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

• status: deferred

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

• recorded: 2026-04-12

• updated: 2026-04-13

• 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

• 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

• 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

[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

---

Completed / Cancelled Items

（暂无已完成或已废弃的方案）