真实截图(v1.6.1 浅色主题):AI 人像处理工作台——前后对比分割线、预设与 24 项手动调节
−57.7% 产线综合成本(¥48,000 → ¥20,300 / 月)
¥3.38 单张成品成本(原 ¥8.00)
3× 修图人均产能
199 项 自动化测试全绿才发包
283 张 结构化场景库 plate · 28 库
10.8 MB 单文件 exe,12 台机零安装

At a glance

案例速览

要解决的问题
婚纱影楼传统 PS 手工精修单张 20–40 分钟,12 人数码部门的人力成本是刚性的;旅拍样片还要真的送客户去目的地拍。
约束条件
修图机不能装 Python / 运行时,必须拷过去双击即用;纯 API 产线每次调用都是真金白银;AI 出图必漂脸,而「还是本人」是交付红线;最终选片必须由人裁决。
我的职责边界
独立完成 Rust 工作台的需求拆解、架构、实现、提示词与质检体系、测试与交付;与同事的 Python 参考实现逐字对拍互验。
结果
产线综合成本 ¥48,000/月 → ¥20,300/月(−57.7%,年化节省约 ¥33 万);单张成品 ¥8.00 → ¥3.38;人均产能提升 3 倍。

Overview

项目说明

「视觉海岸批量修图工作台」是给婚纱影楼的 AI 产线五合一 Windows 桌面程序:纯 Rust(25,000+ 行)单文件 exe,零运行时依赖,双击即用,已迭代到 v1.6.1。它把 AIGC 从「能出好看的图」推到「能稳定交付、能算清成本」。

背景

婚纱影楼的数码部门有 12 人,一张照片手工精修要 20–40 分钟;旅拍样片还要把新人真的送到海边、山顶去拍。影楼想要的是:客户在棚里拍一次,就能拿到旅拍级的成片,而且成本要能写进报价单。

方案:面向真实产线的多模型 Agent Harness

编排 4 款出图模型 + 视觉判定模型 + 本地锁脸工具 + 本地人像精修引擎,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;场景库自助管理让操作员不碰代码也能扩库。

技术 / 工具在项目里做什么解决什么问题
Agent Loop + 账本状态机全流程自动串联,每步结果落盘一册 40 张一键跑完;关机重开接着跑,不重做、不重复扣费
Tool Use + Subagent 分工判景别 / 打标 / 质检各由专职模型负责,只返回固定 JSON Schema模型不能自由发挥;超出值域一律作废,宁可不判绝不错判
LLM-as-Judge出图后自动比对 11 项,有问题标红但不裁决机器先筛,人只做终审;手部不合格硬拦「送放大」
Prompt + Context Engineering判断纪律逐条写死,提示词分层装配同一张图,提示词写法不同出错率能差几倍
KV Cache 前缀缓存固定纪律顶前、可变信息压后一册约 80 次调用,前缀一致即命中缓存
Memory 记忆回流判定与选景理由落盘;人工判废回流成结构化数据重跑不再付费问模型;「人为什么否掉这张」变成可统计信号
MCP Server + Agent Skills场景检索、账本查询、任务提交封装成 MCP;产线纪律写成 SKILL.md能力可被 Claude Code 等客户端直接调用,规矩换人换工具都能复用
多模型编排 + 韧性 + 成本闸三档价位调度、五域测速择优、模型下架自动接力、烟测门上游真下架过模型、卡死过 300 秒,也整批白烧过钱
选景引擎 + FaceFusion 锁脸283 张场景两道硬过滤 + 11 级排序;出图后原片人脸像素级贴回选错景整册报废;AI 出图必漂脸,锁脸是交付红线
AI 人像处理(本地精修)8 个 ONNX 模型本机推理 + 纯 Rust 修图算子,两个预设 + 24 项手动调节常规精修零 API 费、结果可复现;不重画五官,不漂脸
Rust 工程与交付后台并发 + 四个独立停止开关;八步安全写盘;199 项测试界面不卡;写坏生产素材库会让整条产线停摆

结果

数码部门编制由 12 人精简至 6 人(保留终审、选片、锁脸、疑难件、库维护五类人工触点),计入 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。

同一条产线的「一张原片走完全流程」图文复盘见:视觉海岸 · 一张原片走完婚纱 AI 产线。

配图说明:界面截图均为 v1.6.1 实机运行直出(浅色主题),API Key 片段与账户 ID 已打码;QC 判废为产线真实产出样例;锁脸一步与人像处理对照图中的像素蛋糕「奶油肌」导出、修图师人工精修为参照样张,本程序「奶油肌」为工作台真实成片。

Stack

技术栈与工具

  • Rust
  • egui / eframe
  • egui_kittest
  • Agent Loop + 9 状态账本
  • JSON Schema 结构化输出
  • LLM-as-Judge
  • Prompt / Context Engineering
  • KV Cache 前缀缓存
  • MCP Server
  • Agent Skills
  • gpt-image-2(经 4sapi 中转)
  • Gemini 4K
  • RunningHub(ComfyUI 云端)
  • FaceFusion
  • ONNX Runtime(本地推理)
  • Windows Schannel TLS

Build

实现过程

按实现顺序拆开关键模块:每一步解决什么问题、为什么这样做。

  1. Agent Loop + 账本状态机:关机重开接着跑

    判景别 → 选景 → 装配 → 出图 → 质检 → 归集全流程串联,每一步结果落盘。账本是 9 状态持久化状态机(主路径 pending → prompted → generating → awaiting_qc → selected → done),关机重开从断点继续;失败自动重试,成功单重做时保留历史留档——已完成的不重做、不重复扣费。

    真实截图 · 主界面七区:① 模式切换(五模式)② 工具栏 ③ 参数设置 ④ 单子列表 ⑤ 预览 QC ⑥ 日志 ⑦ 状态与版本
    真实截图 · 主界面七区:① 模式切换(五模式)② 工具栏 ③ 参数设置 ④ 单子列表 ⑤ 预览 QC ⑥ 日志 ⑦ 状态与版本
  2. Subagent 分工 + 结构化输出:模型不许自由发挥

    判景别、场景预打标、成图质检各由一个专职模型负责,只返回固定 JSON Schema。超出值域的答案一律作废、按「宁可不判,绝不错判」处理,结果直接入库。判景别输出九个字段,人可以在单子列表里手改景别并勾选重试。

    真实截图 · 参数设置窗:4sapi Key(已打码)/ 调色档 / 出图引擎 / 场景池 / 原片与输出夹
    真实截图 · 参数设置窗:4sapi Key(已打码)/ 调色档 / 出图引擎 / 场景池 / 原片与输出夹
  3. 成本闸 + 烟测门:跑之前先算账

    纯 API 产线每次点击都是真金白银。开跑前成本闸先估算「本批 3 张 ≈ ¥1.3」,按引擎分档计价(gpt-image-2 ¥0.43 / RunningHub 低价通道 ¥0.5 / Gemini 4K ¥3.5);烟测门要求首张成功才放并发。这条规则来自一次真实教训:上游卡死过 300 秒,也整批白烧过钱。

    真实截图 · 参数设置下半区:283 张 plate 场景库 / 并发 / 断点续跑 / 开跑前烟测 1 张(关闭时直接提示「通道挂起时段将整批计费」)
    真实截图 · 参数设置下半区:283 张 plate 场景库 / 并发 / 断点续跑 / 开跑前烟测 1 张(关闭时直接提示「通道挂起时段将整批计费」)
  4. LLM-as-Judge 预筛:只标红,不裁决

    出图后 AI 按 11 项(保本人 / 姿势 / 服装配饰 / 景别 / 接地 / 基调 / 双人 / 手部 / 干净 / 比例 / 空侧)与原片比对,只标红不裁决,把人从逐张全看降为只看疑点。手部不合格硬拦「送放大」,废片不流到下游。铁律是「验收不接 AI」:选用与判废永远由人决定。

    真实产出 · 判废样例:新娘被凭空加上头戴纱、手持披纱消失——预筛标红,由人判废
    真实产出 · 判废样例:新娘被凭空加上头戴纱、手持披纱消失——预筛标红,由人判废
  5. 确定性选景引擎:每次选景都能说出理由

    283 张场景 plate 每张是一条结构化数据(景别适配 fits_shot / 横竖 / 构图 / 光线档 light_key / 机位 view_angle)。选景走两道硬过滤 + 11 级排序并附中文理由——选错景整册报废,所以全程必须可审计。某一单不满意时,可在「指定场景」缩略图窗里一键换景重出。

    真实截图 · 每张 plate 一条结构化打标:景别 fits_shot / 横竖 / 构图 composition / 光线档 light_key / 机位 view_angle
    真实截图 · 每张 plate 一条结构化打标:景别 fits_shot / 横竖 / 构图 composition / 光线档 light_key / 机位 view_angle
  6. 分层提示词装配 + KV Cache 分区重排

    判断纪律逐条写死,提示词分层装配,4 款模型各拼各的版本。一册要调约 80 次模型,所以把固定的判定纪律与质检清单统一放在最前、每张照片的可变信息压到末尾——前缀完全一致才能命中缓存、不重复计费;顺序一颠倒,缓存全部失效。

  7. FaceFusion 锁脸:交付红线的最后一道工序

    AI 出图必漂脸,而中景双人照里人脸只占画高约 4%,模型「看到」的脸只有十几个像素。出图后用本地 FaceFusion 把原片的脸按成图姿态像素级贴回,锁脸不合格不许流入下游——目的始终是还原客户本人,而不是替换身份。

    参照样张 · 像素蛋糕「奶油肌」导出:精修后仍一眼是本人——锁脸要守住的正是这条交付标准
    参照样张 · 像素蛋糕「奶油肌」导出:精修后仍一眼是本人——锁脸要守住的正是这条交付标准
  8. 多模式一条龙:入景 → 调色 → 放大

    「AI 调色」模式对成品整图重打光(自然 / 鲜艳 / 冷 / 胶片四档),人物与构图不动,全册基调一次定死;「AI 高清增强」模式接 RunningHub(ComfyUI 云端,Flux2-Klein 精修放大),工作流 JSON 拖入即自动识别输入输出节点,上传 → 提交 → 轮询 → 下载全自动、断点续跑。

    真实截图 · AI 调色参数:调色档 + 模型选择;正脸只轻美颜,QC 红线守「还是本人」
    真实截图 · AI 调色参数:调色档 + 模型选择;正脸只轻美颜,QC 红线守「还是本人」
  9. AI 人像处理(v1.6 新增):本地精修,零 API 费、零漂脸

    第五个模式把影楼日常的人像精修搬进工作台:选好原片和预设,一键批量出片。它不调用任何云端生成模型——人脸检测、106 点关键点、人脸解析、人像抠图、皮肤分割、AI 瑕疵检测等 8 个 ONNX 模型全部在本机推理,像素怎么改由纯 Rust 修图算子(CPU 并行)决定。同一张图、同一组参数,每次结果逐字节相同;五官和身份不会被「重画」,交付红线「还是本人」天然守住。

    真实截图 · AI 人像处理工作台:前后对比分割线 / 预设 / 24 项手动调节 / 批量缩略图(7 张全部已处理)
    真实截图 · AI 人像处理工作台:前后对比分割线 / 预设 / 24 项手动调节 / 批量缩略图(7 张全部已处理)
  10. 逆向两款行业预设 + 24 项手动调节

    「奶油肌」「婚纱-深色内景」两个预设,是对影楼常用修图软件(像素蛋糕)导出成片逐项做逆向分析、定量拟合出来的:保纹理磨皮、匀肤与肤色统一、祛斑瑕、颈纹淡化、牙齿美白、按性别瘦脸;深色内景另带「自适应黑点 → 全局 3D LUT → 人物主体提亮」的调色链。预设之上开放 24 项手动调节(整体 / 皮肤 / 肤色 / 美型),拖动滑块即由常驻预览进程出小图(约 5 秒),满意后「按当前参数出这一张」。下图是同一张客片的四方对照:原片、修图师人工精修、像素蛋糕「奶油肌」导出,以及本程序「奶油肌」成片。

    同一张客片四方对照:原片 / 修图师人工精修 / 像素蛋糕「奶油肌」导出 / 本程序「奶油肌」成片;下两排为新娘、新郎面部局部
    同一张客片四方对照:原片 / 修图师人工精修 / 像素蛋糕「奶油肌」导出 / 本程序「奶油肌」成片;下两排为新娘、新郎面部局部
  11. 独立工作进程 + 绝不静默降级

    算法跑在独立工作进程里(主程序经 JSON 行协议驱动,低优先级、不弹窗),单张失败不会拖垮界面,内存不足时把原因讲成人话(这张多大、约需多少内存)。资源包(ONNX Runtime 1.30 + 8 个模型 + VC++ 运行库)按 SHA-256 清单逐文件核对,缺任何一项直接报错,绝不悄悄降级出一张「看起来也行」的图。成片记录按「预设 + 调节参数」判断跳过或留档重出;迁入工作台时,22 张样张 × 2 个预设的 44 张成片与 44 份关键点数据,与上游参考实现逐字节相同。

    真实截图 · AI 人像处理参数:预设 / 输入与输出夹 / 跳过已处理(参数相同的)/ 资源包 R1 就绪 · 14 个文件
    真实截图 · AI 人像处理参数:预设 / 输入与输出夹 / 跳过已处理(参数相同的)/ 资源包 R1 就绪 · 14 个文件
  12. 场景库自助管理:把审美变成一张可管理的数据库

    独立管理窗分三栏:库列表(28 库)、库内 plate 缩略图、结构化打标详情。「+ 添加场景」走 AI 预打标入库,另有编辑打标、新建库、下架恢复与备份回滚;写入走八步安全写盘管道,写坏即回滚。场景库运营从「找开发改 JSON」下放为「操作员点界面」。

    真实截图 · 场景库自助管理窗:28 库列表 / plate 网格 / 结构化打标详情
    真实截图 · 场景库自助管理窗:28 库列表 / plate 网格 / 结构化打标详情
  13. 数据质量也有门禁:场景库体检

    「体检」页对整库做完整性校验:0 错误才算健康,黄字逐条提示可补的项,并列出每库家底(plate 数 / 横竖比 / 景别覆盖 / 光线档)。plate 质量决定成片下限,这与代码侧 catalog_integrity 测试同一口径。

    真实截图 · 场景库体检:0 错误 / 3 处提示 + 逐库统计
    真实截图 · 场景库体检:0 错误 / 3 处提示 + 逐库统计
  14. 访问控制:7 天本机免密,明文零落盘

    这是内部产线工具,访问控制是交付前提。账号由负责人线下发放;勾选「7 天内本机免密」后回车即进。五层失效机制:硬过期、防篡改、绑本机、防回拨(改系统时间无效)、换口令全体作废;明文密码不落盘。

    真实截图 · 登录页:已记住本机登录,7 天内直接点「登录」进入
    真实截图 · 登录页:已记住本机登录,7 天内直接点「登录」进入

Decisions

关键决策

说明为什么这样做,而不只是列出做了哪些动作。

Q1

为什么是 Rust 单 exe,而不是 Electron / Python

用户是影楼修图师,交付物必须「拷过去双击就能用」。Python 要装环境,Electron 要带上百 MB 运行时;Rust + egui 出 10.8MB 单文件,TLS 走系统 Schannel,12 台机零安装。配置存 exe 同目录、原子写,换机连配置一起拷走。

Q2

Harness 的第一性原理:人只在该决策的地方出现

自动化不是把所有事交给 AI,而是精确回答「哪些判断不能省」。答案只有两个:判景别(可手改)和 QC 终审(只裁决)。其余选景、装配、出图、重试、记账、归集全部机器化,由账本状态机驱动。

Q3

选引擎不问哪个最强,问哪种失效可控

gpt-image-2 像素编辑能锁构图,但清晰度被档位钉死;Gemini 17.1MP 保脸,但先验之外的元素每次采样都在掷骰子。三引擎 13+ 抽实证:没有单一引擎能单抽过全部红线。所以按构图先验路由引擎、锁脸兜底、人工终审,并把三档成本写进成本闸。

Q4

人像精修为什么不用生成式模型

生成式模型擅长「换」,修图要的是「不变」——客户要的是更好看的本人,不是像本人的另一个人。所以人像精修走确定性路线:模型只负责「看」(找脸、分割皮肤与瑕疵),像素怎么改由可解释的算子决定,参数可复现、效果可微调、单张成本为零;生成式能力只留给确实需要「重画」的入景与换装。

Q5

回归门禁与确定性:能复现,才能修复

199 项测试全绿才发包:与 Python 参考实现逐字对拍的黄金样本、catalog 完整性、状态机干跑、egui_kittest 无头模拟真实控件树点击。随机抖动固定种子、账本字段 serde default 兼容旧账本——不确定的系统,连 bug 都无法稳定复现。

Result

交付与结果

交付内容

  • 单文件 exe(约 10.8MB):GNU 工具链 + 系统 Schannel TLS,无 OpenSSL / WebView2 / .NET 依赖;单实例守卫防重复开窗
  • 五模式一套外壳:AI 实景合成 / AI 换装 / AI 调色 / AI 人像处理 / AI 高清增强,独立参数设置窗 + 深浅双主题
  • AI 人像处理(v1.6 新增):本地工作进程 + 资源包(ONNX Runtime 1.30 + 8 个模型),「奶油肌」「婚纱-深色内景」两个预设 + 24 项手动调节与实时预览
  • 登录系统:账号密码 + 7 天本机免密,五层失效(硬过期 / 防篡改 / 绑本机 / 防回拨 / 换口令全作废),明文密码零落盘
  • 场景库自助管理子系统:浏览 / AI 预打标入库 / 编辑打标 / 建库改名 / 体检 / 备份回滚,八步安全写盘管道,写坏即回滚
  • MCP Server + Skills 技能包:场景检索、账本查询、任务提交可被 Claude Code 等外部客户端直接调用

项目结果

  • 数码部门编制 12 人 → 6 人,保留终审、选片、锁脸、疑难件、库维护五类人工触点
  • 产线综合成本 ¥48,000/月 → ¥20,300/月(计入 AI 调用费用),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
  • 全册一键:判景别 → 选景 → 装配 → 出图 → 预筛全自动;关机重开接着跑,已完成的不重做、不重复扣费
  • 场景库运营下放给操作员:加图 / 建库 / 体检 / 回滚都在界面里完成,主机改一次全员生效,程序零发版
  • 25,000+ 行 Rust、199 项自动化测试全绿门禁:黄金对拍 / catalog 完整性 / 状态机干跑 / egui_kittest 无头 UI 断言
  • 常规人像精修(磨皮 / 匀肤 / 调色 / 瘦脸)并入工作台:本机运行、零 API 费、不重画五官,6000×4000 原片单张约 6–15 秒

Retrospective

复盘

回头看,最关键的一次判断是承认「没有单一引擎能单抽过全部红线」。与其继续调某一个模型,不如把工程重心放在按构图先验路由、锁脸兜底、成本闸与人工终审的分工上——对一条要按单价收费的产线来说,可预期的失败比偶尔的惊艳更重要。

References

方法与参考

本案例用到的工程模式与模型能力,附权威出处,方便核对。