EPEEAIKit/.cursor/deferred/registry.md

Deferred Decisions Registry

Active Items

[cloud-deploy-route-b] 路线 B：云服务器正式部署

• status: deferred
• tags: deployment, docker, nginx, cloud, production
• recorded: 2026-04-12
• source_chat: 发布到手机浏览器的方案讨论
• prerequisite: 路线 A（内网穿透 + 移动端适配）完成后
• related_files:
  • art-agent/backend/app/main.py
  • art-agent/frontend/next.config.ts
  • art-agent/frontend/.env.local
  • art-agent/backend/.env
• context: | 买轻量云服务器（2C2G ~50元/月），编写前后端 Dockerfile + docker-compose， 配置 Nginx/Caddy 反向代理统一入口，HTTPS 自动签证书， 环境变量搬迁（去掉本地代理配置），可选绑定域名。 预估工作量 1-2 天。
• chosen_alternative: 路线 A — 本地运行 + 内网穿透（Cloudflare Tunnel / ngrok）
• deferred_reason: 当前阶段只需自己和朋友试用，内网穿透足够

[style-pipeline-layered] 分层组合风格一致性产线（含便利选取 + LoRA 训练）

• status: deferred

• tags: 风格一致性, 风格选取, IP-Adapter, LoRA, ControlNet, 量产, 美术产线, InstantStyle, 风格库, 训练

• recorded: 2026-04-12

• updated: 2026-04-16

• source_chat: 风格一致性技术方案讨论

• prerequisite: EPEEKit 进入美术资源量产阶段（风格方向已确定、需要批量产出同风格素材）

• related_files:

  • art-agent/backend/app/services/image_gen.py
  • art-agent/backend/app/config.py
  • art-agent/frontend/src/app/page.tsx

• context: | 分层组合的风格一致性产线：

  1. 探索期（当前）：Prompt + 参考图，快速试错确定风格方向
  2. 锁定期：IP-Adapter / ControlNet，选 3-5 张精选图作为风格锚点，推理时注入风格
  3. 量产期：LoRA + ControlNet，用精选图训练 LoRA（20-50 张），批量产出同风格资源
  4. 贯穿全程：标准化 Prompt 模板 + Negative Prompt 模板，确保品质下限 各阶段可叠加使用，不互斥。LoRA 训练需要同风格样本积累到足够数量。

  2026-04-13 调研补充 — 风格迁移模型层级：

  • Kolors IP-Adapter（当前在用）：通用 IP-Adapter，风格迁移弱，内容+风格+构图混合提取
  • InstantStyle（Replicate 可用）：专门分离内容/风格，风格迁移强，但贵且慢
  • Style IPAdapter for NoobAI-XL（CivitAI）：最强画风迁移（线条+着色技法），需 ComfyUI
  • ICAS 框架（学术前沿 2025.04）：IP-Adapter + ControlNet 组合，多主体风格一致性最优 锁定期的最佳方案：迁移到 HF Inference Endpoints 后，用 NoobAI-XL + Style IPAdapter + ControlNet

  2026-04-16 补充 — 便利的风格选取和 LoRA 训练 UI：

  • 风格库 UI：预设风格卡片（缩略图+标签+描述），一键选取即注入对应 Prompt 模板/参考图/LoRA
  • LoRA 训练流程集成：在 Agent 内上传训练素材 → 触发云端 LoRA 训练 → 训练完成后自动入库为新风格
  • 风格组合：支持多风格叠加（如"水墨 + 赛博朋克"），前端可视化混合权重
  • 风格管理：用户自建/收藏风格，按项目/标签分类，团队共享

• chosen_alternative: 当前使用 Prompt Engineering + LLM 参考图理解（探索期方案）

• deferred_reason: 风格方向尚未确定，过早引入 LoRA/ControlNet 是过度优化

[doc-gen-management] 文档生成和管理系统

• status: deferred
• tags: 文档生成, 项目大纲, 游戏风格文档, 美术规范, GDD, 模板, 导入
• recorded: 2026-04-16
• source_chat: 接下来要做的三件事
• prerequisite: 基础对话生图能力稳定后
• related_files:
  • art-agent/frontend/src/app/page.tsx
  • art-agent/backend/app/agent/loop.py
  • art-agent/backend/app/agent/tools.py
• context: | 文档驱动的美术资源生产流程：
  1. 项目大纲导入：支持上传/粘贴项目大纲（GDD、策划案等），Agent 解析结构
  2. 游戏风格文档生成：基于大纲 + 对话交互，自动生成美术风格指南 （色彩体系、质感定义、元素规范、参考图收集等）
  3. 文档模板：预设多种文档模板（美术风格指南、UI 规范、角色设定集、场景规范等）
  4. 文档管理：按项目组织，版本历史，团队共享，与生图任务关联
  5. 文档 → 生图联动：风格文档中的规范自动注入生图 Prompt，确保产出一致性
• chosen_alternative: 当前无文档管理能力，美术规范靠口头约定或外部文档
• deferred_reason: 当前阶段聚焦核心生图能力，文档系统是生图能力稳定后的自然延伸

[asset-spec-presets] 资产规格快速选取系统

• status: deferred
• tags: 资产规格, icon, UI资产, 3D资产, 尺寸, 比例, 安全区, 底色, 预设, 美术标准
• recorded: 2026-04-16
• source_chat: 接下来要做的三件事
• prerequisite: 基础生图能力稳定后
• related_files:
  • art-agent/backend/app/agent/tools.py
  • art-agent/backend/app/services/image_gen.py
  • art-agent/frontend/src/app/page.tsx
• context: | 资产规格预设系统——选取资产类型即自动套用全部技术标准：
  1. 资产类型库：Icon / UI按钮 / 头像框 / 背景图 / 角色立绘 / 场景原画 / 3D贴图 等
  2. 每种类型包含完整规格定义：
     • 尺寸（输出分辨率、DPI）
     • 比例（1:1 / 16:9 / 自定义）
     • 安全区（内容区 vs 出血区）
     • 底色/透明度要求
     • 文件格式（PNG / SVG / PSD 等）
     • 风格约束（该类资产的通用风格要求，如 icon 需要简洁辨识度高）
     • 导出规格（多尺寸自动导出，如 @1x @2x @3x）
  3. 项目级自定义：允许在预设基础上调整，保存为项目专属规格
  4. 3D 资产扩展：未来覆盖 3D 模型的面数/贴图分辨率/UV规范等
  5. 一键应用：选取资产类型后，尺寸/比例/后处理参数自动注入生图调用
  6. 游戏全品类覆盖：目标是游戏中所有美术资产类型都有对应的规格预设
• chosen_alternative: 当前生图参数完全由用户在对话中手动指定或由 LLM 推断
• deferred_reason: 当前阶段聚焦核心生图和风格探索，规格系统是进入量产阶段的必备基础设施

[hf-inference-endpoints] 迁移到 Hugging Face + Inference Endpoints

• status: deferred
• tags: 基础设施, Hugging Face, Inference Endpoints, ComfyUI, 自定义模型, 风格迁移
• recorded: 2026-04-13
• source_chat: Kolors 风格迁移排查与模型调研
• prerequisite: 探索期结束、确定要用的模型组合后
• related_files:
  • art-agent/backend/app/services/image_gen.py
  • art-agent/backend/app/config.py
• context: | 将生图基础设施从 Replicate API 迁移到 Hugging Face Inference Endpoints：
  1. 可部署任意 ComfyUI 工作流（NoobAI-XL + Style IPAdapter + ControlNet 等任意组合）
  2. 不受 Replicate 模型作者暴露的参数限制，完全控制推理流程
  3. CivitAI 上的任何 LoRA、IP-Adapter 权重都能直接加载
  4. 按 GPU 时长计费，批量生成时远比 Replicate 按次付费便宜
  5. 是 style-pipeline-layered 延期方案中"锁定期 → 量产期"的基础设施 背景：当前在 Replicate 上可用的风格迁移模型有限——
  • Kolors IP-Adapter：风格迁移弱（混合提取内容+风格+构图）
  • InstantStyle（jyoung105/instant-style）：风格迁移强但贵（$0.12/次）且慢（~128s）
  • Style IPAdapter for NoobAI-XL：最强画风迁移，但需 ComfyUI 环境，Replicate 上无法使用 迁移到 HF Inference Endpoints 后可自由组合以上所有方案。
• chosen_alternative: 当前使用 Replicate API（Kolors IP-Adapter + Flux + SDXL）
• deferred_reason: 探索期用 Replicate 足够快速迭代，迁移工作量较大（需搭建自定义推理服务）

[vision-model-asset-library] 专用 Vision 模型用于资源库功能

• status: deferred
• tags: 资源库, vision, CLIP, BLIP, 图片搜索, 自动标签, embedding
• recorded: 2026-04-12
• source_chat: 参考图风格解析方案讨论
• prerequisite: 资源库功能进入增强阶段（基础 Gallery 已完成）
• related_files:
  • art-agent/frontend/src/app/gallery/page.tsx
  • art-agent/backend/app/services/image_gen.py
• context: | 引入专用 Vision 模型（CLIP / BLIP 等）为资源库提供智能化能力：
  1. 自动标签：生成的图片自动分类（UI/角色/场景/图标等）
  2. 以图搜图：上传一张图，从资源库中找风格最相似的
  3. 语义搜索：用自然语言搜索图片（如"蓝色水晶质感的按钮"）
  4. 聚类分组：自动将图片按视觉相似性分组 可通过 Replicate 调用或本地部署，成本极低。
• chosen_alternative: 当前资源库使用手动标签 + Prompt 文本搜索
• deferred_reason: 当前阶段资源量少，手动管理足够；等资源积累到一定量级后再引入自动化

[advanced-view-transform] 进阶视角变换 Pipeline（3D 重建 + ControlNet 风格还原）

• status: deferred

• tags: 视角变换, 3D重建, ControlNet, Zero123++, TripoSR, InstantMesh, Novel View Synthesis, 手绘风格, IP-Adapter

• recorded: 2026-04-16

• source_chat: 视角变换方案讨论与 Zero123++ 集成

• prerequisite: Zero123++ 基础验证完成、确认视角变换是高频需求后

• related_files:

  • art-agent/backend/app/services/view_transform.py
  • art-agent/backend/app/config.py
  • art-agent/backend/app/agent/tools.py

• context: | 当前已集成 Zero123++（固定 6 视角输出），但存在两个局限：

  1. 视角固定（6 个预设角度），无法自定义任意角度
  2. 手绘风格保持度不够——Zero123++ 更擅长写实/3D 渲染风格

  进阶方案分三个层级：

  A. 更强的多视角生成模型： - Era3D：高质量多视角一致性，建筑类友好 - SyncDreamer：同步多视角生成，一致性好 - Wonder3D：多视角 + 法线图，精确视角控制

  B. ControlNet 引导的视角变换： - 用 Depth Anything V2 从原图提取深度图 - 用 ControlNet（depth/normal 模式）+ 目标视角描述重新生成 - 通过 IP-Adapter 注入原图风格保持手绘风格

  C. 最佳质量方案（多步组合 Pipeline）： 原图 → TripoSR/InstantMesh 3D 重建 → 旋转到任意目标角度渲染灰度/线稿 → ControlNet(canny/depth) + IP-Adapter(原图风格) → 手绘风格新视角图 这是质量最高的方案：视角精准 + 风格保真

  实施依赖：

  • 方案 B/C 需要 ComfyUI 环境（与 hf-inference-endpoints 延期方案关联）
  • 方案 C 的 TripoSR/InstantMesh 可先在 Replicate 上验证

• chosen_alternative: 当前使用 Zero123++ 固定 6 视角输出（基础验证阶段）

• deferred_reason: 先用 Zero123++ 验证视角变换的实际需求频率和用户反馈，再投入进阶方案

---

Completed / Cancelled Items

[context-window-management] 对话上下文管理（滑动窗口）

• status: completed
• completed_date: 2026-04-13
• completed_by: [CL-20260413-2320] Mem0 记忆系统集成
• notes: 原计划自建 tiktoken + 滑动窗口 + 摘要。实际方案：Mem0 的事实提取替代了"对话摘要"，滑动窗口在 loop.py 中实现（MAX_RECENT_TURNS=20）

[mem0-long-term-memory] 引入 Mem0 作为长期记忆层

• status: completed
• completed_date: 2026-04-13
• completed_by: [CL-20260413-2320] Mem0 记忆系统集成
• notes: Mem0 OSS 自部署（DeepSeek 事实提取 + Ollama nomic-embed-text embedding + Qdrant 本地向量库），与上下文管理一并实施