feat: add simulator page and image quote analyzer

qingjian_cs/app/image_quote_analyzer.py

@@ -0,0 +1,265 @@
+from __future__ import annotations
+
+import asyncio
+import logging
+import os
+import re
+from typing import Any
+
+from openai import AsyncOpenAI
+
+from .config import OPENAI_API_KEY, OPENAI_BASE_URL, OPENAI_MODEL_NAME
+
+logger = logging.getLogger(__name__)
+
+VISION_MODEL = OPENAI_MODEL_NAME
+
+ANALYZE_PROMPT = """
+你是一个电商图片处理评估专家，同时也是 Gemini 图像生成提示词专家。
+请仔细分析这张图片，输出以下字段，每行一个，不要多余内容：
+
+敏感内容: <yes|no>
+平整度: <flat|mild|rough>
+含文字: <yes|no>
+含人脸: <yes|no>
+阴影: <yes|no>
+复杂度: <simple|normal|complex|hard>
+原因: <15字以内，说明复杂度判断依据>
+主体: <图片核心内容，如：印花图案/logo/人物/产品/老照片/风景/文字/其他>
+类型: <处理类型，如：印花提取/高清修复/去背景/老照片修复/logo提取/人像修复/其他>
+质量: <原图质量，如：清晰/轻微模糊/严重模糊/低分辨率/截图/扫描件>
+可做: <yes|partial|no>
+风险: <none|low|high>
+业务相关: <yes|no>
+透视: <no|mild|strong>
+比例: <从以下选一个最合适的：1:1 / 9:16 / 16:9 / 3:4 / 4:3 / 3:2 / 2:3 / 5:4 / 4:5>
+提示词: <为 Gemini 写处理指令，中文，60字以内，说明要做什么、保留什么、去掉什么>
+备注: <给客服AI的特别提示，没有则填无>
+
+判断规则：
+
+【报价核心：越平整越便宜】
+- 平整度 flat：画面平整、无褶皱、无透视 → 便宜
+- 平整度 mild：轻微褶皱/透视 → 中等
+- 平整度 rough：有褶皱/透视/曲面 → 贵
+- 含文字：大字没关系不加价；小字需精细保留/清晰化 → 加价（含文字填 yes 仅指有小字的情况）
+- 含人脸 yes：有人脸 → 加价
+- 阴影 yes：有明显阴影需处理 → 加价
+综合以上因素，越平整、无小字、无人脸、无阴影 → 越便宜（simple）
+
+【含文字】
+- yes：含小字需精细保留/清晰化（小字难处理 → 加价）
+- no：无文字，或仅有大字（大字没关系 → 不加价）
+
+【文字数量加价规则】
+- none：无文字，不加价
+- 少量 (1-10 字)：+5 元
+- 中量 (11-50 字)：+10-15 元
+- 大量 (51-200 字)：+20-30 元
+- 极多 (200 字以上)：+30-50 元
+
+【文字分层需求】
+- yes：客户要求可编辑分层文件（PSD 等） → 基础价格 x2 或 +50 元起
+- no：普通图片处理 → 正常价格
+
+【文字分层 + 大量文字】
+- 如果 文字数量=大量/极多 且 文字分层需求=yes → 总价可达 60-80 元
+
+【含人脸】
+- yes：图中有真实人物面孔（人像照/集体照/证件照/老照片等）
+- no：无人脸或人脸极小不影响主体
+
+【风险评估 - 重要！】
+- none：印花/图案/logo/风景/产品，AI处理效果稳定，可直接报价接单
+- low：有人脸但清晰度尚可，AI修复后人脸相似度70-90%，可以接单但要说明风险
+- high：以下任一情况 → 严重模糊的人脸照片/老照片人像/需要打印/客户问能否找回原图
+  high情况下，可做改为partial，备注写明风险话术，谨慎接单
+
+【敏感内容检测 - 必须严格判断！】
+- yes：含以下任一内容 → 色情/黄色/擦边/裸露/性暗示/大尺度/涉政/暴力/血腥/违禁品/地图类
+  敏感内容=yes 时，可做必须填 no，直接拒绝不接单
+- no：无上述敏感内容，可以正常接单处理
+
+【可做判断 - 决定是否接单】
+- yes：效果有把握，可以接单处理
+- partial：能处理但有明显限制（人脸变形风险/分辨率极低/严重损坏）→ 可以接单但要说明风险
+- no：无法接单（纯黑/纯白/完全损坏/找原始 RAW 文件/敏感内容/违法内容）
+
+【敏感内容】优先判断，若为 yes 则 可做 必填 no
+- yes：图片含色情/黄色/擦边/裸露/性暗示/大尺度等违规内容
+- no：无上述敏感内容
+
+【可做判断】
+- yes：效果有把握，可直接处理
+- partial：能处理但有明显限制（人脸变形风险/分辨率极低/严重损坏）
+- no：无法处理（纯黑/纯白/完全损坏/找原始RAW文件/敏感内容）
+
+【业务相关判断 - 必须由你判断】
+- yes：需求与印花/印刷素材处理，或高清修复业务相关
+- no：与以上业务无关（例如闲聊、非图像处理诉求）
+- 若业务相关=no，则可做必须填 no
+
+【风险话术模板（备注字段）】
+- 含人脸+需打印：AI修复后人脸可能有轻微变化，建议先看效果确认再打印
+- 严重模糊人脸：这张模糊程度较高，修复后清晰了但人脸可能跟原来有差异
+- 找原图：找不到原始文件，只能对现有图片做高清修复处理
+- 完全损坏：这张无法处理
+
+【透视判断】
+- no：正面拍摄，无明显变形
+- mild：轻微透视（衣服悬挂/桌面小角度斜拍）
+- strong：严重透视（俯拍/贴墙/大角度倾斜）
+
+【比例选择】
+- 印花/图案/logo/正方形 -> 1:1
+- 竖屏壁纸/短视频封面 -> 9:16
+- 宽屏/横版视频 -> 16:9
+- 移动广告/Instagram竖图 -> 4:5
+- 竖向人像/海报/证件照 -> 3:4
+- 竖向相机照片 -> 2:3
+- 接近正方形产品图 -> 5:4
+- 横向标准图/风景 -> 4:3
+- 横向相机照片/产品实拍 -> 3:2
+
+示例1（印花，无风险）：
+敏感内容: no
+平整度: mild
+含文字: no
+含人脸: no
+阴影: no
+复杂度: complex
+原因: 印花细节密集颜色层次多
+主体: 印花图案
+类型: 印花提取
+质量: 轻微模糊
+可做: yes
+风险: none
+透视: mild
+比例: 1:1
+提示词: 提取衣物印花图案，去除褶皱和背景杂色，补全缺失部分，保持颜色细节100%还原，输出干净平面印花图
+备注: 无
+
+示例2（人像老照片，要打印）：
+敏感内容: no
+平整度: flat
+含文字: no
+含人脸: yes
+阴影: no
+复杂度: hard
+原因: 严重模糊人脸细节丢失
+主体: 人物照片
+类型: 人像修复
+质量: 严重模糊
+可做: partial
+风险: high
+透视: no
+比例: 3:4
+提示词: 对模糊人像进行高清修复，增强细节，保持人物特征不变
+备注: AI修复后人脸可能有轻微变化，建议先看效果确认满意再用于打印
+
+示例3（平整印花，最便宜）：
+敏感内容: no
+平整度: flat
+含文字: no
+含人脸: no
+阴影: no
+复杂度: simple
+原因: 画面平整无褶皱无文字无人脸
+主体: 印花图案
+类型: 印花提取
+质量: 清晰
+可做: yes
+风险: none
+透视: no
+比例: 1:1
+提示词: 提取印花图案，去除背景，输出干净平面图
+备注: 无
+"""
+
+
+def _clip(text: str, n: int = 180) -> str:
+    t = re.sub(r"\s+", " ", str(text or "")).strip()
+    if len(t) <= n:
+        return t
+    return f"{t[:n]}..."
+
+
+def _extract_line(text: str, key: str) -> str:
+    m = re.search(rf"{re.escape(key)}\s*[:：]\s*(.+)", text or "")
+    return m.group(1).strip() if m else ""
+
+
+def _parse_result(text: str) -> dict[str, Any]:
+    intent = _extract_line(text, "诉求类型")
+    can_do = _extract_line(text, "可做").lower()
+    complexity = _extract_line(text, "复杂度").lower()
+    price_text = _extract_line(text, "建议报价")
+    note = _extract_line(text, "说明")
+
+    if intent not in {"找图", "高清修复", "其他"}:
+        intent = "其他"
+    if can_do not in {"yes", "partial", "no"}:
+        can_do = "partial"
+    if complexity not in {"simple", "normal", "complex", "hard"}:
+        complexity = "normal"
+
+    price = 0
+    m = re.search(r"\d+", price_text or "")
+    if m:
+        price = int(m.group(0))
+
+    return {
+        "intent_type": intent,
+        "can_do": can_do,
+        "complexity": complexity,
+        "price_suggest": price,
+        "note": note or "已看图",
+    }
+
+
+async def analyze_image_for_quote(image_url: str, customer_text: str = "", goods_name: str = "") -> dict[str, Any]:
+    """
+    识图报价分析（用于 QuoteAgent 上下文增强）
+    """
+    image_url = str(image_url or "").strip()
+    if not image_url:
+        return {"ok": False, "error": "empty_image_url"}
+    if not OPENAI_API_KEY:
+        return {"ok": False, "error": "OPENAI_API_KEY 未配置"}
+
+    model_name = VISION_MODEL
+    client = AsyncOpenAI(base_url=OPENAI_BASE_URL, api_key=OPENAI_API_KEY)
+    user_text = (
+        f"客户文本: {customer_text or '无'}\n"
+        f"商品标题: {goods_name or '无'}\n"
+        "请按固定字段输出。"
+    )
+    logger.info("[识图报价] 豆包模型=%s 图片=%s 提示词=%s", model_name, image_url, _clip(ANALYZE_PROMPT, 90))
+    try:
+        resp = await asyncio.wait_for(
+            client.chat.completions.create(
+                model=model_name,
+                temperature=0.1,
+                messages=[
+                    {"role": "system", "content": "你是电商图片识别报价助手。"},
+                    {
+                        "role": "user",
+                        "content": [
+                            {"type": "text", "text": f"{ANALYZE_PROMPT}\n{user_text}"},
+                            {"type": "image_url", "image_url": {"url": image_url}},
+                        ],
+                    },
+                ],
+            ),
+            timeout=30,
+        )
+        text = str((resp.choices[0].message.content if resp and resp.choices else "") or "").strip()
+        logger.info("[识图报价] 模型输出=%s", _clip(text, 260))
+        parsed = _parse_result(text)
+        parsed["ok"] = True
+        parsed["raw"] = text
+        return parsed
+    except Exception as e:
+        logger.error("[识图报价] 调用失败: %s", e)
+        return {"ok": False, "error": str(e)}
+