「视觉海岸批量处理工作台」是给婚纱影楼的 AI 产线三合一 Windows 桌面程序——纯 Rust(25,000+ 行)单文件 exe(约 10.2MB),零运行时依赖,双击即用,现已迭代到 v1.5.26。本页用真实 Windows 截图完整展示程序的每一个界面:从登录页到三模式主界面、独立设置窗、成本闸、QC 选片、一对一选景器、前后滑动对比,直到全新的场景库自助管理窗与体检页。
面向真实产线的多模型 Agent Harness
项目目标:针对婚纱影楼传统 PS 手工精修单张耗时 20–40 分钟、12 人数码部门人力成本刚性的痛点,用 Rust + egui 构建单文件桌面 Agent Harness,编排 4 款出图模型 + 视觉判定模型 + 本地锁脸工具,以「判定 → 选景 → 装配 → 出图 → QC → 归集」的账本驱动闭环替代人工修图,并通过场景库自助管理让操作员不碰代码即可扩库。
技术 / 工具栈:
| 技术 / 工具栈 | 在项目里干什么 | 解决什么问题 |
|---|---|---|
| Agent Loop + 账本状态机 | 判定→选景→装配→出图→质检→归集全自动串联,每步结果落盘 | 一册 40 张自动跑完;关机重开接着跑,已完成的不重做、不重复扣费 |
| Tool Use + Subagent 分工 | 模型只返回固定 JSON;判景别、场景打标、成图质检三个专职模型各管一摊 | 模型不能自由发挥,答案直接入库;超出值域一律作废,宁可不判绝不错判 |
| LLM-as-Judge(AI 质检) | 出图后自动比对 11 项(脸/姿势/服装/景别/手部…),有问题标红但不裁决 | 机器先筛一遍人只做终审;手部不合格硬拦「送放大」,避免废片流到下游 |
| Prompt + Context Engineering | 逐条写死判断纪律;提示词分层装配,4 款模型各拼各的版本 | 同一张图提示词写法不同出错率差几倍;拼错语法会让约束失效直接出废片 |
| KV Cache 缓存复用 | 固定的判定纪律与质检清单统一顶在最前,每张照片的可变信息压到末尾 | 一册要调 80 次模型,前缀完全相同即命中缓存不重复计费;顺序颠倒缓存全失效 |
| Memory 记忆回流 | 判定结果与选景理由落盘存档;判废记录回流成结构化数据,汇总首过率看板 | 重跑不再花钱问模型;把「人为什么否掉这张」变成可统计信号,反哺选景与提示词 |
| MCP + Skills | 场景检索、账本查询、任务提交封装成 MCP Server;产线纪律写成技能文档 | 能力可被 Claude Code 等客户端直接接管;规矩沉淀成文档,换人换工具都能复用 |
| 多模型编排 + 韧性 + 成本闸 | 4 款出图模型按 ¥0.43 / ¥0.5 / ¥3.5 三档切换;五域测速择优、模型下架自动换备用;首张试水成功才放并发 | 单一模型达不到交付标准;上游真下架过模型、卡死过 300 秒;曾整批白烧钱 |
| 选景决策引擎 + FaceFusion 锁脸 | 283 张场景照两道硬过滤 + 11 级排序自动选配,附中文理由;出图后把原片的脸像素级贴回 | 选错景整册报废,每次选景可追溯;AI 出图必漂脸,锁脸是交付红线 |
| Rust 工程与交付 | 后台并发 + 四个独立停止开关;共享盘八步安全写盘;10.2MB 单文件 exe;199 项自动化测试 | 界面不卡、停质检不误停出图;写坏生产库整条产线停摆;12 台机零部署,改代码全量自检 |
我的职责:
- 设计账本驱动的 Agent Loop 与 9 状态持久化状态机,实现关机续跑、失败重试与成功重做留档;
- 拆分判定 / 预打标 / QC 三个专职 Subagent,用结构化输出约束与 LLM-as-Judge 实现九字段判景别与 11 项自动质检;
- 构建分层提示词装配器并做 KV Cache 分区重排降本,配套黄金对拍与 199 项自动化测试守住质量基线;
- 开发 283 张场景的确定性选景引擎(两道硬过滤 + 11 级排序),实现选景全程可审计;
- 建成五域探测、模型接力链、烟测门与可中断退避的多模型韧性与成本闸,杜绝无效扣费;
- 交付场景库自助管理子系统(八步安全写盘管道),并封装 MCP Server 与 Skills 技能包实现能力复用。
项目成果:数码部门编制由 12 人压缩至 4 人(保留终审、选片、锁脸、疑难件、库维护五类人工触点),叠加 AI 调用支出后产线综合成本 ¥48,000/月 → ¥20,300/月,降幅 57.7%,年化节省约 ¥33 万;单张成品成本 ¥8.00 → ¥3.38,人均产能提升 3 倍。
三模式:AI 实景合成(判景别 → 七键序选景 → 四轴装配 → 三引擎出图 → AI 预筛)、AI 调色(自然 / 鲜艳 / 冷 / 胶片四档重打光)、AI 高清增强(RunningHub 批量放大)。三个能力串成一条龙:入景 → 调色 → 放大。
本轮相较早期版本的主要演进:
- 登录系统(v1.5.25):账号密码 + 7 天本机免密、五层失效、明文零落盘。
- 场景库自助管理窗(v1.5.21):浏览 / AI 预打标入库 / 编辑打标 / 建库改名 / 体检 / 备份回滚——283 plate · 28 库,把场景库运营从「改 JSON」下放为「点界面」。
- 三出图引擎可切换:gpt-image-2(锁构图 ¥0.43)/ Gemini 4K(17.1MP 保脸 ¥3.5)/ RunningHub 低价通道(17MP ¥0.5),按构图先验路由、成本三档计价。
- 一对一指定场景、成功单重做、失败单多选重试、4sapi 多域名自动择优等产线韧性升级。
Harness 工程仍是内核:状态机账本驱动关机续跑、首张烟测拦全批、成本闸跑前可见、错误分类重试、199 项自动化测试全绿门禁(黄金对拍 / catalog 完整性 / egui_kittest 无头 UI 硬断言)、与同事 Python 实现逐字对拍互验。
配图说明:登录页为本机实机运行 v1.5.26 直出;其余界面为程序随包《全功能小白图文手册》的直出截图(与实际运行窗口一致,部分带功能标注)——三模式 × 双主题 × 独立设置窗 × 场景库管理窗,程序的每个界面都在这里。
