chore: 预下载离线模型权重+字体，补充内网部署清单

- 下载 BiSeNet(79999_iter.pth 53MB) + resnet18骨干(45MB) + Noto Sans CJK SC字体(16MB)
  到 face_analysis/weights 与 fonts（大文件 .gitignore 不入库，靠文件拷贝带入内网）
- 新增 OFFLINE_ASSETS.md：文件清单+sha256校验+resnet18骨干离线放置说明+来源URL
- 字体由 SourceHanSansSC 改为 NotoSansCJKsc(同一套字体)，同步更新两份文档引用
- 文档补充内网/离线注意事项(resnet18联网下载坑、权重已预置)

docs/接口1-四庭七眼测量-开发任务书.md

@@ -27,7 +27,7 @@
 2. **新增逻辑全部放在 `face_analysis/` 包内**，`app.py` 只做编排（读图→校验→调用→返回），保持单文件 app 的薄控制器风格。
 3. **依赖锁版本**：`numpy<2`（用 1.26.4）。torch 用 CPU 版。安装走 `pip.conf` 里的腾讯云镜像（torch 需用官方 CPU index）。
 4. **模型权重不入 git**：`face_analysis/weights/*.pth` 写进 `.gitignore`，由 §2 的下载脚本拉取。
-5. **中文字体入 git**：`face_analysis/fonts/SourceHanSansSC-Regular.otf`。
+5. **中文字体**：`face_analysis/fonts/NotoSansCJKsc-Regular.otf`（= 思源黑体，已预下载，见 `OFFLINE_ASSETS.md`）。
 6. **每个模块都要能单独 import 且有 `if __name__ == "__main__"` 自测入口**，方便分阶段验证。
 7. 代码风格、注释密度与 `app.py` 保持一致；注释用中文。
 8. **不要 mock 兜底**：算法失败时返回对应错误码，**不得**回退成硬编码示例数据。
@@ -42,7 +42,12 @@
    `./venv/bin/pip install torch==2.2.2 torchvision==0.17.2 --index-url https://download.pytorch.org/whl/cpu`
    其余走现有 `pip.conf` 镜像。
 3. 创建目录骨架：`face_analysis/{__init__.py,fonts/,weights/}`、`static/annotations/`。
-4. 写 `scripts/download_weights.sh`：下载 BiSeNet face-parsing 权重 `79999_iter.pth`（来源：face-parsing.PyTorch 仓库 release）到 `face_analysis/weights/`，下载思源黑体到 `face_analysis/fonts/`（若已手动放置则跳过）。
+4. **权重/字体已预下载到位**（内网无需联网，见根目录 `OFFLINE_ASSETS.md` 的 sha256 清单）：
+   - `face_analysis/weights/79999_iter.pth`（BiSeNet 主权重 ~53MB）
+   - `face_analysis/weights/resnet18-5c106cde.pth`（骨干 ~45MB）
+   - `face_analysis/fonts/NotoSansCJKsc-Regular.otf`（中文字体 ~16MB）
+   仍需写 `scripts/download_weights.sh`（供联网环境/生产机重建），但内网执行时跳过此步、直接用已有文件。
+   ⚠️ **resnet18 骨干**：BiSeNet 初始化会尝试联网下载骨干，内网会失败——需把 `resnet18-5c106cde.pth` 拷到 `~/.cache/torch/hub/checkpoints/` 或改 BiSeNet 代码从 `weights/` 本地加载。
 5. 更新 `.gitignore`：忽略 `face_analysis/weights/*.pth`、`static/annotations/*`（保留 `.gitkeep`）。
 
 **交付物**
@@ -56,8 +61,8 @@
 print('numpy', numpy.__version__); print('mediapipe', mediapipe.__version__)"
 ```
 - 必须无 import 错误；`numpy.__version__` 以 `1.26` 开头。
-- `ls face_analysis/weights/79999_iter.pth` 存在且 >40MB。
-- `ls face_analysis/fonts/SourceHanSansSC-Regular.otf` 存在。
+- `ls face_analysis/weights/79999_iter.pth` 存在且 >40MB；`resnet18-5c106cde.pth` 存在。
+- `ls face_analysis/fonts/NotoSansCJKsc-Regular.otf` 存在。
 
 **完成标准**：上述命令全部通过，无报错。
 

docs/接口1-四庭七眼测量-技术实现方案.md

@@ -60,7 +60,11 @@ pip install mediapipe opencv-python pillow numpy -i https://pypi.tuna.tsinghua.e
 - **真实发际线** = 沿面部中轴线（用 §4 的 `brow_center_x` 作为 x），从上往下扫描，**头发区域 → 皮肤区域**的第一个交界 y 坐标。
 - **头顶** = 头发 mask 的**最高点**（最小 y）。
 
-> 权重需单独下载（`79999_iter.pth`，~50 MB），放入 `face_analysis/weights/`，不入 git（写进 `.gitignore`），由部署脚本拉取。
+> 权重需单独下载，放入 `face_analysis/weights/`，不入 git（写进 `.gitignore`）：
+> - `79999_iter.pth`（~53 MB）— BiSeNet 主权重。
+> - `resnet18-5c106cde.pth`（~45 MB）— BiSeNet 用的 resnet18 骨干。**离线/内网环境必须预放**：BiSeNet 初始化时会尝试用 `torch.utils.model_zoo` 联网下载该骨干，内网会失败。需把它放进 torch hub 缓存（`~/.cache/torch/hub/checkpoints/`）或改代码从本地路径加载。
+>
+> **本仓库已预先下载好上述权重 + 字体**（见根目录 `OFFLINE_ASSETS.md` 的 sha256 清单），内网机器无需联网，直接使用。
 
 ---
 
@@ -432,8 +436,8 @@ def create_annotated_image(input_image_path, vertical_result, eye_result, px_per
 
     # ⚠️ 字体：PingFangSC 是 macOS 字体，Linux 服务器没有；且 ImageFont.load_default()
     #    不渲染中文（会出现方块/空白）。必须随仓库打包一个中文 TTF 并用绝对路径加载。
-    #    建议放 face_analysis/fonts/SourceHanSansSC-Regular.otf（思源黑体）或 Noto Sans CJK。
-    FONT_PATH = os.path.join(os.path.dirname(__file__), "fonts", "SourceHanSansSC-Regular.otf")
+    #    已打包 Noto Sans CJK SC（= 思源黑体，同一套字体）：face_analysis/fonts/NotoSansCJKsc-Regular.otf
+    FONT_PATH = os.path.join(os.path.dirname(__file__), "fonts", "NotoSansCJKsc-Regular.otf")
     font = ImageFont.truetype(FONT_PATH, 10)  # 字体缺失时直接抛错，避免静默降级成乱码
 
     line_color = (255, 255, 255, 255)  # #FFFFFF 100%
@@ -624,9 +628,10 @@ hair/
 │   ├── annotation.py         # 标注图片生成（numpy 渐变线 + 中文字体）
 │   ├── face_mesh_landmarks.py  # 关键点索引常量
 │   ├── fonts/
-│   │   └── SourceHanSansSC-Regular.otf  # 打包的中文字体（入 git）
+│   │   └── NotoSansCJKsc-Regular.otf  # 打包的中文字体（= 思源黑体）
 │   └── weights/              # 模型权重（不入 git，部署脚本拉取）
-│       └── 79999_iter.pth    # BiSeNet face-parsing 权重 ~50MB
+│       ├── 79999_iter.pth    # BiSeNet face-parsing 权重 ~53MB
+│       └── resnet18-5c106cde.pth  # BiSeNet 骨干权重 ~45MB（离线必需，见下）
 ├── static/
 │   └── annotations/          # 生成的标注 PNG 存放目录
 ├── .gitignore                # 忽略 face_analysis/weights/*.pth