饮杯变门店——等轴测插画生成器

一杯饮料，一座小店

上传一张真实的咖啡／奶茶照片 → 得到一张精致可爱的品牌主题等轴测门店插画，外加一张「原图 vs 插画」高清对比图。

核心心法（只有一句）：保留原始饮品的识别特征，重新设计它的建筑功能。 不是「画一个差不多的杯子」，而是「让照片里那杯饮料，长出窗户、楼梯和小店员」。

成品长什么样

以 GridCoffee 绿杯为例：绿色杯身变成两层店铺主体，米白色杯盖变成屋顶平台，白色方框 logo 原样留在墙上；杯身开拱形窗和 striped 遮阳篷，右侧有木楼梯与绿植，门前有吉祥物、小桌椅和 A 字牌，整座建筑落在斜向石砖地台上；顶部是 Grid Coffee / Americano / Yunnan · Giupo Estate 圆润粗体标题，薄荷绿纯色背景配白云。

风格是 Adobe Illustrator 做的 2D 矢量插画，不是 Blender 渲染的 3D 场景。

工作流（自动跑完，不逐步征求确认）

用户默认会上传一张饮品照片，常附带品牌名、饮品名、咖啡豆产地、联名等补充说明。按下面六步一次做完。

Step 0 · 收图与预处理

PY="$HOME/.workbuddy/binaries/python/envs/default/Scripts/python.exe"
[ -x "$PY" ] || PY="$(command -v python || command -v python3)"
SK="$HOME/.workbuddy/skills/cup-shop-illustration/scripts/imgtool.py"
OUT="<当前工作区>/out/cup-shop-illustration"
mkdir -p "$OUT"

"$PY" "$SK" prepare "<用户上传的照片绝对路径>" --out "$OUT/photo_clean.jpg"

• prepare 统一 EXIF 方向、转 sRGB、去 alpha、长边 ≤2048，并打印信息卡（宽高、方向、亮度、主色）。信息卡里的方向决定后续画布比例与拼接方向。
• 它只改文件格式与尺寸，不改画面内容。喂给 ImageGen 用 photo_clean.jpg；拼接时仍用用户上传的原始照片。
• 若用户上传的是 HEIC / webp 等 Pillow 读不了的格式，先用系统工具转成 PNG 再走本步，并如实告知。

Step 1 · 观察照片，填「识别卡」

用视觉能力直接看原始照片（不要用代码提取边缘、不要预先生成线稿），按 references/diagnose.md 的识别卡逐项读取：

字段	内容
品牌名	杯身 logo / 文字，尽量给出英文名或拼音
饮品名	从杯身标签、小票或用户说明读取
杯型	外带纸杯 / 透明塑料杯 / 易拉罐 / 玻璃瓶，及宽高比例
顶部结构	平盖、饮用口、吸管、奶盖、奶油、封膜
主色 / 辅助色	用 Step 0 的主色信息卡交叉验证
logo 与文字	形状、位置、颜色（示例：白色空心方框 + 杯身下方 GridCoffee）
配料 / 装饰	咖啡豆、珍珠、水果、饼干碎、分层、冰块
产地 / 联名	云南庄园、联名 IP 等，可化作环境元素

规则：用户明确给出的信息优先；照片里读不出的一律不编造，改用「杯身原有的文字/图形」这类描述；不要擅自换品牌、改配色、改杯型。

Step 2 · 组装提示词

读 references/prompt-master.md，用其中的主模板填写 6 个槽位（品牌 / 饮品 / 补充说明 / 原图方向决定的画布比例 / 背景色 / 特色元素），得到一条完整提示词。

• 模板里的风格条款、负面词、构图约束原样保留，不要精简。
• 生成的最终提示词作为核心资产，在交付时原文附上（用户常要复用）。
• 需要中文字牌时，主标题仍用英文，中文只作小幅装饰；AI 中文易乱码，见 diagnose.md 的处理办法。

Step 3 · 出图（ImageGen 图生图）

⚠️ 调用前必须在回复中明确告知：单次 ImageGen 约消耗 5–10 积分。 先声明、后调用。

参数	取值
prompt	Step 2 的完整提示词
image1	Step 0 的 photo_clean.jpg 绝对路径（真实照片，禁止纯文生图）
size	原图竖版 1024x1365（3:4，2026-11-08 实测可用，实际返回 1024x1360；被拒则降级 1024x1280）；横版 1536x1024；方形 1024x1024
quality	high
input_fidelity	medium（默认，见下方调参）
output_dir	$OUT
footnote	""（工具侧水印可去掉；平台仍会强制叠「AI生成 WORKBUDDY」，用 Step 5 的 cleanwm 清除）
style	不填，风格由提示词锁定

input_fidelity 调参：medium 既保住杯型/logo/配色，又允许重新构图。跑偏成「别的杯子」→ 升到 high；画面像照片临摹、视角没变成 45° → 降到 low。

生成的是一张独立完整的插画，绝不能让 AI 直接画左右对比图，也不能从对比图里裁出插画。

Step 4 · 自检

按 references/diagnose.md 的九条自检逐项比对。三条必查：

1. 一眼能认出是照片里那杯饮料吗？（杯型、主色、logo 位置）
2. 是纯 2D 粗黑描边 + 纯色平涂吗？（出现塑料质感 / 渐变 / 软阴影 = 失败）
3. 建筑、楼梯、人物、地台、标题都完整在画面内吗？（截断 = 失败）

不合格 → 只改对应那一段提示词，最多重试一次；仍不合格就如实交付并说明可调方向，不要伪装成功。

Step 5 · 去水印 + 代码拼接

平台会在插画右下角强制叠「AI生成 WORKBUDDY」白字，footnote: "" 去不掉。先无痕清除，再拼接：

"$PY" "$SK" cleanwm "$OUT/<插画文件名>.png" --out "$OUT/<原名>_illustration.png"

"$PY" "$SK" compose \
  --photo "<用户上传的原始照片绝对路径>" \
  --art "$OUT/<原名>_illustration.png" \
  --out "$OUT/<原名>_compare.png"

• cleanwm 默认的 selective 模式只把偏白的水印像素拉向背景色，不裁地台、不误抹绿叶，实测无残留、无接缝。默认 --threshold 160；若右下角有白云/米白石砖等浅色装饰，调高到 190–210 避免误伤。水印位置特殊时可调 --box "x0,y0,x1,y1"，或改用 --mode fill（会抹掉框内装饰，慎用）。
• compose 按原图方向自动选：竖版/方形 → 原图在左、插画在右；横版 → 原图在上、插画在下。也可 --layout side|stack 强制。
• 以插画原始像素为基准，插画不缩放，原图等比缩放对齐；白色间隔 24px、外边距 24px，比例差异用留白吸收。
• 不裁切、不拉伸、不修改原照片内容，输出高清 PNG。
• cleanwm 失效时备用 trim <插画> --bottom 0.06 --mode pad；但它会裁掉画面底部，可能切到地台，只在万不得已时用。

Step 6 · 交付

用 present_files 先展示拼接图，再展示独立插画（两张都要给）。回复里给三行结论：识别出的品牌/饮品、画布比例与 input_fidelity、两个文件的路径；再附完整提示词原文。

硬规则（违反即失败）

1. 必须以真实照片作 image1 做图生图，不能只凭文字重画一个杯子。
2. 拼接必须用用户上传的原始照片，不能用 AI 重绘的「照片」冒充。
3. 保留原杯型、主色、logo 与包装特征；重新设计的是建筑功能，不是包装。
4. 不机械复制原照片的拍摄角度，要做合理的三维空间推演（45° 斜上方等轴测）。
5. 先生成独立完整插画，再拼接；禁止从对比图裁切。
6. 只做 2D 矢量插画，严禁 3D 渲染 / 写实 / 水彩 / 渐变 / 复杂光影。
7. 不用代码提取边缘或生成线稿，让图像模型直接理解原图。
8. 出图前必须告知积分消耗；不逐步征求确认，一次跑完。

可调项

想改什么	改哪里
背景色	提示词「明亮柔和的薄荷绿」→ 换成品牌协调色
标题文字	主/副标题槽位；不确定就只写品牌名
产地 / 联名元素	「特色元素」槽位，如咖啡树枝、庄园 A 字牌、联名小人
吉祥物数量 / 楼梯滑梯	提示词「建筑设计」段的设施列表
画布比例	Step 3 的 size，同时改提示词里的画布条款
保真度	input_fidelity low / medium / high
拼接间隔与底色	compose --gap --pad --bg

资源

文件	用途
references/prompt-master.md	主用：完整可复用提示词模板、槽位表、三套填好的示例、负面词表
references/diagnose.md	照片识别卡、九条自检、失败修法表、中文文字处理
scripts/imgtool.py	prepare / cleanwm / compose / trim / sheet 五个本地子命令
README.md	中文安装与使用说明