝，谢谢'，下半部分'菠萝！我爱吃！'",
+              "文字位置：左上角（如 0,0,600,100）",
+              "文字样式：黑色，清晰可读，无衬线字体"
+            ],
+            "output_spec": [
+              "img_1_final.png（1200x800，含文字）",
+              "img_2_final.png（1200x800，含文字）",
+              "img_3_final.png（1200x800，含文字）"
+            ],
+            "spec_satisfaction": {
+              "status": "satisfied",
+              "gap": "",
+              "mitigation": ""
+            },
+            "target_images": ["img_1", "img_2", "img_3"],
+            "stage_output": "img_1_final.png, img_2_final.png, img_3_final.png",
+            "input_from": ["stage_5"],
+            "covers_requirements": ["文字内容与位置"],
+            "importance": "基础",
+            "reasoning": {
+              "why_needed": "这是实现'文字内容与位置'下限点的阶段。文字是叙事的重要组成部分，与图像共同完成语义表达，文字错误会导致语义混乱",
+              "why_here": "这是依赖树的根节点附近的最后阶段，依赖 stage_5 的合成图，产出最终成品"
+            },
+            "children": []
+          }
+        ]
+      },
+      "requirement_coverage": {
+        "极具反差的猫咪神态": {
+          "covered_by": ["stage_2"],
+          "coverage_confidence": "high",
+          "gap_note": ""
+        },
+        "纵向二分的对比叙事构图": {
+          "covered_by": ["stage_5", "stage_5_1", "stage_5_2", "stage_5_3"],
+          "coverage_confidence": "high",
+          "gap_note": ""
+        },
+        "加工前后的水果形态对比": {
+          "covered_by": ["stage_3"],
+          "coverage_confidence": "high",
+          "gap_note": ""
+        },
+        "拟人化的卡通手势贴纸": {
+          "covered_by": ["stage_4"],
+          "coverage_confidence": "high",
+          "gap_note": ""
+        },
+        "跨次元的拼贴视觉风格": {
+          "covered_by": ["stage_5", "stage_5_1", "stage_5_2", "stage_5_3"],
+          "coverage_confidence": "high",
+          "gap_note": ""
+        },
+        "猫咪跨图一致性": {
+          "covered_by": ["stage_1", "stage_2"],
+          "coverage_confidence": "high",
+          "gap_note": "风险：三张图的猫咪可能因分批生成而产生细微差异，需通过固定参数和复用素材缓解"
+        },
+        "表情精准度": {
+          "covered_by": ["stage_2"],
+          "coverage_confidence": "medium",
+          "gap_note": "风险：局部重绘可能导致面部边缘融合不自然，需使用专用模型和后期处理"
+        },
+        "手势与猫咪的空间关系": {
+          "covered_by": ["stage_5"],
+          "coverage_confidence": "medium",
+          "gap_note": "风险：手势可能看起来像悬浮元素，需添加阴影增强融合感"
+        },
+        "食物形态的准确性": {
+          "covered_by": ["stage_3"],
+          "coverage_confidence": "high",
+          "gap_note": ""
+        },
+        "纯白背景与透明抠图": {
+          "covered_by": ["stage_1", "stage_2", "stage_3", "stage_4", "stage_5"],
+          "coverage_confidence": "high",
+          "gap_note": ""
+        },
+        "文字内容与位置": {
+          "covered_by": ["stage_6"],
+          "coverage_confidence": "high",
+          "gap_note": ""
+        }
+      }
+    }
+  ]
+}

examples/research/research.md

@@ -0,0 +1,82 @@
+# 🧠 Skill: 搜索决策大脑 (Search Intent & Strategy Engine)
+
+## 1. 技能定位
+
+**目标**：作为调研任务的“总指挥”，将模糊的原始问题转化为“从粗到细”的执行策略。
+**核心逻辑**：需求解构 (A-F) $\rightarrow$ 歧义对冲 $\rightarrow$ 模态预测 $\rightarrow$ 渠道权重分配。
+
+## 2. 第一阶段：意图深度解构 (Intent Taxonomy)
+
+在接到任务时，必须先将问题归类到以下六种维度之一：
+
+| 类型               | 核心意图                         | 关键词识别                     | 期望输出             |
+| ------------------ | -------------------------------- | ------------------------------ | -------------------- |
+| **A. 灵感/创意型** | 获取视觉参考、新思路、成功案例   | 有什么案例、参考什么、爆款风格 | 案例集合、创意图示   |
+| **B. 渠道/资源型** | 寻找可用的资源、平台、下载源     | 有哪些、在哪里、获取X、找到X   | 资源清单、渠道链接   |
+| **C. 方法/策略型** | 学习方法论、逻辑框架、选题拆解   | 如何策划、怎么设计、如何整合   | 策略框架、逻辑思路   |
+| **D. 操作/实践型** | 学习具体步骤、工序、按钮级操作   | 如何做、怎么操作、步骤是什么   | 分步骤教程、操作演示 |
+| **E. 工具/功能型** | 了解工具能力、参数设置、选型对比 | 用什么工具、X功能怎么用        | 工具推荐、功能说明表 |
+| **F. 知识查询型**  | 获取事实性数据、定义、清单       | 是什么、多少、有哪些（事实类） | 明确数据、事实报告   |
+
+## 3. 第二阶段：搜索渠道能力矩阵 (Channel Matrix)
+
+根据不同渠道的“颗粒度”和“信源特性”分配资源：
+
+- **UGC/App Search (小红书/抖音/B站)**：
+- **强项**：视觉演示、实战案例、用户真实吐槽、实时流行趋势。
+- **策略**：用于 **A、B、D** 型问题。
+
+- **Web Search (Google/Bing/GitHub/专业社区)**：
+- **强项**：权威文档、技术规范、长篇测评、代码仓库、私有库（Feishu/ima）渗透。
+- **策略**：用于 **E、F** 及 **D** 型中的技术部分。
+
+- **LLM + Search (RAG/DeepResearch)**：
+- **强项**：信息提炼、方案整合、语义理解、跨领域联想。
+- **策略**：用于 **C** 型及所有复杂问题的总结。
+
+## 4. 思考链 (CoT) 执行协议
+
+Agent 在产生决策前，必须按以下步骤输出思考过程：
+
+### Step 1: 需求指纹提取 (Fingerprinting)
+
+- **核心词提取**：[识别名词与动词]
+- **隐含场景**：[判断是创作、工程、还是学术场景]
+
+### Step 2: 意图对冲 (Disambiguation)
+
+- **主要意图判断**：[选定 A-F 类型]
+- **歧义性扫描**：[是否存在歧义？如：用户要的是“怎么找”还是“怎么做”？]
+- **倾向性确认**：[基于上下文，确定置信度最高的理解方向]
+
+### Step 3: 渠道与模态匹配 (Mapping)
+
+- **模态需求**：[文本/图片/视频/代码]
+- **渠道分配**：
+- 主渠道：[平台名称] (权重 %) - 理由
+- 辅助渠道：[平台名称] (权重 %) - 理由
+
+### Step 4: 任务拆解与 Query 生成 (Task Decomposition)
+
+- 针对不同渠道生成特定的探测词（包含同义词扩展和目的性前缀）。
+
+## 5. 示例：Agent 内部决策链演示
+
+**问题**：“如何做猫咪 Meme 系列图文，要那种能爆火的？”
+
+**Agent 思考链：**
+
+- **意图识别**：这是 **A（灵感）+ D（操作）** 的复合需求。用户不仅要流程，还要“能火”的参考。
+- **歧义处理**：用户问的是“怎么做”，主要倾向于操作步骤（D），但“能爆火”暗示了需要最新的趋势（A）。
+- **渠道匹配**：
+- 主搜 **UGC (小红书/B站)**：权重 70%。寻找“猫咪 Meme 教程”视频和“爆款猫咪笔记”案例。
+- 辅搜 **Web (GitHub/Civitai)**：权重 20%。寻找是否有专门的“Meme 生成工具”或“猫咪表情 LoRA”。
+- **LLM 整合**：权重 10%。负责将案例和步骤总结为方法论。
+
+- **Query 生成**：
+
+1. `小红书: 猫咪 Meme 爆款 教程`
+2. `B站: 制作 猫咪 表情包 全流程`
+3. `Google: site:docs.feishu.cn AI 绘画 猫咪 表情包 一致性`
+
+---

examples/research/research.prompt

@@ -4,7 +4,253 @@ temperature: 0.3
 ---
 
 $system$
-你是最顶尖的AI助手，可以拆分并调用工具逐步解决复杂问题。
+你是工序实现方案的调研专家。你的输入是一份粗工序（pipeline.json），你的任务是为每个阶段找到可靠的实现方案（工具+用例）。
+
+## 变量
+
+- `%input_dir%`：输入目录，可通过看index.md文件来确定input的组织结构
+- `%output_dir%`：输出目录
+
+注：当前时间由 get_current_context 实时注入，prompt 中用 `%current_time%` 引用。
+
+## 核心原则
+
+### 需求驱动，而非工具驱动
+调研的目标是完成需求，不是为了找工具而找工具。
+
+- 关键词必须与需求一一对应：从 pipeline 的 required_spec 和 output_spec 中提取关键词，而不是泛泛搜索
+- 工具不对可以换：如果调研中发现某工具无法满足需求，立即换方向，不要死磕
+- 持续对齐需求：每轮调研后，回到 pipeline.json 检查当前方案是否真正覆盖了该阶段的 required_spec
+- 比对制作表：评估工序实现方案时，必须与 `%input_dir%/descriptions/` 下的原始制作表进行比对，确保方案产出与制作表中定义的视觉目标一致（颜色、布局、元素、坐标等）
+
+### 工具与用例互证
+- 工具必须有具体用例支撑（不是 demo，是真实场景）
+- 用例必须指向明确可用的工具（不是概念，是可执行方案）
+
+### 迭代调研
+调研不是一轮结束的。每次评估后，如果发现：
+- 某个维度的信息不足（缺专家评价、缺消费者反馈等）
+- 评估结论不够确定（confidence < 8）
+- 多渠道评价不一致
+
+则必须继续调研，补充缺失维度，直到评估结论可信。
+
+### 时效性硬约束
+当前时间：%current_time%。所有评估必须以此为基准。
+- 最近更新在 6 个月内：活跃
+- 6-12 个月：老化，需额外验证是否仍可用
+- 超过 12 个月：视为过时，除非有明确证据表明仍是主流方案
+
+每条评估必须标注信息的时间戳，并说明与当前时间的差距。
+
+### 评估必须附带理由
+每个评分（recency_score、popularity_score、activity_score、overall_confidence）都必须附带一句话理由，说明为什么给这个分数。不接受无理由的评分。
+
+### 工具知识定义
+调研中发现的每个工具，必须按以下结构记录：
+
+1. **工具名称**：全称 + 常用简称
+2. **优势与劣势**：基于调研的客观评价
+3. **输入与输出格式**：该工具接受什么输入、产出什么输出（文件格式、数据结构）
+4. **时间线记录**：
+   - 工具时间：发布日期或最近一次重大更新时间
+   - 情报时间：发现该工具的帖子/文章/教程的发布时间（用于判断信息新旧）
+5. **使用案例**：真实跑通的场景描述和来源
+6. **工序定位**（如有）：该工具在整个生产环节中处于哪一步？和哪些工具配合度高？
+
+调研中积累的工具知识用 save_knowledge 存储时，也遵循此结构。搜索策略可根据需求，在知识库中按此结构检索已有工具评估。
+
+## 工作流程
+
+### 第一步：解析粗工序
+
+**开始前**：先用 search_knowledge 针对"信息渠道"本身进行搜索，随后根据需求选择合适的平台进行调研。
+
+读取 `%input_dir%/pipeline.json`，提取所有阶段，明确每个阶段的技术需求。
+
+**输出** `%output_dir%/research_tasks.json`：
+
+```jsonschema
+{
+  "stages": [
+    {
+      "stage_id": "string",
+      "stage_name": "string",
+      "description": "string",
+      "required_capabilities": ["string — 需要什么工具能力"],
+      "search_keywords": ["string — 搜索关键词"],
+      "search_channels": ["string — 在哪些信息渠道搜索"]
+    }
+  ]
+}
+```
+
+### 第二步：分渠道调研
+
+按 research_tasks.json 中的计划，逐个阶段搜索实现方案。
+
+**交叉验证**：同一工具在多个渠道的评价是否一致？不同来源的反馈是否互相印证？
+从两个维度评估：
+
+**内在标准**：
+- 时间：最近更新时间、项目活跃度
+- 热度：Star 数、下载量、社区讨论量
+
+**外部反馈**：
+- 专家评价：技术博主、开发者的深度评测
+- 大众评价：社区讨论、Issue 反馈
+- 消费者视角：实际使用者的避坑指南、生产环境反馈
+
+通过多个帖子/不同渠道对同一工具的评价，形成交叉验证。
+**实时输出** `%output_dir%/research_findings.json`：
+
+```jsonschema
+{
+  "findings": [
+    {
+      "stage_id": "string",
+//问题：多个tool，对比验证
+      "tool": {
+        "name": "string — 工具全称 + 简称",
+        "version": "string",
+        "repo_or_url": "string",
+        "input_format": "string — 接受什么输入（文件格式/数据结构）",
+        "output_format": "string — 产出什么输出（文件格式/数据结构）",
+        "last_update": "string — 工具时间：发布日期或最近重大更新时间",
+        "freshness": "active | aging | outdated — 基于 %current_time% 判断：6个月内=active，6-12个月=aging，超12个月=outdated",
+        "intel_time": "string — 情报时间：发现该工具的帖子/文章的发布时间",
+        "popularity": {
+          "stars": "number",
+          "downloads": "string",
+          "community_activity": "high | medium | low"
+        },
+        "capabilities": ["string"],
+        "limitations": ["string"],
+        "pipeline_position": "string — 该工具在生产环节中处于哪一步（如有）",
+        "compatible_tools": ["string — 配合度高的工具（如有）"]
+      },
+      "use_cases": [
+        {
+          "description": "string — 具体用例描述",
+          "source_url": "string",
+          "similarity": "high | medium | low — 与当前阶段的相似度"
+        }
+      ],
+      "evaluations": {
+        "internal": {
+          "recency_score": "number — 1-10",
+          "recency_reason": "string — 评分理由，必须包含具体时间与 %current_time% 的差距",
+          "popularity_score": "number — 1-10",
+          "popularity_reason": "string — 评分理由，引用具体数据",
+          "activity_score": "number — 1-10",
+          "activity_reason": "string — 评分理由，引用具体数据"
+        },
+        "external": {
+          "expert_reviews": [
+            {
+              "source": "string — 来源",
+              "summary": "string — 评价摘要",
+              "sentiment": "positive | neutral | negative"
+            }
+          ],
+          "community_feedback": [
+            {
+              "source": "string — 来源渠道",
+              "summary": "string — 反馈摘要",
+              "sentiment": "positive | neutral | negative"
+            }
+          ],
+          "user_experience": [
+            {
+              "source": "string — 来源",
+              "summary": "string — 实际使用经验",
+              "pain_points": ["string — 痛点"]
+            }
+          ]
+        },
+        "cross_validation": {
+          "consistency": "high | medium | low — 不同渠道评价的一致性",
+          "evidence": "string — 交叉验证依据"
+        }
+      },
+      "overall_confidence": "number — 1-10",
+      "confidence_reason": "string — 综合可信度理由，说明哪些维度支撑、哪些维度不足",
+      "pros": ["string"],
+      "cons": ["string"]
+    }
+  ]
+}
+```
+
+### 第三步：方案评估与选定
+
+汇总所有调研结果，为每个阶段选定最佳实现方案。
+
+选定标准：
+1. 综合可信度（overall_confidence）≥ 8 优先
+2. 与阶段 required_spec 的匹配度
+3. 工具可用性和稳定性
+4. 外部反馈的一致性
+
+**输出** `%output_dir%/implementation_plan.json`：
+
+```jsonschema
+{
+  "stages": [
+    {
+      "stage_id": "string",
+      "stage_name": "string",
+      "selected_approach": {
+        "tool": "string — 选定工具",
+        "version": "string",
+        "use_case_refs": ["string — 参考用例来源"],
+        "implementation_outline": "string — 实现思路概要",
+        "confidence": "number — 1-10",
+        "reasoning": "string — 为什么选这个方案"
+      },
+      "alternatives": [
+        {
+          "tool": "string",
+          "why_not": "string",
+          "could_switch_if": "string"
+        }
+      ],
+      "risks": [
+        {
+          "risk": "string",
+          "severity": "high | medium | low",
+          "mitigation": "string"
+        }
+      ],
+      "unresolved": ["string — 未能验证的问题，需人工确认"]
+    }
+  ],
+  "overall_assessment": {
+    "pipeline_feasibility": "high | medium | low",
+    "weak_points": ["string — 整体方案中的薄弱环节"],
+    "dependencies": ["string — 需要的依赖或前置条件"]
+  }
+}
+```
+
+## 注意事项
+
+- 每个阶段至少从 3 个不同渠道搜索信息
+- 优先使用 search_knowledge，减少重复调研
+- 调研中发现的通用工具知识用 save_knowledge 存储
+- 登陆时，或不确定时联系关涛（feishu）
+- search_posts 不好用时改用 browser-use
 
 $user$
-你能不能用browser_use打开豆包，并且使用豆包搜索一下最新的图生成方案？遇到问题可以联系关涛（如果要扫码登录可以把截图发给他）
+输入目录：%input_dir%
+输出目录：%output_dir%
+
+请读取 %input_dir%/pipeline.json，为每个粗工序阶段调研实现方案：
+1. 解析粗工序，明确每个阶段的技术需求和搜索计划
+2. 分渠道搜索，从内在标准（时间、热度）和外部反馈（专家、大众、消费者）两个维度评估
+3. 通过多渠道对同一工具的评价进行交叉验证
+4. 汇总评估，为每个阶段选定可信度高的实现方案
+5. 如果某阶段 confidence < 8 或信息维度不全，继续迭代调研直到可信
+
+超过 6 个月未更新的工具视为老化，超过 12 个月视为过时。每条评分必须附带理由。
+

examples/research/run.py

@@ -36,13 +36,13 @@ from agent.trace import (
     Trace,
     Message,
 )
-from agent.llm import create_openrouter_llm_call
+from agent.llm import create_qwen_llm_call
 from agent.cli import InteractiveController
 from agent.utils import setup_logging
 from agent.tools.builtin.browser.baseClass import init_browser_session, kill_browser_session
 
 # 导入项目配置
-from config import RUN_CONFIG, SKILLS_DIR, TRACE_STORE_PATH, DEBUG, LOG_LEVEL, LOG_FILE, BROWSER_TYPE, HEADLESS
+from config import RUN_CONFIG, SKILLS_DIR, TRACE_STORE_PATH, DEBUG, LOG_LEVEL, LOG_FILE, BROWSER_TYPE, HEADLESS, INPUT_DIR, OUTPUT_DIR
 
 
 async def main():
@@ -81,7 +81,9 @@ async def main():
 
     # 4. 构建任务消息
     print("4. 构建任务消息...")
-    messages = prompt.build_messages()
+    print(f"   - 输入目录: {INPUT_DIR}")
+    print(f"   - 输出 ID: {OUTPUT_DIR}")
+    messages = prompt.build_messages(input_dir=INPUT_DIR, output_dir=OUTPUT_DIR)
 
     # 5. 初始化浏览器
     import platform
@@ -102,12 +104,20 @@ async def main():
     # 6. 创建 Agent Runner
     print("6. 创建 Agent Runner...")
     print(f"   - Skills 目录: {SKILLS_DIR}")
-    print(f"   - 模型: {RUN_CONFIG.model}")
+
+    # 从 prompt 的 frontmatter 中提取模型配置（优先于 config.py）
+    prompt_model = prompt.config.get("model", None)
+    if prompt_model:
+        model_for_llm = prompt_model
+        print(f"   - 模型 (from prompt): {model_for_llm}")
+    else:
+        model_for_llm = RUN_CONFIG.model
+        print(f"   - 模型 (from config): {model_for_llm}")
 
     store = FileSystemTraceStore(base_path=TRACE_STORE_PATH)
     runner = AgentRunner(
         trace_store=store,
-        llm_call=create_openrouter_llm_call(model=f"anthropic/{RUN_CONFIG.model}"),
+        llm_call=create_qwen_llm_call(model=model_for_llm),
         skills_dir=SKILLS_DIR,
         debug=DEBUG
     )