Agent/pre_upload_list.json

{
  "knowledge": [
    {
      "id": "knowledge-20260412-005446-88f1",
      "task": "nano_banana 工具图片传递方式：本地路径需先上传到 OSS",
      "content": "当使用 nano_banana 工具进行图像生成时，如果直接传入本地相对路径（如 examples/xxx.png）会报 HTTP 503 错误，提示「images[].data 看起来是文件路径但文件不存在」。正确做法是：先调用 image_uploader 工具将本地图片上传到 OSS 获取 CDN URL，再将 CDN URL 传入 nano_banana 的 image_urls 参数。案例：本次 img_2 生成任务中，第一次调用 nano_banana 直接传相对路径失败，改用 image_uploader 上传 character_ref_back.png 和 img_1_restored_v1.png 获取 CDN URL 后成功生成。",
      "types": ["experience"],
      "tags": {
        "intent": "图像生成",
        "state": "nano_banana",
        "tool": "image_uploader"
      },
      "score": 4,
      "source": {"category": "research"}
    },
    {
      "id": "knowledge-20260412-005446-bc40",
      "task": "nano_banana 多图融合保持人物一致性的有效方法",
      "content": "当需要保持与前序生成结果的人物一致性时，使用 nano_banana 工具的多图融合功能是有效方案。具体做法：在 image_urls 数组中同时传入底图（人物参考）和前序生成结果图，prompt 中明确描述需要保持的特征（如服装款式、发型等）。案例：img_2 生成时传入 character_ref_back.png（底图）和 img_1_restored_v1.png（前序结果），成功保持了白裙 V 字露背设计和棕色长发的一致性，评估得分 8.5/10，服装维度 8/10。",
      "types": ["experience"],
      "tags": {
        "intent": "人物一致性",
        "state": "nano_banana",
        "technique": "多图融合"
      },
      "score": 4,
      "source": {"category": "research"}
    },
    {
      "id": "knowledge-20260411-172350-toolhub-500-toollist-fallback",
      "task": "toolhub_search 返回 500 错误时的替代方案",
      "content": "当 toolhub_search 返回 HTTP 500 错误时，可以使用 tool_list 工具获取可用工具列表。\n\n场景：ToolHub 服务健康检查通过（toolhub_health 返回 ok），但 toolhub_search 返回 500 Internal Server Error。\n\n解决方案：\n```python\n# toolhub_search 失败时\ntools = tool_list(limit=50)  # 获取前 50 个工具\n# 从 results 数组中查找目标工具\n```\n\ntool_list 返回的工具包含：id, name, introduction, input, output, status 等字段，可用于查找合适的工具。\n\n案例：img_4 v2 任务中，toolhub_search 返回 500 错误，改用 tool_list 成功找到 nano_banana、flux_generate、seedream_generate 等图像生成工具。",
      "types": ["experience"],
      "tags": {
        "intent": "工具查找",
        "state": "toolhub",
        "tool": "tool_list"
      },
      "score": 4,
      "source": {"category": "execution"}
    },
    {
      "id": "knowledge-20260411-172350-nano-banana-multi-image-workflow",
      "task": "多图参考的图像生成工作流（nano_banana）",
      "content": "使用 nano_banana 进行多图融合意象生图的工作流：\n\n**适用场景**：需要同时参考多张图片（人物、背景、道具等）进行融合生成\n\n**步骤**：\n1. 使用 image_uploader 将所有参考图上传到 CDN，获取 cdn_url\n2. 调用 nano_banana，在 image_urls 数组中传入所有 CDN URL\n3. 在 prompt 中描述期望的融合效果\n\n**参数配置**：\n```json\n{\n  \"prompt\": \"详细描述期望的融合效果\",\n  \"image_urls\": [\"人物图 CDN\", \"背景图 CDN\", \"道具图 CDN\", ...],\n  \"aspect_ratio\": \"3:4\",\n  \"image_size\": \"2K\",\n  \"response_modalities\": [\"IMAGE\"]\n}\n```\n\n**优势**：\n- 原生支持多图融合，无需手动拼接\n- 跨模态意象重组能力强\n- 适合复杂场景的参考图融合\n\n**案例**：img_4 v2 任务中，传入 4 张参考图（人物侧身、绿色背景、前序结果、调色板），成功生成融合多元素的高质量图像，评分 8.5/10。",
      "types": ["strategy"],
      "tags": {
        "intent": "图像生成",
        "state": "nano_banana",
        "workflow": "多图融合"
      },
      "score": 5,
      "source": {"category": "execution"}
    },
    {
      "id": "knowledge-20260411-161039-toolhub-500-strategy",
      "task": "ToolHub 搜索服务 500 错误时的应对策略",
      "content": "当 toolhub_search 返回 500 Internal Server Error 时，不要立即放弃，可以直接尝试调用已知工具 ID 的 toolhub_call。原因：toolhub_search 是查询工具列表的服务，而 toolhub_call 是直接调用工具的服务，两者可能部署在不同端点，搜索服务故障时工具调用服务可能仍然正常。\n\n案例：本次 img_3 生成任务中，toolhub_search() 连续两次返回 500 错误，但直接调用 toolhub_call(tool_id='nano_banana', params={...}) 成功执行并返回结果。",
      "types": ["experience"],
      "tags": {
        "intent": "图像生成",
        "state": "ToolHub 服务异常"
      },
      "score": 4,
      "source": {"category": "research"}
    },
    {
      "id": "knowledge-20260411-161039-image-downloader-save",
      "task": "图片文件保存的可靠方案：使用 image_downloader 替代 bash_command",
      "content": "当需要将 ToolHub 生成的图片保存到指定路径时，如果 bash_command 的 cp/mv 命令失败（可能由于路径格式、权限或环境问题），可以使用 image_downloader 从 CDN URL 下载到目标路径。\n\n具体做法：\n1. 从 toolhub_call 返回结果中获取 cdn_urls[0]（永久 CDN 链接）\n2. 调用 image_downloader(url=cdn_url, save_path=目标路径)\n3. 支持相对路径和绝对路径，自动创建目录\n\n案例：本次任务中，bash_command('cp outputs/.../xxx.jpg examples/.../img_3_restored_v1.png') 失败，改用 image_downloader(url='https://res.cybertogether.net/toolhub_images/...', save_path='examples/production_restore/output_origin/img_3_restored_v1.png') 成功保存。",
      "types": ["experience"],
      "tags": {
        "intent": "文件保存",
        "state": "bash_command 失败"
      },
      "score": 4,
      "source": {"category": "research"}
    },
    {
      "id": "knowledge-20260410-170301-workflow-variant-steps-format",
      "task": "工作流分析结果整合：能力模块变体步骤格式转换规范",
      "content": "## 背景\n在整合工作流分析结果时，能力模块（capability_modules）中的变体（variants）需要将 steps 数组从字符串格式转换为对象格式，以提供更丰富的步骤描述和元数据。\n\n## 格式转换规则\n\n### 原始格式\n```json\n\"steps\": [\"步骤 1 描述\", \"步骤 2 描述\", \"步骤 3 描述\"]\n```\n\n### 目标格式\n```json\n\"typical_steps\": [\n  {\"step\": \"步骤 1 描述\", \"detail\": \"步骤 1 的详细说明\"},\n  {\"step\": \"步骤 2 描述\", \"detail\": \"步骤 2 的详细说明\"},\n  {\"step\": \"步骤 3 描述\", \"detail\": \"步骤 3 的详细说明\"}\n]\n```\n\n### 转换规则\n1. **字段名变更**：将 `\"steps\"` 改为 `\"typical_steps\"`\n2. **结构转换**：每个步骤字符串拆分为 `{step, detail}` 对象\n3. **step 字段**：保留原步骤描述（简洁动宾结构，20 字以内）\n4. **detail 字段**：补充该步骤的具体操作说明或目的\n\n## detail 字段编写指南\n\n### 类型 1：操作说明型\n描述具体执行的操作、使用的工具或参数\n- 示例：`\"使用 Nano Banana Pro 上传双参考图（正面 + 侧面），启用锁脸功能\"`\n- 示例：`\"在 ComfyUI 中加载 Face LoRA 模型，设置权重为 0.8\"`\n\n### 类型 2：目的说明型\n说明该步骤的目的或解决的问题\n- 示例：`\"解决单一参考图导致的身份漂移问题，提供多角度一致性基准\"`\n- 示例：`\"确保生成的角色在不同视角下保持面部特征一致\"`\n\n### 类型 3：参数说明型\n列出关键参数设置或配置选项\n- 示例：`\"设置皮肤纹理强度 0.7，毛孔细节参数 0.6，降噪值 0.4-0.6\"`\n- 示例：`\"采样器：DPM++ 2M SDE Karras，迭代步数：30，CFG Scale：7\"`\n\n## provenance 元数据构建\n\n每个工作流（wf_XXX）需要构建 provenance 字段记录来源元数据：\n\n```json\n\"provenance\": {\n  \"source_channel\": \"来源渠道（如'Markdown 报告'、'小红书'、'YouTube'）\",\n  \"source_name\": \"原始报告名称或视频标题\",\n  \"category\": \"所属分类（如'人物肖像'、'场景构建'、'纹理效果'）\"\n}\n```\n\n### 字段说明\n- **source_channel**：数据来源渠道\n  - 可选值：`\"Markdown 报告\"`, `\"小红书\"`, `\"X (Twitter)\"`, `\"YouTube\"`, `\"知乎\"`, `\"GitHub\"`\n- **source_name**：原始资料名称\n  - 示例：`\"02_portrait_closeup_workflow_research_report.md\"`\n  - 示例：`\"AI Filmmaking: The Ultimate Guide to Cinematic Lighting\"`\n- **category**：工作流所属分类\n  - 可选值：`\"人物肖像\"`, `\"场景构建\"`, `\"光影控制\"`, `\"纹理效果\"`, `\"视频生成\"`, `\"后期处理\"`\n\n## 完整变体定义示例\n\n```json\n{\n  \"variant_id\": \"cm_001_v2\",\n  \"variant_name\": \"双图参考方案\",\n  \"capability_module\": \"cm_001\",\n  \"typical_steps\": [\n    {\n      \"step\": \"上传双参考图\",\n      \"detail\": \"使用 Nano Banana Pro 上传正面和侧面两张参考图，确保光线和角度互补\"\n    },\n    {\n      \"step\": \"锁定身份特征\",\n      \"detail\": \"启用锁脸功能，设置...",
      "types": ["strategy"],
      "tags": {
        "domain": "工作流分析",
        "stage": "结果整合",
        "format": "JSON",
        "related_modules": ["cm_001", "cm_002"],
        "related_workflows": ["wf_001", "wf_002", "wf_003", "wf_005"]
      },
      "score": 4,
      "source": {"category": "research"},
      "relations": {
        "related_knowledge": [
          "knowledge-20260410-165050-ai-portrait-workflow-variants.json:AI 人像工作流能力模块变体分析（已有 typical_steps 格式实例）",
          "knowledge-20260410-165547-ai-workflow-capability-modules.json:AI 图像生成工作流能力模块体系（16 个能力模块）",
          "knowledge-20260410-wf-002:工作流意图分析输出格式规范（intent 输出格式）"
        ],
        "capability_modules": ["cm_001", "cm_002"],
        "workflows": ["wf_001", "wf_002", "wf_003", "wf_005"]
      },
      "status": "pending_upload",
      "buffer_file": "knowledge-20260410-170301-workflow-variant-steps-format.json"
    },
    {
      "task": "工作流意图聚类分析方法论",
      "content": "## 核心流程\n1. **意图归纳**：将工作流的技术步骤归纳为意图级描述（20 字以内，动宾结构）\n2. **语义聚类**：对跨工作流的意图列表做语义聚类，发现品类无关的能力模块\n3. **变体发现**：在一个能力模块内发现不同实现变体\n4. **粗工序总结**：对一个品类的工作流总结因果性编排思路\n\n## 聚类原则\n- **忠实于数据**：不臆造不存在于原始步骤中的意图或工具\n- **意图粒度判断**：根据上下文判断合并粒度，目标是让不同工作流可比较\n- **品类无关命名**：能力模块名称 4-8 字，品类无关（如\"定义风格\"而非\"电商风格定义\"）\n- **语义相近归并**：如\"定义视觉风格\"/\"注入美学风格\"/\"建立风格参考体系\" → \"定义风格\"\n\n## 能力模块示例（16 个）\n1. 准备参考素材：收集或生成用于后续创作的参考图像、纹理、角色基础等素材\n2. 定义角色特征：设定人物面部特征、表情状态、身份一致性等角色属性\n3. 构建场景环境：创建或合成场景背景、虚拟环境、空间布局\n4. 配置光影效果：设置光源方向、灯光类型、明暗对比等光照条件\n5. 控制姿态构图：控制人物姿态、画面构图、视角、摄影参数\n6. 应用风格控制：应用风格迁移、保持视觉一致性、注入特定美学风格\n7. 执行内容生成：执行核心的图像、视频、渲染生成操作\n8. 修复细节瑕疵：对局部区域进行重绘、修复瑕疵、优化细节\n9. 增强图像质量：提升图像分辨率、质量增强、最终精修\n10. 配置控制技术：配置 ControlNet、深度图、姿态图等控制条件\n11. 后期合成处理：抠图、选区创建、图像合成、图层处理\n12. 视频后期处理：视频剪辑、颜色分级、特效增强\n13. 处理纹理效果：添加纹理、颗粒、质感、色调等视觉效果\n14. 生成参考图表：生成角色参考表、多视角图、多表情图等参考资料\n15. 配置工作流：配置工具节点、构建流程、设置参数\n16. 创建纹理布局：创建四方连续、渐变网格、矢量图形等纹理布局\n\n## 输出格式\n每个能力模块包含：模块 ID（cm_001 起）、模块名称、描述、包含的意图列表（带来源工作流 ID）",
      "types": ["strategy"],
      "tags": {
        "domain": "工作流分析",
        "method": "语义聚类",
        "application": "AI 创作工作流"
      },
      "score": 5,
      "source": {"category": "research"},
      "_note": "系统化的工作流意图聚类方法论，补充现有'工作流意图分析输出格式规范'和'工作流意图归纳的粒度判断原则'，提供完整的 4 步核心流程和 16 个能力模块示例"
    },
    {
      "task": "AI 人像背景虚化技术参数（补充）",
      "content": "## 核心摄影参数\n- **镜头焦距**：85mm（人像标准镜头）\n- **光圈值**：f/1.4 - f/1.8（极浅景深）\n\n## 提示词关键词库\n- shallow depth of field\n- extremely shallow depth of field\n- bokeh\n- background blur\n- 85mm lens\n- f/1.8 aperture\n\n## 后期工具\n- Photoshop Lens Blur：创建主体选区后应用 Lens Blur 效果，设置虚化强度、光圈形状、焦距参数\n- DxO Photolab 9 Bokeh：自动主体检测后应用 Bokeh 效果\n\n## 实现方式\n1. **生成时控制**：在提示词中指定摄影参数（85mm lens, f/1.8 aperture, shallow depth of field）\n2. **后期添加**：使用专业工具添加虚化效果\n\n## 适用工作流\n- 冬夜情绪人像（6 步工作流，第 6 步质感要求：浅景深，明显背景虚化，轻微胶片颗粒）\n- 时尚杂志封面（3 步工作流：上传人脸参考→输入提示词含 85mm 镜头/f/1.8 光圈/浅景深→生成 8K 画质）\n- Nano Banana 2 工作室肖像\n- Seedream 4.5 极端特写\n- 参考图一致性肖像\n- 背景虚化后期工作流",
      "types": ["tool"],
      "tags": {
        "source": "02_portrait_closeup_workflow_research_report.md",
        "domain": "AI 生图",
        "intent": "背景虚化",
        "tools": "Photoshop,DxO,Stable Diffusion,Nano Banana,Seedream"
      },
      "score": 5,
      "source": {"category": "research"},
      "_note": "与已有 strategy 类型知识'AI 人像背景虚化效果实现方法汇总'互补，补充具体参数值和适用工作流列表"
    },
    {
      "task": "AI 人像皮肤质感修复技术（补充）",
      "content": "## 问题背景\nAI 生成的人像常有塑料感皮肤、缺乏毛孔细节\n\n## 核心解决方案\n**工具**：Enhancor.ai Skin Realism + Portrait Upscaler\n\n## 处理流程\n1. 生成基础人像（Midjourney / Flux Pro Ultra / Google Imagen 4）\n2. 裁剪人脸区域（可选，将人脸裁剪至更近特写）\n3. 使用 Skin Realism 修复皮肤质感\n   - 设置皮肤纹理强度\n   - 设置毛孔细节参数\n4. 眼部修复（可选）\n5. 超分辨率放大（2x-4x）\n\n## 提示词关键词（减少后期需求）\n**正向**：\n- realistic skin texture with visible pores and natural imperfections\n- no plastic smoothing\n- dewy smooth\n- fine hair strand separation\n- subtle catchlights in eyes\n\n**负面**：\n- plastic skin\n- airbrushed\n- oversmoothed\n- matte skin\n\n## 适用场景\n- 商业人像摄影\n- 广告牌级别输出\n- 高端工作室肖像",
      "types": ["tool"],
      "tags": {
        "source": "02_portrait_closeup_workflow_research_report.md",
        "domain": "AI 生图",
        "intent": "皮肤质感修复",
        "tools": "Enhancor.ai,Midjourney,Flux Pro Ultra"
      },
      "score": 5,
      "source": {"category": "research"},
      "_note": "与已有 strategy 类型知识'AI 人像皮肤质感修复工作流（Enhancor + 多模型）'互补，内容结构更紧凑，适合作为 tool 类型快速查阅"
    },
    {
      "task": "AI 电影制作 20 种电影级灯光提示词工作流",
      "content": "## 工作流概述\n**来源视频**: \"AI Filmmaking: The Ultimate Guide to Cinematic Lighting (20 Prompts)\" - Dom the AI Tutor\n**适用场景**: 快速创建各种电影级灯光效果，适合初学者\n**复杂度**: 低\n\n## 20 种灯光类型\n\n| Step | 灯光类型 | 效果描述 | 关键参数 |\n|------|----------|----------|----------|\n| 1 | Butterfly Lighting | 派拉蒙光，正面高位光源 | 正面高位 |\n| 2 | Rembrandt Lighting | 三角阴影，45 度侧光 | 45 度侧光 |\n| 3 | Golden Hour | 日落光辉，暖色调自然光 | 暖色调 |\n| 4 | Blue Hour | 黄昏神秘感，冷色调环境光 | 冷色调 |\n| 5 | Volumetric Lighting | 上帝光/丁达尔效应 | 体积光参数 |\n| 6 | Lunar Glow | 镜面反射，皮肤高光 | Specular Reflection |\n| 7 | Cyberpunk Bi-Color | 双色霓虹对比 (蓝/粉) | Bi-Color Neon |\n| 8 | TV Glow | 电子环境光，屏幕光模拟 | 屏幕光 |\n| 9 | High-Key Lighting | 高调干净布光，低对比度 | 低对比度 |\n| 10 | Rim Light | 光环分离，背光/轮廓光 | 背光 |\n| 11 | Gobo Projection | 百叶窗/图案投影 | 投影模板 |\n| 12 | Under Lighting | 底光，低位光源，反派效果 | 低位光源 |\n| 13 | Firework Reflections | 动态色彩，多色反射 | 多色反射 |\n| 14 | Book Light | 奢华柔光，书灯/柔光箱 | 柔光箱 |\n| 15 | Negative Fill | 负补光，吸光板控制阴影 | 吸光板 |\n| 16 | Cameo Lighting | 虚空隔离，全黑背景 + 聚光 | 全黑背景 |\n| 17 | Silhouette Lighting | 剪影，逆光剪影 | 逆光 |\n| 18 | Mixed Temperature | Hero Glow 混合温度效果 | 冷暖对比 |\n| 19 | Soft Light | 柔和漫射光 | 漫射 |\n| 20 | Dramatic Light | 高对比度戏剧性光 | 高对比度 |\n\n## 提示词组合公式\n```\n[主体描述] + [灯光类型] + [色温设定] + [时间/氛围] + [相机参数] + [风格修饰]\n\n示例:\nA dramatic portrait, Rembrandt lighting with 45° side light, \nwarm 3000K color temperature, golden hour atmosphere, \n85mm lens f/1.8, cinematic film grain, chiaroscuro effect\n```",
      "types": ["strategy"],
      "tags": {
        "source": "YouTube-Dom the AI Tutor",
        "domain": "AI 生图",
        "effect": "电影级灯光",
        "video_id": "RCHw0PtE92M"
      },
      "score": 5,
      "source": {"category": "research"}
    },
    {
      "task": "Qwen Image 多角度重打光工作流 (ComfyUI)",
      "content": "## 工作流概述\n**来源视频**: \"Relight Images with Qwen Image LoRA: Multi-Angle Lighting in ComfyUI\" - Code Crafters Corner\n**适用场景**: 对已有图像进行精确的多角度重新打光\n**复杂度**: 高\n\n## 工作流步骤\n\n| Step | 输入 | 输出 | 工具/模型/参数 |\n|------|------|------|----------------|\n| 1 | 原始图像 (真实或 AI 生成) | 待处理图像 | Qwen Image Edit 2509 Workflow |\n| 2 | 灯光方向选择 | 10 种相机角度之一 | Multi-Angle Lighting LoRA |\n| 3 | 蒙版 (可选) | 选择性重打光区域 | Affinity Photo/外部蒙版工具 |\n| 4 | 灯光颜色提示 | 彩色光照效果 | Color Prompt |\n| 5 | 第二张图像 (可选) | 亮度映射图 | Luminance Map (黑白图像) |\n| 6 | 提示词结构 | 特定灯光方向 | 10 种相机角度选项 |\n| 7 | Ksampler 设置 | 速度与质量平衡 | Lightning LoRA 参数 |\n| 8 | 工作流整合 | 最终重打光图像 | Custom ComfyUI Workflow |\n\n## 10 种相机角度灯光选项\n1. **Front Light (正面光)**: 均匀照亮主体\n2. **Side Light (侧光)**: 创建强烈明暗对比\n3. **Back Light (背光)**: 创建轮廓光和剪影效果\n4. **Top Light (顶光)**: 从上向下照射\n5. **Bottom Light (底光)**: 戏剧性反派效果\n6. **45° Angle (45 度角光)**: 经典人像布光\n7. **Rim Light (边缘光)**: 主体边缘光晕\n8. **Ambient Light (环境光)**: 柔和漫射光\n9. **Dramatic Light (戏剧性光)**: 高对比度光影\n10. **Soft Light (柔和光)**: 低对比度柔光\n\n## 关键技术\n- **选择性重打光**: 使用蒙版精确控制光照区域\n- **亮度映射**: 使用第二张黑白图像引导光照分布\n- **多角度控制**: 10 种预设相机角度灯光，可组合使用",
      "types": ["strategy"],
      "tags": {
        "source": "YouTube-Code Crafters Corner",
        "domain": "AI 生图",
        "tool": "Qwen Image",
        "effect": "多角度重打光"
      },
      "score": 5,
      "source": {"category": "research"}
    },
    {
      "task": "AI 渲染引擎工作流 (3D 转 AI 渲染)",
      "content": "## 工作流概述\n**来源视频**: \"We Built an AI Render Engine for FREE\" - Mickmumpitz\n**适用场景**: 需要物理精确的光影效果，如体积光、折射、反射\n**复杂度**: 高\n\n## 工作流步骤\n\n| Step | 输入 | 输出 | 工具/模型/参数 |\n|------|------|------|----------------|\n| 1 | 3D 场景 (Blender) | 深度图 + 轮廓通道 | Blender Export Passes |\n| 2 | 深度图 + 轮廓 | 风格参考帧 | Z-Image Turbo |\n| 3 | 风格参考 | 一致的视频序列 | SkyReels V3 R2V + Wan VACE |\n| 4 | ControlNet 引导 | 遵循 3D 几何的 AI 生成 | ControlNet Parameters |\n| 5 | 模型合并 | 真实纹理 + 光照 + 烟雾 + 水效 | Inner-Reflections Model Merge |\n| 6 | 参考图像切换 | 视觉风格即时变化 | Reference Swap |\n| 7 | 多参考合并 | 完全创意控制 | Multiple Reference Merge |\n| 8 | 批量渲染 (高级) | 无限长度风格一致视频 | Batch Rendering + Segment Blending |\n\n## 工具列表\n- **ComfyUI**: 工作流框架\n- **Blender**: 3D 场景创建和渲染通道导出\n- **SkyReels V3 R2V**: 视频生成\n- **Wan VACE**: 视频模型\n- **Inner-Reflections Model Merge**: 模型合并技术\n- **Z-Image Turbo**: 风格参考生成\n\n## 灯光相关技术\n- **体积光模拟**: AI 添加烟雾中的丁达尔效应\n- **光线折射**: 水效果中的光线弯曲和色散\n- **动态光照**: 爆炸碎片中的实时光照变化\n- **真实反射**: 基于物理的反射和折射效果",
      "types": ["strategy"],
      "tags": {
        "source": "YouTube-Mickmumpitz",
        "domain": "AI 生图",
        "tool": "Blender+ComfyUI",
        "effect": "物理光影模拟"
      },
      "score": 5,
      "source": {"category": "research"}
    },
    {
      "task": "在 AI 生图工序调研任务中，如何高效进行多渠道广度扫描与汇总",
      "content": "当需要调研特定生图需求的多步工序（Workflow）时，应该采用「多渠道并行调研 + 统一汇总」策略（原因：单一渠道信息有限，多渠道可覆盖不同平台和语言的工作流，提高调研全面性）。具体方法：\n\n1. **关键词构造**：将业务能力需求转换为 AI 生图工序/工作流搜索词，关键词应偏向寻找「教程」「工作流」「全套方案」，而非单一软件名。准备 3-5 个关键词覆盖不同表述。\n\n2. **并行渠道调研**：默认使用小红书、X/Twitter、YouTube 三个渠道，为每个渠道启动独立的 research 子 agent，任务描述需明确：\n   - 每个关键词搜索 20 条结果\n   - 只提取多步工序（Workflow），严格拆解步骤（包含输入、输出、工具）\n   - 输出结构化格式（Step 序号、输入、输出、使用的工具/模型/参数）\n\n3. **知识汇总**：调研完成后使用 knowledge_search 或 ask_knowledge 查询已保存的知识，整合多渠道数据输出结构化报告。\n\n案例：本次「光影对比场景图」调研，5 个关键词×3 渠道，共保存 11 条高价值知识，最终汇总输出 9 个完整工作流的调研报告。",
      "types": ["experience"],
      "tags": {
        "intent": "工序调研",
        "state": "多渠道并行",
        "domain": "AI 生图"
      },
      "score": 5,
      "source": {"category": "execution"}
    },
    {
      "task": "AI 人像背景虚化效果实现方法汇总",
      "content": "## 方法 1：提示词控制（生成时）\n**适用工具**：Nano Banana 2、Seedream 4.5、Grok Imagine Pro、Stable Diffusion、Midjourney\n**核心参数**：\n- 镜头：85mm lens\n- 光圈：f/1.4、f/1.8\n- 景深：shallow depth of field、extremely shallow depth of field\n- 虚化：soft bokeh blur、background bokeh、blurring background completely\n**示例提示词**：`85mm lens, f/1.8 aperture, shallow depth of field, background bokeh, photorealistic`\n\n## 方法 2：后期处理（生成后）\n**工具 1：Photoshop Lens Blur**\n步骤：1) 导入人像图片；2) 创建主体选区（智能选区）；3) 应用 Lens Blur 效果，设置虚化强度、光圈形状、焦距参数；4) 微调边缘过渡（蒙版羽化）\n\n**工具 2：DxO Photolab 9 Bokeh**\n步骤：1) 导入图片；2) 自动主体检测；3) 应用 Bokeh 效果，调整虚化参数\n\n## 方法 3：专业工作流\n**冬夜情绪人像工作流**（6 步）：场景→人物→姿态→构图（中近景半身）→光线→质感（浅景深，明显背景虚化，轻微胶片颗粒）\n\n**时尚杂志封面工作流**（3 步）：上传人脸参考→输入提示词（85mm 镜头、f/1.8 光圈、浅景深、背景虚化）→生成（8K 画质、电影级专业影棚灯光）",
      "types": ["strategy"],
      "tags": {
        "domain": "AI 生图",
        "effect": "背景虚化",
        "source": "小红书/X/YouTube 调研"
      },
      "score": 5,
      "source": {"category": "research"}
    },
    {
      "task": "AI 人像面部表情自然化工作流集合",
      "content": "## 工作流 1：灵动感表情写真（nano-banana）\n**步骤**：\n1. 选择合适的底图：避开证件照式死板正脸，选择有自然神态的底图（有\"肌肉记忆\"）\n2. 使用锁脸技术：上传底图，启用 nano-banana 锁脸功能，面部特征锁定\n3. 注入灵动感：调整神态参数，添加微表情描述\n**适用场景**：表情自然的人像写真、避免面瘫效果\n\n## 工作流 2：AI 九宫格表情包（NanoBanana/即梦 3.0pro）\n**步骤**：\n1. 准备参考图片：主体图（想要变身的人物）+ 参考图（表情参考）\n2. 输入提示词：生成 3×3 照片网格，保持面部、发型、服装一致，输出 9 张不同表情\n3. 生成表情包：参数保持真实人物脸部特写，不要卡通化\n**输出**：9 张不同表情的九宫格表情包\n\n## 工作流 3：Canva AI Face Expression（快速多表情）\n**步骤**：\n1. 上传基础照片：单张人物照片（正面、清晰面部）\n2. 选择目标表情：预设表情（微笑、惊讶、严肃、开心等）\n3. 批量生成：重复选择不同表情，批量处理\n**优势**：快速、无需提示词、预设表情模板\n\n## 工作流 4：Seedream 4.5 极端特写休息肖像\n**关键表情参数**：eyes closed (peaceful, resting)、mouth slightly parted (relaxed, vulnerable)、clean dewy 'no-makeup' style\n**负面提示**：open eyes、heavy makeup、stiff pose\n\n## 提示词控制技巧（增强表情自然度）\n**正向提示词**：\n- direct steady eye contact（直接稳定的眼神接触）\n- subtle catchlights in eyes（眼中微妙的反光）\n- calm introspective expression（平静的内省表情）\n- slightly parted lips relaxed（微微张开的放松嘴唇）\n- closed eyes with visible lashes（闭眼可见睫毛）\n\n**负面提示词**：\n- stiff pose（僵硬姿势）\n- looking at camera（当需要避免直视时）\n\n## 适用场景\n表情包制作、YouTube 缩略图、社交媒体内容、情绪人像写真",
      "types": ["strategy"],
      "tags": {
        "domain": "AI 生图",
        "effect": "面部表情",
        "source": "02_portrait_closeup_workflow_research_report.md",
        "tools": "nano-banana,NanoBanana,Canva AI，即梦，Seedream"
      },
      "score": 5,
      "source": {"category": "research"}
    },
    {
      "task": "AI 人像皮肤质感修复工作流（Enhancor + 多模型）",
      "content": "## 问题背景\nAI 生成的人像常出现\"塑料皮肤\"问题（过度平滑、无毛孔细节、不真实）\n\n## 完整工作流\n**步骤 1：生成基础人像图片**\n- 工具：Midjourney / Google Imagen 4 (via Whisk) / Reeve / Flux Pro Ultra\n- 输入：近景人像提示词，如'close-up portrait, photorealistic, DSLR, 85mm'\n- 输出：AI 生成的基础人像图片（可能存在塑料皮肤问题）\n\n**步骤 2：裁剪人脸区域（如需要）**\n- 工具：图像裁剪工具\n- 输入：基础人像图片，将人脸区域裁剪至更近的特写\n- 输出：裁剪后的人脸特写图片\n\n**步骤 3：修复 AI 塑料皮肤质感**\n- 工具：Enhancor.ai (Skin Realism + Portrait Upscaler)\n- 输入：AI 生成的人像图片，设置皮肤纹理强度、毛孔细节参数\n- 输出：具有真实皮肤纹理、毛孔细节的人像图片\n- 关键参数：皮肤纹理强度、毛孔细节\n\n**步骤 4：修复眼部瑕疵（可选）**\n- 工具：Enhancor.ai 眼部修复功能\n- 输入：修复后的人像图片，指定眼部区域\n- 输出：眼部细节完美的人像图片\n\n**步骤 5：超分辨率放大**\n- 工具：Enhancor.ai Portrait Upscaler\n- 输入：修复后的人像图片，选择放大倍数（如 4x）\n- 输出：billboard 级别的高分辨率人像图片\n\n## 提示词技巧\n添加以下提示词可减少后期修复需求：\n- realistic skin texture with visible pores and natural imperfections\n- no plastic smoothing\n- dewy, smooth, feeling soft like velvet or hydrated silk\n- soft specular highlights physically reflecting off the nose tip, cheekbone, and lower lip\n- fine hair strand separation",
      "types": ["strategy"],
      "tags": {
        "domain": "AI 生图",
        "effect": "皮肤质感",
        "source": "YouTube 调研",
        "tool": "Enhancor.ai"
      },
      "score": 5,
      "source": {"category": "research"}
    },
    {
      "task": "Stable Diffusion ControlNet 多单元协同光影控制工作流",
      "content": "## 工作流程\n\n### Step 1: 准备输入素材\n- 输入：建筑渲染图（白模/素模）或产品/人像原图\n- 输入：参考图（城市夜景照片或光影素材图）\n- 输入：光束图（黑白光影素材，尺寸需与原图保持一致）\n\n### Step 2: ControlNet 单元配置\n\n**ControlNet 单元 0 - Lineart(线稿) 模式**\n- 预处理器：lineart_realistic\n- 模型：control_v11p_sd15_lineart\n- 控制权重：1\n- 引导介入时机：0\n- 引导终止时机：1\n- 控制模式：ControlNet is more important\n\n**ControlNet 单元 1 - Reference(参考) 模式**\n- 预处理器：reference_only\n- 控制权重：1\n- 引导介入时机：0\n- 引导终止时机：1\n- 用途：风格迁移，保持参考图光影氛围\n\n**ControlNet 单元 2 - Shuffle(随机洗牌) 模式**\n- 模型：control_v11e_sd15_shuffle_fp16\n- 控制权重：0.3（避免过度影响原图）\n- 引导介入时机：0\n- 引导终止时机：0.7\n- 用途：色彩分布控制\n\n**ControlNet 单元 3 - Depth(深度) 模式（可选）**\n- 预处理器：depth_zoe\n- 模型：control_v11f1p_sd15_depth\n- 控制权重：1\n- Starting Step: 0, Ending Step: 1\n\n### Step 3: 提示词配置\n\n**正向提示词（光影核心关键词）**\n- Volumetric lighting（体积光）\n- Rim lighting（边缘光）\n- Sunlight（阳光）\n- Backlight（逆光）\n- Tyndall light / God rays / Light beams（丁达尔光）\n- Crepuscular rays（黄昏光线）\n- Soft light（柔和光线）\n- Dimly lit（昏暗光线）\n- depth of field, bokeh（景深、散景）\n\n**反向提示词**\n- lowres, bad anatomy, bad hands, text, watermark, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, username, blurry, extra limbs\n\n### Step 4: 采样参数设置\n- 采样方法：DPM++ 2M SDE Karras 或 DPM + 2M\n- 迭代步数：30\n- 高清修复：开启\n- 重绘幅度：0.7-0.8（过高会丢失原图细节）\n- 分辨率：512×768 → 1024×1536（高清修复后）\n- CFG Scale：7\n\n### Step 5: ADetailer 面部保护（人像场景必选）\n- 启用 After Detailer\n- 模型：face_yolov8n.pt\n- 用途：防止人物面部出现畸变\n\n### Step 6: 生成输出\n- 点击生成按钮自动合成\n- 输出：光影增强图（原图与光束图形成很好的结合）\n\n## 避坑指南\n1. ControlNet 权重设置：Shuffle 模式建议权重 0.3，避免过度影响原图\n2. ADetailer 面部保护：人像光影合成时务必开启，防止面部畸变\n3. 高清修复参数：重绘幅度建议 0.7-0.8，过高会丢失原图细节\n4. 光束图尺寸：必须与原图保持一致，否则合成效果不佳\n5. VAE 连接：切勿忘记连接模型 VAE，否则无法正确解码",
      "types": ["strategy"],
      "tags": {
        "domain": "AI 生图",
        "source": "小红书调研",
        "technique": "光影控制，体积光，丁达尔效应",
        "tool": "Stable Diffusion, ControlNet"
      },
      "score": 5,
      "source": {"category": "research"}
    },
    {
      "task": "IC-Light 重新照明工作流（ControlNet 作者新项目）",
      "content": "## 项目信息\n- Github 链接：https://github.com/lllyasviel/IC-Light\n- 用途：控制图像光照的重新照明项目\n\n## 模型变体\n\n### iclight_sd15_fc.safetensors（默认推荐）\n- 条件：文本 + 前景\n- 特点：默认的重新照明模型，以文本和前景为条件\n- 可以使用初始潜伏来影响重新照明\n- 用户研究中表现稍优于其他模型\n\n### iclight_sd15_fcon.safetensors\n- 条件：文本 + 前景\n- 特点：与 iclight_sd15_fc 相同，但使用偏移噪声进行训练\n- 注意：默认模型是没有偏移噪声的模型\n\n### iclight_sd15_fbc.safetensors\n- 条件：文本 + 前景 + 背景\n- 特点：以文本、前景和背景为条件的重新照明模型\n\n## ComfyUI IC-Light 工作流配置\n\n### 光源控制参数\n- 位置_X 和 位置_Y：控制光源位置\n- shape_width 和 shape_height：控制光源大小\n- 控制光源是通过遮罩来实现的（没有 DEMO 中的可选光源方向参数）\n\n### Lighting Preference（光照偏好）\n- None（无）\n- Left Light（左光）\n- Right Light（右光）\n- Top Light（顶光）\n- Bottom Light（底光）\n\n### Lighting Quick List（快速光照预设）\n- sunshine from window（窗外阳光）\n- neon light, city（霓虹灯、城市）\n- sunset over sea（海上日落）\n- golden time（黄金时刻）\n- sci-fi RGB glowing, cyberpunk（科幻 RGB 发光、赛博朋克）\n- natural lighting（自然光）\n- warm atmosphere, at home, bedroom（温暖氛围、居家、卧室）\n- magic lit（魔法光照）\n- evil, gothic, yharnam（邪恶、哥特、亚楠）\n- light and shadow（光影）\n\n## 使用方法\n1. 上传前景图（抠图后的人物/产品）\n2. 选择光照偏好或快速预设\n3. 输入文本提示词描述场景氛围\n4. 生成重新照明结果",
      "types": ["strategy", "tool"],
      "tags": {
        "domain": "AI 生图",
        "source": "小红书调研，Github",
        "technique": "重新照明，光影控制",
        "tool": "IC-Light, ControlNet, ComfyUI"
      },
      "score": 5,
      "source": {"category": "research"}
    },
    {
      "task": "AI 生图光影关键词工程库",
      "content": "## 光影核心关键词分类\n\n### 体积光/光束类\n| 英文关键词 | 中文 | 效果描述 | 适用场景 |\n|-----------|------|---------|---------|\n| Volumetric lighting | 体积光 | 召唤出空灵的光束 | 森林、室内、雾气场景 |\n| Tyndall light | 丁达尔光 | 光束穿透空气形成光路 | 森林、窗边、清晨/傍晚 |\n| God rays | 耶稣光/上帝光 | 神圣感光束 | 宗教场景、森林 |\n| Light beams | 光束 | 明显的光线路径 | 通用 |\n| Crepuscular rays | 黄昏光线/曙暮光 | 戏剧性的光束 | 宗教感、神圣场景 |\n\n### 光源方向类\n| 英文关键词 | 中文 | 效果描述 | 适用场景 |\n|-----------|------|---------|---------|\n| Sunlight | 阳光 | 黄金时刻的温暖光线 | 户外、自然场景 |\n| Backlight | 逆光 | 光源置于主体后方，强调轮廓 | 剪影、轮廓强调 |\n| Rim lighting | 边缘光 | 为主体勾勒柔和光环 | 人像、产品轮廓强调 |\n| Soft light | 柔和光线 | 温馨柔和环境 | 人像、产品摄影 |\n| Dimly lit | 昏暗光线 | 神秘和微妙的氛围 | 悬疑、情绪场景 |\n| Hard light | 硬光 | 强烈的明暗对比 | 戏剧性场景 |\n\n### 氛围质感类\n| 英文关键词 | 中文 | 效果描述 |\n|-----------|------|---------|\n| depth of field | 景深 | 背景虚化效果 |\n| bokeh | 散景 | 光斑效果 |\n| golden hour | 黄金时刻 | 温暖柔和的光线 |\n| blue hour | 蓝色时刻 | 冷色调氛围 |\n| foggy | 有雾的 | 增加空气感 |\n| misty | 薄雾的 | 柔化光线 |\n| dusty | 有灰尘的 | 增强体积光效果 |\n\n### 电影感光影类\n| 英文关键词 | 中文 | 效果描述 |\n|-----------|------|---------|\n| Cinematic lighting | 电影级布光 | 专业电影质感 |\n| Dramatic lighting | 戏剧性布光 | 强烈明暗对比 |\n| Rembrandt lighting | 伦勃朗光 | 经典人像布光 |\n| Butterfly lighting | 蝴蝶光 | 人像经典布光 |\n| Contour light | 轮廓光 | 强调主体轮廓 |\n\n## 提示词组合公式\n\n**基础公式**：\n`[主体描述] + [光影关键词] + [氛围关键词] + [技术参数]`\n\n**示例**：\n`portrait of a woman, volumetric lighting, god rays through window, golden hour, depth of field, bokeh, cinematic lighting, 8k, photorealistic`\n\n**丁达尔效应专用**：\n`forest scene, tyndall light, light beams through trees, morning mist, dusty air, volumetric fog, sun rays, ethereal atmosphere`\n\n**体积光专用**：\n`interior scene, volumetric lighting, light shafts from window, atmospheric haze, god rays, cinematic, dramatic shadows`\n\n## 场景搭配建议\n- 森林场景：搭配 `foggy`, `misty`, `dusty`, `morning`, `sunrise` 增强丁达尔效果\n- 室内场景：搭配 `window light`, `atmospheric haze`, `volumetric fog`\n- 人像场景：搭配 `rim lighting`, `soft light`, `golden hour`, `backlight`\n- 产品场景：搭配 `studio lighting`, `softbox`, `reflect lig...",
      "types": ["tool"],
      "tags": {
        "domain": "AI 生图",
        "source": "小红书调研",
        "technique": "提示词工程，光影关键词",
        "tool": "Stable Diffusion, Midjourney"
      },
      "score": 5,
      "source": {"category": "research"}
    },
    {
      "task": "ComfyUI 基础文生图/图生图工作流搭建",
      "content": "## 基础文生图流程搭建\n\n### Step 1: 创建 K 采样器节点\n- 操作：右键 → 新建节点 → 采样 → K 采样器\n- 核心参数：\n  - 步数：25-40（通常 25 步比较快，40 步质量更高）\n  - CFG：7（默认值）\n  - 采样器：euler\n  - 调度器：normal\n  - 降噪：1.0（文生图默认）\n\n### Step 2: 选择模型\n- 操作：拖动 K 采样器「模型」输入端的紫色圆点松开 → 选择 Checkpoint 加载器 (简易)\n- 模型示例：SD-1.5/Guofeng3_v34.safetensors\n\n### Step 3: 创建正向条件\n- 操作：拖动 K 采样器「正面条件」输入端 → 选择 CLIP 文本编码器\n- 输入：所有正向提示词（包含光影关键词）\n\n### Step 4: 创建负向条件\n- 方法一：点选 CLIP 文本编码器 → Ctrl+C → 点空白处 → Ctrl+V\n- 方法二：点选 CLIP 文本编码器 → 按住 Alt 键拖动（复制节点）\n- 方法三：鼠标左键双击空白处 → 搜索「clip 文本编码器」\n- 输入：反向提示词\n\n### Step 5: 选择 Latent（潜在空间）\n- 操作：拖拽选择「空 Latent」节点\n- 参数设置：\n  - 宽度：512\n  - 高度：512\n  - 批次大小：1\n- 说明：SD 训练的图片是 512*512，压缩后像素为 64*64，机器在潜在空间进行训练和运算\n\n### Step 6: VAE 解码\n- 操作：拖拽 K 采样器右边的 Latent → 选择 VAE 解码\n- 重要：VAE 千万别忘记连接模型 VAE\n- 用途：将图像从潜在空间解码成真实空间的图像\n\n### Step 7: 预览或保存图像\n- 操作：拖拽 VAE 解码节点图像按钮 → 选择预览图像或保存图像\n\n### Step 8: 生成图片\n- 操作：按 Ctrl + Enter\n\n## 基础图生图流程搭建\n\n### Step 1: 加载图像\n- 操作：右键 → 新建节点 → 图像 → 加载图像\n- 选择：Upload 上传图片\n- 说明：加载的图像是真实空间的图像，需要转化为潜在空间的图像\n\n### Step 2: VAE 编码器\n- 操作：拖动加载图像节点的图像按钮 → 选择 VAE 编码\n- 连接：将 VAE 与模型 VAE 连接，右侧 Latent 与 K 采样器 Latent 连接\n\n### Step 3: 降噪参数设置\n- 位置：K 采样器最后一个参数「降噪」\n- 说明：相当于重绘幅度\n- 数值：越低和上传的图像越相似\n- 推荐值：0.4 到 0.6\n\n## 核心概念说明\n\n### 潜在空间（Latent Space）vs 真实空间（Pixel Space）\n- 真实空间：我们看到的完整图片（如 512*512 像素）\n- 潜在空间：压缩后的表示（如 64*64 像素）\n- 工作流程：真实空间 → Encoder → 潜在空间 → 合成信息 → Decoder → 真实空间\n\n### K 采样器核心作用\n- 任何生成流程的核心节点\n- 结合输入的条件（模型、正向条件、负向条件、Latent）进行最终的处理和融合\n\n### 降噪参数（Denoising）\n- 文生图：固定为 1.0\n- 图生图：0.4-0.6（控制重绘强度）\n- 数值越低，输出与输入图像越相似",
      "types": ["strategy"],
      "tags": {
        "domain": "AI 生图",
        "source": "小红书调研",
        "technique": "工作流搭建，节点式编辑",
        "tool": "ComfyUI, Stable Diffusion"
      },
      "score": 4,
      "source": {"category": "research"}
    },
    {
      "task": "ComfyUI 纹理融合与无缝贴图生成工作流",
      "content": "## 工具\n- ComfyUI\n- IPAdapter_plus 节点\n- SDXL 模型 (albedobaseXL_v21.safetensors)\n- Hyper LoRA (Hyper-SDXL-8steps-lora.safetensors)\n- CR Seamless Checker 节点\n- TextureViewer 节点 (基于 threejs)\n\n## 工作流步骤\n\n### 步骤 1: 风格融合生成\n- 输入：两张纹理图片 (A 图和 B 图)\n- 工具：IPAdapter_plus 节点 (2 个)\n- 处理：\n  - 使用两个 IPAdapter 编码节点分别处理 A 图和 B 图\n  - 权重设置：A 图 1.20, B 图 1.00\n  - 使用 IPAdapter 合并嵌入组 (concat 方法)\n- 输出：融合后的纹理潜空间\n\n### 步骤 2: 拼图处理\n- 输入：生成的纹理图像\n- 工具：Efficiency Nodes 图像覆盖节点 (4 个)\n- 处理：\n  - 将图像分割成 4 个象限\n  - 重新排列拼成 2x2 网格\n  - 创建四方连续布局\n- 输出：拼接后的四方连续图 (含接缝)\n\n### 步骤 3: 消除接缝\n- 输入：拼接图 + alpha 遮罩贴图\n- 工具：VAE 编码/解码、Fococus 局部重绘节点、K 采样器\n- 处理：\n  - 加载 alpha 贴图作为遮罩\n  - 对接缝区域进行局部重绘\n  - 遮罩延展值：6\n- 输出：无缝纹理图\n\n### 步骤 4: 输出颜色贴图\n- 输入：无缝纹理\n- 工具：图像裁剪、缩放、覆盖节点\n- 处理：裁剪中心区域 1020x1020\n- 输出：最终颜色贴图\n\n### 步骤 5: 3D 预览\n- 工具：TextureViewer 节点\n- 功能：在球体/立方体上预览贴图效果\n- 参数：Roughness, Metalness, IOR 等材质属性可调\n\n## 关键技巧\n⚠️ 使用 Hyper LoRA 可加快生成速度至 8 步\n⚠️ IPAdapter 权重决定融合比例，可调整风格倾向\n⚠️ 无缝检查使用 CR Seamless Checker 节点 (2x2 或 4x4 网格)\n⚠️ 可添加 3D 展示模块实时预览效果\n\n## 应用场景\n- 服装面料纹理设计\n- 建筑材质贴图\n- 游戏/影视 PBR 材质\n- 平面装饰图案",
      "types": ["strategy"],
      "tags": {
        "source": "知乎",
        "domain": "AI 绘画",
        "tool": "ComfyUI",
        "technique": "纹理融合"
      },
      "score": 5,
      "source": {"category": "research"}
    },
    {
      "task": "ComfyUI SDXL 生成 PBR 贴图完整工作流",
      "content": "## 工具\n- ComfyUI\n- SDXL Lightning 8 步模型\n- MTB Nodes (Deep Bump 节点)\n- WAS Node Suite (色阶调整)\n- comfy-plasma 节点\n- CR Seamless Checker 节点\n- RealESRGAN 放大模型\n\n## 工作流步骤\n\n### 步骤 1: 文生图生成基础纹理\n- 输入：中文提示词 (如\"生锈铁皮\")\n- 工具：Checkpoint 加载器、翻译节点、SDXL Prompt Styler\n- 提示词模板：\n  - 正向：texture [对象] top down close-up\n  - 反向：ugly, deformed, noisy, blurry, hard lighting, strong shadows\n- 参数：1024x1024, 8 步，euler 采样器\n- 输出：基础纹理图\n\n### 步骤 2: 拼图 (创建四方连续)\n- 输入：生成的纹理图 (1024x1024)\n- 工具：Efficiency Nodes 图像覆盖节点 (4 个)\n- 处理：\n  - 将原图分割成 4 个 512x512 象限\n  - 重新排列：左上→右下，右上→左下，左下→右上，右下→左上\n  - 拼成 2048x2048 的四方连续布局\n- 输出：拼接图 (含明显接缝)\n\n### 步骤 3: 消除接缝\n- 输入：拼接图 + alpha 贴图遮罩\n- 工具：VAE 编码/解码、K 采样器、加载图像遮罩节点\n- 处理：\n  - 使用十字形 alpha 遮罩覆盖接缝区域\n  - 对遮罩区域进行局部重绘\n  - 降噪值：1.00\n- 输出：无缝纹理图\n\n### 步骤 4: 输出颜色贴图\n- 输入：无缝纹理\n- 工具：图像裁剪、缩放节点\n- 处理：裁剪中心 1020x1020 区域，缩放至 1024x1024\n- 输出：color-map (颜色贴图)\n\n### 步骤 5: 生成 PBR 通道贴图\n- 输入：颜色贴图\n- 工具：Deep Bump (mtb) 节点、WAS Node Suite、comfy-plasma\n- 输出通道：\n  - Normal Map (法线贴图)\n  - Height Map (高度图)\n  - Roughness Map (粗糙度图)\n  - Metallic Map (金属度图)\n  - AO Map (环境光遮蔽)\n- 参数调整：对比度 0.60-0.80，亮度 0.85-1.15，黑色阶 0.0-15.6，白色阶 150.0-175.0\n\n### 步骤 6: 可选放大\n- 工具：放大模型加载器 (RealESRGAN_x2.pth)、图像通过模型放大\n- 输出：2K 高清贴图\n\n### 步骤 7: 质量检查\n- 工具：CR Seamless Checker (4x4 网格)、Image Chooser、TextureViewer\n- 输出：质量验证\n\n## 关键技巧\n⚠️ 必须使用 SDXL texture 风格才能生成符合贴图要求的图像\n⚠️ 使用 Lightning 8 步模型可大幅提升生成速度\n⚠️ 接缝处理使用十字形 alpha 遮罩，遮罩延展值设为 6\n⚠️ PBR 通道生成需调整对比度、锐度、色阶以获得最佳效果\n\n## 应用场景\n- 游戏材质制作\n- 3D 渲染场景\n- 建筑可视化\n- 产品渲染",
      "types": ["strategy"],
      "tags": {
        "source": "知乎",
        "domain": "AI 绘画",
        "tool": "ComfyUI",
        "technique": "PBR 贴图"
      },
      "score": 5,
      "source": {"category": "research"}
    },
    {
      "task": "ComfyUI Flux.1 日系复古胶片质感 LoRA 训练工作流",
      "content": "## 工具\n- ComfyUI\n- Flux.1 模型 (black-forest-labs/FLUX.1)\n- 胶片质感 LoRA\n- AI-Toolkit (OSTRIS)\n- Qwen-VL-Max (图像理解打标)\n- rgthree 节点 (后处理管理)\n\n## 工作流步骤\n\n### 步骤 1: 数据集准备\n- 输入：日系复古摄影作品 (胶片写真、电影截图)\n- 处理：\n  - 收集 50-100 张经典日系复古摄影作品\n  - 去除水印\n  - 统一尺寸 (建议 512-768)\n  - 确保素材符合\"低饱和、有颗粒、氛围松弛\"特点\n- 输出：训练数据集文件夹\n\n### 步骤 2: 图像打标\n- 输入：训练图片\n- 工具：ComfyUI + Qwen-VL-Max\n- 提示词模板：\n  ```\n  从设计大师角度，描述图片，描述内容包括：\n  0. 画面主主体\n  1. 服装、服饰\n  2. 发型、发色、饰物\n  3. 表情\n  4. 动作\n  5. 背景或场景\n  6. 氛围、气氛\n  7. 拍摄角度、拍摄手法\n  ```\n- 输出：每张图片对应的.txt 标签文件\n\n### 步骤 3: 标签处理\n- 输入：图片 + 标签文本\n- 工具：ComfyUI 自定义脚本节点\n- 处理：\n  - 使用 Text Concatenate 节点拼接标签\n  - 添加固定前缀：\"nostalgic, grain, lending it a nostalgic, analog quality that elevates its emotional resonance.\"\n  - 清理空白字符\n  - 保存为 .txt 文件\n- 输出：格式化标签文件\n\n### 步骤 4: LoRA 训练\n- 输入：数据集 + 标签文件\n- 工具：AI-Toolkit (OSTRIS)\n- 参数配置：\n  - 模型：FLUX.1\n  - 训练目标：LoRA\n  - 线性层维度：32\n  - 训练步数：3000\n  - 批量大小：1 (24GB 显存)\n  - 学习率：0.0001\n  - 优化器：AdamW8Bit\n  - 保存间隔：250\n  - 触发词：my_style (自定义)\n- 输出：训练好的 LoRA 模型 (.safetensors)\n\n### 步骤 5: 文生图生成\n- 输入：提示词 + 训练好的 LoRA\n- 工具：ComfyUI + Flux Krea 工作流\n- 提示词格式：\n  ```\n  nostalgic, [场景描述], film grain, film texture, \n  muted color grading, desaturated tones, \n  soft color grading, slight vignetting\n  ```\n- 参数：分辨率 1024x1024，采样器 FlowMatch，步数 25，引导强度 4\n- 输出：日系复古风格图像\n\n### 步骤 6: 后处理 (可选)\n- 工具：rgthree 节点组\n- 处理：\n  - ICLight：光照统一\n  - Detailer：脸部/手部细节修复 (Seg 分块大小 512)\n  - AuraSR：4x 超分辨率放大\n- 输出：最终高清图像\n\n## Flux.1 胶片质感 LoRA 触发词\n```\nfilmfotos, film grain, reversal film photography\n```\n\n## 关键技巧\n⚠️ 打标要用\"摄影师的语言\"描述，而非泛泛的\"复古\"\n⚠️ 训练数据必须保证\"摄影纯度\"，统一为低饱和、有颗粒、氛围松弛的日系特点\n⚠️ 输入分辨率建议 1024，太小 (512) 会导致小元素无法识别\n⚠️ LoRA 训练步数 3000 步为宜，保存间隔 250 步可保留多个检查点\n⚠️ 日系风格核心：不是精致完美，而是\"不刻意\"的生活温度感\n\n## 应用场景\n- 日系人像摄影\n- 复古街拍\n- 胶片质感写真\n- 怀旧风格海报",
      "types": ["strategy"],
      "tags": {
        "source": "知乎",
        "domain": "AI 绘画",
        "tool": "ComfyUI",
        "technique": "LoRA 训练"
      },
      "score": 5,
      "source": {"category": "research"}
    },
    {
      "task": "Photoshop 颗粒感效果 5 种制作方法",
      "content": "## 方法一：渐变 + 溶解模式 (推荐)\n\n**适用场景**：有疏密变化的颗粒效果\n\n**步骤**：\n1. 选中需要添加颗粒的区域 (创建选区)\n2. 前景色选择比背景稍亮的颜色\n3. 使用渐变工具，选择\"前景色到透明\"预设\n4. 在选区内拖动产生渐变\n5. 将图层混合模式改为\"溶解\"\n6. 使用柔和橡皮擦擦去边缘生硬部分\n\n**关键参数**：\n- 溶解模式的颗粒密度与透明度相关\n- 透明度越高，颗粒越少\n- 可创建由密到疏的渐变颗粒效果\n\n## 方法二：颗粒画笔绘制\n\n**适用场景**：各种颗粒效果，可控性最强\n\n**步骤**：\n1. 新建图层\n2. 选择颗粒画笔：\n   - PS 内置：喷枪柔边低密度粒状、Kyle 喷溅笔刷\n   - 或下载第三方颗粒笔刷\n3. 调整画笔参数：\n   - 大小：200 像素 (根据画面调整)\n   - 混合模式：正常/叠加/滤色\n   - 不透明度：30-50%\n   - 流量：15-30%\n4. 在需要的位置绘制\n5. 可结合橡皮擦反复调整\n\n**技巧**：\n- 使用数位板更容易控制力度\n- 可创建多个图层分别绘制不同区域的颗粒\n- 配合蒙版精细控制颗粒分布\n\n## 方法三：添加杂色滤镜\n\n**适用场景**：均匀的颗粒效果\n\n**步骤**：\n1. 方法 A (直接应用)：\n   - 选择滤镜 → 杂色 → 添加杂色\n   - 数量：10-20%\n   - 分布：高斯分布\n   - 勾选\"单色\"\n   \n2. 方法 B (非破坏性，推荐)：\n   - 新建图层，填充黑色\n   - 滤镜 → 杂色 → 添加杂色\n   - 数量：15-25%\n   - 勾选\"单色\"\n   - 图层混合模式改为\"滤色\"\n   - 调整图层透明度控制颗粒密度\n   - 可添加蒙版局部控制\n\n**优点**：操作简单快速\n**缺点**：颗粒分布太均匀，修改不便\n\n## 方法四：图案叠加\n\n**适用场景**：需要特定纹理质感\n\n**步骤**：\n1. 选中需要添加颗粒的图层\n2. 点击图层面板下方 fx → 图案叠加\n3. 选择颗粒纹理图案：\n   - PS 自带：灰色花岗岩花纹纸\n   - 或载入\"灰度纸\"图案库\n4. 参数设置：\n   - 混合模式：正片叠底 (去掉白色背景)\n   - 不透明度：50-60%\n   - 缩放：80-100%\n\n**优点**：可叠加真实纸张纹理\n**缺点**：需要预先准备纹理素材\n\n## 方法五：AI 渐变网格 + 颗粒 (Illustrator)\n\n**适用场景**：渐变弥散噪点背景图\n\n**步骤**：\n1. 找一张喜欢配色的图片，拖入 AI\n2. 对象 → 创建渐变网格\n   - 行数：4-6\n   - 列数：4-6\n   - 外观：平淡色\n   - 高光：100%\n3. 效果 → 纹理 → 颗粒\n   - 强度：24-50\n   - 对比度：50-65\n   - 颗粒类型：常规/点刻\n4. 完成后可用白箭头工具拖动网格点调整渐变\n\n## 即梦 AI 复古电影提示词模板\n```\n中国少女脸部特写，黄昏城市背景中长发随风飘动，\n背光拍摄展现自然皮肤纹理，王家卫电影美学，\n莱卡胶片滤镜，粗颗粒噪点效果，暖调日落光线穿透发丝，\n浅景深构图，磨砂质感画面，复古电影海报风格，\n皮肤毛孔细节增强，环境淡烟雾渲染\n```\n**参数**：即梦 图片 2.0 Pro，9:16 比例\n\n## 关键技巧总结\n⚠️ 溶解模式：透明度决定颗粒密度，适合渐变颗粒\n⚠️ 画笔绘制：最灵活可控，适合局部精细颗粒\n⚠️ 添加杂色：最快但最均匀，建议用独立图层方便后期调整\n⚠️ 图案叠加：可叠加真实纹理，质感最丰富\n⚠️ AI 渐变网格：快速制作柔和渐变噪点背景\n⚠️ 颗粒应叠加在高光和阴影处，增强立体感\n⚠️ 靠近边缘的地方颗粒密集，过渡要自然",
      "types": ["strategy"],
      "tags": {
        "source": "知乎",
        "domain": "平面设计",
        "tool": "Photoshop",
        "technique": "颗粒效果"
      },
      "score": 5,
      "source": {"category": "research"}
    },
    {
      "id": "knowledge-20260411-162604-prompt-consistency",
      "task": "在图生图任务中保持人物一致性的 Prompt 技巧",
      "content": "当需要在多张图之间保持人物一致性（发型、服装款式）时，应该在 prompt 中使用明确具体的描述词，而不是依赖模型自动保持。\n\n**关键技巧**：\n1. 发型：使用具体描述如\"half-up curly ponytail（半马尾卷发）\"而非简单的\"long hair\"\n2. 服装：明确指定款式细节如\"sleeveless white dress (backless V-neck design, A-line skirt)\"而非\"white dress\"\n3. 参考前序结果：在 prompt 中加入与已生成图片一致的关键特征描述\n\n**案例**：img_2 v1 生成时 prompt 只写了\"flowing white dress\"，导致发型从半马尾卷发变为盘发、服装从无袖变为长袖。v2 迭代时在 prompt 中明确指定\"sleeveless\"、\"backless V-neck\"、\"half-up curly ponytail\"后，成功与 img_1 保持一致。\n\n**适用场景**：多图系列创作、角色一致性要求高的项目",
      "types": ["experience"],
      "tags": {
        "intent": "人物一致性控制",
        "state": "prompt 优化",
        "domain": "image_generation"
      },
      "score": 5,
      "source": {"category": "execution"}
    },
    {
      "id": "knowledge-20260411-162604-nano-banana-usage",
      "task": "nano_banana 工具图生图的正确用法",
      "content": "nano_banana 是首选的图像生成工具，支持文生图和图生图两种模式。\n\n**图生图参数**：\n- `image_url`: 传入本地文件路径（如\"examples/xxx/reference.png\"），工具会自动上传到 OSS 并替换为 CDN URL\n- `prompt`: 完整的英文 prompt，可包含 Midjourney 风格参数如--ar 3:4 --v 7.0 --stylize 300\n- `output_path`: 期望的输出路径（但实际保存在临时目录，需手动复制）\n\n**返回值**：\n- `cdn_urls`: 永久 CDN 链接列表\n- `saved_files`: 实际保存的本地路径（临时目录）\n\n**注意事项**：\n1. 只传本地路径，严禁自行构造 HTTP/HTTPS 链接\n2. 生成后需手动将文件复制到指定输出路径\n3. 输出文件使用版本号命名（v1, v2, v3...），不覆盖已有文件",
      "types": ["experience"],
      "tags": {
        "intent": "图生图执行",
        "state": "nano_banana",
        "domain": "tool_usage"
      },
      "score": 4,
      "source": {"category": "execution"}
    },
    {
      "id": "knowledge-20260411-162604-generation-log",
      "task": "图像生成任务的日志记录规范",
      "content": "每次生成任务完成后，必须追加记录到 generation_log.md，便于追踪迭代历史。\n\n**记录格式**：\n```\n## 任务：[img_X vX 还原 - 优化说明]\n\n### 素材验证\n- 列出所有参考素材及存在状态\n\n### 生成参数\n- 使用工具、完整 Prompt、Negative Prompt、关键参数、分辨率\n\n### 生成结果\n- 输出路径（含版本号）、生成耗时、版本说明\n\n### 验证结果\n- 逐项检查：姿态、景深、人物一致性、道具完整性、手部细节等\n- 整体评估：通过/需调整 + 总分\n\n### 评估详情\n- 各维度打分（0-10）\n\n### 改进建议\n- 后续优化方向\n\n### 阻塞/风险\n- 遇到的问题\n```\n\n**版本管理**：\n- 首次生成：img_X_restored_v1.png\n- 迭代优化：img_X_restored_v2.png、v3.png...\n- 最终定稿：img_X_restored_final.png",
      "types": ["experience"],
      "tags": {
        "intent": "任务记录",
        "state": "日志管理",
        "domain": "workflow"
      },
      "score": 4,
      "source": {"category": "execution"}
    },
    {
      "id": "knowledge-20260412-005900-nano-banana-cdn-upload",
      "task": "在调用 ToolHub nano_banana 工具时，图片传递需要手动上传到 OSS 获取 CDN URL",
      "content": "当使用 ToolHub 的 nano_banana 工具进行图像生成时，不能直接传本地文件路径（如 examples/xxx/image.png），因为 ToolHub 服务运行在远程服务器上，无法访问调用方的本地文件系统。\n\n正确做法：\n1. 先调用 image_uploader 工具将本地图片上传到 OSS\n2. 获取返回的 cdn_url（如 https://res.cybertogether.net/toolhub_images/xxx.png）\n3. 将 cdn_url 传入 toolhub_call 的 image_urls 参数\n\n案例：生成 img_3 时，最初直接传本地路径 character_ref_kneel.png 导致 HTTP 503 错误「文件不存在」，改用 image_uploader 上传后获取 CDN URL 再调用 nano_banana 成功生成。\n\n注意：虽然部分 ToolHub 工具文档声称支持自动上传本地路径，但 nano_banana 实际不支持此功能，需手动处理。",
      "types": ["experience"],
      "tags": {
        "intent": "图像生成",
        "state": "nano_banana",
        "tool": "toolhub_call"
      },
      "score": 5,
      "source": {"category": "execution"}
    },
    {
      "id": "knowledge-20260412-005900-nano-banana-multi-image-consistency",
      "task": "在图像生成任务中，使用 nano_banana 进行多图融合保持人物一致性的方法",
      "content": "当需要保持多张生成图的人物一致性时（如系列图 img_1~img_5），使用 nano_banana 工具的多图融合功能：\n\n1. 在 image_urls 数组中传入多张参考图：\n   - 底图（当前姿态的 character_ref_*.png）\n   - 前序生成结果（如 img_1_restored_v1.png 用于链式一致性）\n2. 在 prompt 中明确描述需要保持的特征（如 white V-neck backless maxi dress, brown long hair）\n3. 使用 aspect_ratio 参数控制输出比例（如 3:4）\n\n案例：img_3 生成时传入 character_ref_kneel.png（跪坐姿态底图）和 img_1_restored_v1.png（前序结果），成功保持了白裙款式、发型、体态的一致性，评估得分 8.5/10。\n\n优势：nano_banana 基于 Gemini 多模态模型，对多图特征融合理解能力强，比传统 IP-Adapter 更灵活。",
      "types": ["experience"],
      "tags": {
        "intent": "人物一致性",
        "state": "nano_banana",
        "technique": "多图融合"
      },
      "score": 4,
      "source": {"category": "execution"}
    },
    {
      "id": "knowledge-20260412-005900-image-gen-workflow-standard",
      "task": "图像生成任务的标准化执行流程",
      "content": "完整的图像生成任务应遵循以下流程：\n\n1. **素材验证**：使用 read_file 检查所有参考素材文件存在且可读\n2. **源信息读取**：读取制作表 JSON 和通用创作文件，提取细节描述融入 prompt\n3. **ToolHub 检查**：调用 toolhub_health 确认服务可用，toolhub_search 查找合适工具\n4. **图片上传**：使用 image_uploader 将本地图片转为 CDN URL\n5. **执行生成**：调用 toolhub_call 执行生成，记录完整参数\n6. **结果验证**：使用 evaluate_image 进行自动化评估（单图 6 维度/多图 5 维度一致性）\n7. **日志记录**：追加 generation_log.md，包含素材验证、生成参数、验证结果、评估详情\n\n案例：img_3 任务按此流程执行，从素材验证到日志记录全程可追溯，评估 8.5/10 通过。\n\n关键点：每次生成都必须记录完整参数便于迭代优化；评估结果低于 7 分需调整配置重新生成。",
      "types": ["experience"],
      "tags": {
        "intent": "图像生成流程",
        "state": "workflow",
        "domain": "production"
      },
      "score": 4,
      "source": {"category": "execution"}
    },
    {
      "id": "knowledge-20260412-011232-toolhub-image-upload",
      "task": "ToolHub 工具图片参数传递方式",
      "content": "当调用 ToolHub 工具（如 nano_banana）需要传入图片时，不能直接传相对路径（如 examples/xxx.png），否则会报 HTTP 503 错误：「images[].data 看起来是文件路径但文件不存在」。正确做法是：先使用 image_uploader 工具将本地图片上传到 OSS 获取 CDN URL，然后将 CDN URL 传入工具的 image_urls 参数。案例：img_5 生成任务中，最初直接传相对路径给 nano_banana 失败，改用 image_uploader 上传 4 张参考图获取 CDN URL 后成功生成。",
      "types": ["experience"],
      "tags": {
        "intent": "图像生成",
        "state": "toolhub",
        "tool": "nano_banana"
      },
      "score": 5,
      "source": {"category": "execution"}
    },
    {
      "id": "knowledge-20260412-011232-material-fallback-strategy",
      "task": "素材缺失时的灵活替代策略",
      "content": "当任务指定的参考素材文件不存在时，不要直接报错或跳过，应该：1）使用 glob_files 检查同目录下是否有相似文件；2）评估替代文件是否满足核心需求；3）如可用则使用替代文件并在日志中标注。案例：img_5 任务指定 palette_impasto_img5_v2.png 不存在，检查目录发现 palette_impasto_img1_v2.png，两者都是 Impasto 质感调色板参考，替代后生成效果仍达 8.5 分。",
      "types": ["experience"],
      "tags": {
        "intent": "图像生成",
        "state": "素材验证"
      },
      "score": 4,
      "source": {"category": "execution"}
    }
  ]
}