xslandClaude Opus 4.8
554b64a916
第一步：按性别把发际线类型贴图渲染到照片，输出 N 张发际线叠加预览图。 - hairline/render.py: 解析 face_ext.obj(502 UV + 64 ribbon扩展面) + OpenCV 逐三角 仿射 warp 渲染器；关键修复——face_ext.obj 是 OBJ序，用 INDEX_MAP_468 把 MP序 502点重排成 OBJ序后再投影，否则 ribbon 会错贴到中脸 - hairline/service.py: FaceLandmarker+SegFormer 单例 + 性别贴图映射(扫描去空格) + generate_previews 管线(female5/male4) - 集成点修复: face_landmarks DEFAULT_MODEL_PATH 改 hairline/models/; constants HF_FACE_PARSER_MODEL 改本地路径(离线) - app.py: /api/v1/hair/grow 接真实实现，gender 必填(非法→1004)，返回 results[].image_base64(不落盘)，校验/鉴权同接口1；lifespan 预热接口2单例； 补 logging.basicConfig - 依赖: transformers==4.45.2；SegFormer 权重走 hf-mirror 下载(见 OFFLINE_ASSETS) - 测试: tests/test_hairline.py(mesh/重排/贴图映射) + test_api 接口2用例，31 全绿 注：SegFormer 受 5090/torch 限制走 CPU(~2.5s/张)，换 cu128 可 SEG_DEVICE=cuda。 Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
文档索引（按开发机器划分）
系统拆分为两台机器开发：外网网关 和 高性能 worker（GPU）。下面标清每台机器该读哪些文档。
🌐 两端共享（都要读）
| 文档 | 作用 |
|---|---|
| 系统架构-网关与高性能后端.md | 两层拆分的总设计与契约：拓扑、职责、配置、鉴权、base64→URL、错误处理。两端的接口约定，先读。 |
| 接口文档.md | 对外 API 契约（字段/错误码）。拆分后保持不变，是字段命名的唯一权威。 |
| 旷视具体需求.md | 原始需求 |
🖥️ 高性能 worker 机（GPU）
跑完整 app.py + face_analysis，做真正的算法。
| 文档 | 作用 |
|---|---|
| 接口1-四庭七眼测量-技术实现方案.md | 四庭七眼算法方案（MediaPipe / BiSeNet / 标定 / 标注图 / 误差） |
| 接口1-四庭七眼测量-开发任务书.md | worker 侧开发任务书（阶段一~十 + 精度验证），AI agent 执行 |
| ../OFFLINE_ASSETS.md | 离线模型权重/字体清单（内网部署）。worker 需要这些权重 |
🚪 外网网关机
薄反向代理，不跑算法。
| 文档 | 作用 |
|---|---|
| 网关-开发任务书.md | 网关侧开发任务书（健康检查 / 派发 / 鉴权 / base64→URL / 部署），AI agent 执行 |
开发顺序建议：worker 先跑通（本机即可开发验证）→ worker 部署到 GPU 机 → 网关接入联调。网关在 worker 就绪前可用本地 stub worker 独立开发。