save

docs/美学知识库-建设方案.md

@@ -340,10 +340,34 @@ Agent 和报告推荐的实际交付物是"成套 look"，而非零散规则。
 | 色板图 | 程序化生成（由色值渲染），不手工制图 |
 | 体型/脸型图示 | 统一插画风格，避免真人照片的合规风险 |
 
-- 抠图流水线：原图 → 自动抠图（分割模型）→ 白底合成 → 质量抽检 → 入库并置 `tryon_ready = true`
-- 版权：所有图像资产必须有明确授权来源（自拍摄 / 商用授权库 / 品牌授权 / AI 生成），**禁止直接抓取电商与社交平台图片**，需建立 `license` 字段与审核环节
+- 抠图流水线：原图 → BiRefNet 抠图（`TD-07`）→ 白底合成 → 质量抽检 → 入库并置 `tryon_ready = true`
+- **版权来源已收口为「全部自采」**（`TD-26`）：不采购授权图库、不使用品牌供图、**禁止抓取电商与社交平台图片**。`license` 字段统一标记 `self_shot`
 - AI 生成素材需标注 `ai_generated = true`，符合生成内容标识要求
 
+#### 4.2.1 素材自采流水线（`TD-26` 落地方案）
+
+**为什么定为全部自采**：这是唯一版权彻底干净的路径。图库授权通常限制"用于生成合成内容"的场景，品牌供图受合作关系约束（合作终止即须下架），而素材库是我们的核心资产之一，不能建在别人的授权之上。另外实物在手时属性标注的准确率远高于靠图片反推，而属性准确性直接决定检索与推荐质量。
+
+**五个工序**：
+
+| 工序 | 内容 | 输出 | 质检标准 |
+|------|------|------|---------|
+| ① 采购 | 按品类与季型需求清单采购实物 | 实物 + 采购凭证 | 覆盖计划中的 `tryon_slot` 与色系分布 |
+| ② 拍摄 | 白底棚拍，正面平铺或正挂，无模特 | 原始图（RAW/高质量 JPG） | 见下方拍摄规范 |
+| ③ 抠图 | BiRefNet 批量处理 → 白底合成 | 标准化白底图 | 边缘无残留、无破洞，人工抽检通过率 ≥ 90% |
+| ④ 标注 | 品类、`tryon_slot`、色值（Lab）、材质、版型、季型适配、场合 | 结构化属性 | 必填项无缺失；色值由实物取样而非图片估计 |
+| ⑤ 入库 | 置 `tryon_ready`、`license=self_shot`，归档原始文件 | 可用素材 | 换装接口实测可出图 |
+
+**拍摄规范（`T-P0-22` 需定稿为 SOP）**：纯白背景、均匀无影灯光、主体占比 > 70%、长边 1024~2048px、正面无透视畸变、无水印无标牌遮挡。**规范必须写到新人照做即可的程度** —— 拍摄是重复性工序，标准不明确会导致大量返工，而返工的代价是重新占用棚时。
+
+**产能是本项目的关键路径（必须正视）**：
+
+备案已完成后，素材自采成为**唯一无法靠 AI 辅助开发压缩的工序** —— 采购要等物流、拍摄要占棚时、质检要人眼。因此：
+
+- `T-P0-21` 的核心交付物不是"跑通流程"，而是**测出每周产能**（件/周），据此倒排 300 件 `tryon_ready` 的达成时间
+- 若产能不足，**降级路径要提前定好**：优先保证「上衣 + 裤子」两个 `tryon_slot`（换装接口仅支持这两类），其余品类只做「加入搭配」不做「一键试穿」
+- **不要用"再等等素材"来阻塞功能上线** —— 功能按已有素材量降级发布，素材持续补充
+
 ---
 
 ## 5. 建设流程
@@ -353,29 +377,49 @@ Agent 和报告推荐的实际交付物是"成套 look"，而非零散规则。
 | 阶段 | 内容 | 产出 | 人力与周期 |
 |------|------|------|-----------|
 | **P0 本体定义** | 定义 12 类实体的字段、枚举值、关系；建立属性字典 | Schema 文档 + 数据库表 | 产品 + 架构，1 周 |
-| **P1 专家冷启动** | 形象顾问撰写核心规则、色板、风格定义；产品整理场景模板 | 800 条规则 + 12 季色板 + 9 型风格 + 20 场景 | 顾问 2 人 + 产品 1 人，3~4 周 |
-| **P2 素材生产** | 单品图采集/拍摄 → 抠图 → 属性标注；60 款发型补齐标签 | 800+ 单品（含试穿图）+ 60 发型标签 | 运营 2 人，3 周（可并行） |
+| **P1 专家冷启动** | **全职形象顾问**撰写核心规则、色板、风格定义；产品整理场景模板 | 800 条规则 + 12 季色板 + 9 型风格 + 20 场景 | **全职顾问 1 人** + 产品 1 人，按实际产能倒排 |
+| **P2 素材生产** | **自采**：采购 → 拍摄 → 抠图 → 属性标注；60 款发型补齐标签 | V1 目标 **300 件 `tryon_ready`** + 60 发型标签 | 运营 2 人，产能待 `T-P0-21` 实测 |
 | **P3 方案组装** | 由规则 + 单品组合出成套 look，顾问审核 | 300~500 套 Outfit | 顾问 + 运营，2 周 |
 | **P4 半自动扩充** | LLM 从专业书籍/公开资料抽取候选知识 → **人工审核后入库** | 规则与文本扩充至 2000+ 条 | 持续 |
 
 > **关键判断**：P1（专家冷启动）不可跳过、不可用大模型代替。这 800 条规则是产品专业性的地基，也是唯一无法被竞品快速复制的资产。用 LLM 生成规则再让顾问审核，效率高于纯人工，但**审核环节是准确率红线，不可省略**。
 
+> ⚠️ **两处口径修正**：① 原「800+ 单品」是长期目标，**V1 的硬指标是 300 件 `tryon_ready`**（与产品方案 §7.1.5、`FR-KB-08` 对齐）；② 原「3~4 周」「3 周」的周期估算已删除 —— 全职顾问与自采流水线的实际产能需由 `T-P0-20`/`T-P0-21` 实测后倒排，凭估算排期在这两项上风险最高。
+
+#### 5.1.1 全职形象顾问的工作流（`TD-27` 落地方案）
+
+**为什么是全职而非外部按条计酬**：规则库不是一次性交付物。800 条写完只是起点，之后要根据用户反馈与结论修正率反复校准 —— 而按条计酬的外部顾问在"交付完成"后就没有继续投入的动力，恰恰错过质量提升最关键的阶段。另外黄金评测集若由多位外部顾问分批标注，口径漂移几乎不可避免，而黄金集是所有质量指标的基准，口径一旦不稳，后续准确率数字就失去意义。
+
+**顾问的四项职责（按投入顺序）**：
+
+| # | 职责 | 交付物 | 与开发的接口 |
+|---|------|-------|------------|
+| 1 | 本体 Schema 评审 | 修订意见 | 到岗第一件事。字段设计错了后面全要返工，**必须在建表前完成** |
+| 2 | 规则库撰写与校准 | 800 条规则（含 `is_hard` 标记与解释链） | 通过运营后台自行录入，不经工程转录 |
+| 3 | 黄金评测集标注 | 100~200 例标注样本 | 单人标注保证口径一致 |
+| 4 | 持续校准 | 按结论修正率与用户反馈迭代规则 | 长期职责，是全职的主要理由 |
+
+**这对运营后台提出了更高要求**：顾问是后台的**日常使用者**而非偶尔录入者。因此后台的易用性直接决定规则库产能 —— 一个难用的后台会让顾问的有效产出打对折。这是 `TD-25` 把极简后台从 Phase 2 提前到 V1 的核心原因，也意味着后台应在顾问到岗后**根据其真实使用反馈快速迭代**，不能一次交付就不管。
+
+**排期上的含义**：顾问到岗时间直接决定 P1 启动时间，进而决定 M2 与 M3 的时间。因此 `T-P0-20`（招聘）应与技术验证**并行且最早启动**，不要等技术方案确定后再招人。
+
 ### 5.2 内容来源与合规
 
 | 来源 | 使用方式 | 注意事项 |
 |------|---------|---------|
 | 专业书籍/教材（色彩理论、服装造型学） | 提炼知识点，**不得整段摘录** | 版权风险，需重述表达 |
-| 认证形象顾问经验 | 结构化访谈 + 撰写 | 建立署名与背书（可作为营销资产） |
+| **全职形象顾问**（`TD-27`） | 直接撰写与校准，通过后台录入 | 建立署名与背书（可作为营销资产） |
 | 公开时尚媒体/品牌资料 | 趋势类参考 | 标注来源，不复制图片 |
 | 用户 UGC 与行为数据 | 高采纳方案入候选库 | 需审核 + 用户授权 |
 | AI 生成 | 初稿与扩充 | 必须人审，标注 `ai_generated` |
+| **单品图像素材** | **全部自采实拍**（`TD-26`） | 不采购图库、不用品牌供图、不抓取平台图片；保留采购凭证与原始文件 |
 
 ### 5.3 数据治理
 
 - **版本化**：知识库整体带版本号（如 `kb-v1.3`），报告与推荐记录生成时使用的知识库版本，便于问题追溯与结论复现
 - **审核工作流**：`草稿 → 顾问审核 → 抽检 → 发布`，每条知识记录 `reviewer` 与 `reviewed_at`
 - **变更影响评估**：修改高优先级规则前，跑黄金集回归，评估对历史报告的影响
-- **运营后台**：必须提供知识库管理后台（增删改查 + 审核 + 版本对比 + 效果看板），否则知识库无法迭代。这是常被漏排的开发工作量，需在 Phase 2 立项。
+- **运营后台**：必须提供知识库管理后台（增删改查 + 审核 + 版本对比 + 效果看板），否则知识库无法迭代。**V1 就要做极简版**（`TD-25`）—— 全职顾问是它的日常使用者，后台易用性直接决定规则库产能。
 
 ---
 
@@ -470,38 +514,83 @@ Agent 和报告推荐的实际交付物是"成套 look"，而非零散规则。
 | 项目 | 第一版目标 | 说明 |
 |------|-----------|------|
 | 规则条目 | 800 条 | 覆盖 5 体型 × 12 局部 × 主要场景 |
-| 单品实体 | 800 条（其中 ≥ 400 条 `tryon_ready`） | 试穿闭环的最小可用量 |
+| 单品实体 | 长期 800 条；**V1 硬指标 300 条 `tryon_ready`** | 试穿闭环的最小可用量；全部自采（`TD-26`） |
 | 搭配方案 | 300 套 | 覆盖 4 场景 × 12 季型的基本组合 |
 | 色彩条目 | 400 色 + 12 套色板 | — |
 | 发型标签 | 60 款全量打标 | 补齐现有发型库 |
 | 文本知识块 | 1500 块 | 用于 RAG |
 | 图像资产 | 2000 张 | 含单品/look/发型/图示 |
-| 人力投入 | 顾问 2 人 × 1 月 + 内容运营 2 人 × 1.5 月 + 开发 1.5 人月（后台） | 预估 12~18 万元 |
+| 人力投入 | **全职顾问 1 人**（`TD-27`）+ 内容运营 2 人 + 开发 1.5 人月（后台） | 预估 12~18 万元；**另需计入单品采购与棚拍成本**（自采模式新增，`TD-26`） |
+| 自采单品成本 | 300 件 × 单件采购均价 + 棚拍与抠图人工 | ⚠️ 需在 `T-P0-21` 跑通流水线后按实际单件成本核算 |
 | 存储与检索成本 | 月度 < ¥2000 | 向量库 + 对象存储 + CDN |
 
 > 分期建议：V1 只需**规则 400 条 + 单品 300 条 + 方案 100 套 + 发型 60 款打标 + 12 套色板**即可支撑初级报告与基础对话，其余在 V2 补齐。不要为了知识库的完整性阻塞首版上线。
 
 ---
 
-## 10. 待确认事项
+## 10. 待确认事项（已收口）
 
-- [ ] 技术选型：向量库（自建 Milvus/Qdrant vs 云服务）、图谱（Neo4j vs 关系库邻接表，V1 建议后者）
-- [ ] 规则引擎方案：自研决策表 vs 开源规则引擎
-- [ ] 形象顾问合作模式：外部顾问按条计酬 vs 全职招聘 vs 顾问入股
-- [ ] 单品素材来源：自拍摄成本 vs 商用图库授权 vs 品牌合作供图（影响 400 条 `tryon_ready` 的达成方式）
-- [ ] 抠图流水线的模型选型与准确率验收标准
-- [ ] 知识库管理后台的开发排期（建议 Phase 2 立项，不可依赖数据库直接改数据）
-- [ ] 是否引入外部专业内容授权（如引进现有色彩体系授权，加速冷启动）
-- [ ] 12 季色彩体系的版权确认（部分色彩体系存在商业授权要求）
+### 10.1 已确认
+
+| 原待确认项 | 结论 | 依据 |
+|-----------|------|------|
+| 向量库 | **PostgreSQL + pgvector**，不引入 Milvus/Qdrant。知识库向量在万级到十万级，远未到需要专用库的量级；且检索链路的第一步是硬过滤（季型、场合、体型禁忌），这是典型 SQL `WHERE`，专用向量库的元数据过滤反而是短板。**切换条件**：向量 > 500 万，或过滤后召回 p99 > 200ms 且确认无法通过索引优化解决 | `TD-08` |
+| 图谱 | **PG 邻接表 `kb_relation` + 递归 CTE**，不上 Neo4j。我们的图查询是有界的 1~3 跳浅层遍历，递归 CTE 完全够用；Neo4j 的价值在任意深度路径与图算法，我们不需要，却要为它承担独立运维与数据同步 | `TD-09` |
+| 规则引擎 | **自研数据驱动决策表**，规则以 JSON DSL 存库。规则形态高度规整（条件 → 建议/禁忌 → 权重 → 依据），本质是决策表；且必须由顾问在后台维护而非写代码。通用规则引擎的表达能力我们用不到 20%，却要接受其 DSL 学习成本与调试困难。自研可直接透出「命中规则 ID 列表」，天然满足可解释与可审计 | `TD-10` |
+| **抠图模型** | **BiRefNet**（开源可商用）自建，离线批处理。⚠️ **禁用 RMBG-2.0** —— 它是被引用最多的「开源抠图模型」，但许可是 **CC BY-NC 4.0，仅限非商业使用**，商用需与 BRIA 单独签协议。同样提醒：`rembg` 库本身是 MIT，但其封装的 18+ 模型各自许可不同 | `TD-07` |
+| 抠图验收标准 | 10 件样本走通「原图 → 抠图 → 白底标准化 → 规格校验 → 入库 → 换装可用」全流程；人工质检通过率 ≥ 90%；边缘毛刺与透明材质失败样本走人工修图 | `FR-KB-08`、`T-P0-12` |
+| **12 季色彩体系版权** | **自建色板，不引进外部授权**。四季/十二季理论本身属思想与方法，不受著作权保护，可借鉴其冷暖/明度/纯度三维划分逻辑；但「四季色彩」「CMB / Color Me Beautiful」在国内**存在注册商标**，不得用作服务名称、功能名称或宣传标识；他人的具体色布/色卡集合（如某机构的「20+2 鉴定色布」）属独创性劳动成果，直接复制其色值集合存在侵权风险 | `TD-18` |
+| 是否引进外部内容授权 | **不引进**。改为自建色板 + **全职顾问**撰写与校准，既规避授权与商标风险，又形成自有资产 | `TD-18`、`TD-27` |
+| **单品素材来源** | **全部自采实拍**。不采购授权图库、不使用品牌供图。版权最干净、规格可统一、属性可在拍摄时同步准确记录。**代价是这成为项目的关键路径**（备案已完成后，它是最长工序），详见 §4.2.1 | `TD-26` |
+| **形象顾问合作模式** | **全职编制**。规则库需持续迭代而非一次交付；顾问是运营后台的日常使用者；黄金集需单人标注保证口径一致。详见 §5.1.1 | `TD-27` |
+| 知识库管理后台排期 | **提前到 V1，做极简版**（条目 CRUD、规则编辑与发布、素材上传与抠图触发、审核、发布回滚）。知识库是持续运营的资产，靠改数据库运营意味着每次内容更新都要工程介入，冷启动阶段会直接卡住内容生产节奏。完整的版本管理与效果看板留到 V2 | `TD-25`、`FR-ADM-01`~`04` |
+| Embedding 模型 | 自建 **BGE-M3**。条目量级不大且更新不频繁，离线批量向量化即可；自建避免向量维度被厂商绑定。`kb_chunk` 保留 `embedding_model` 与 `embedding_version` 字段以支持双写平滑迁移 | `TD-22` |
+| 属性标注降本 | 引入**视觉大模型辅助预标注**（智谱提供开箱的衣物识别智能体 `clothes_recognition_agent`，可输出品类/颜色/材质/款式/版型/图案/风格/领型等结构化属性）+ 人工复核。预标注准确率 ≥ 70% 即达标（目的是降低人工量，不是替代人工） | `TD-04`、`FR-KB-12` |
+
+### 10.2 仍待业务输入
+
+本文档的待确认事项**已全部收口**，无遗留项。
+
+需要持续关注的不是决策，而是**两项产能数据**（它们决定排期，但只能实测得出）：
+
+| 待实测 | 任务 | 用途 |
+|-------|------|------|
+| 自采流水线每周产能（件/周） | `T-P0-21` | 倒排 300 件 `tryon_ready` 的达成时间 |
+| 全职顾问规则产出速率（条/周） | `T-P0-20` | 倒排 M2 知识库可运营的时间 |
+
+### 10.3 本轮补充的实现约束
+
+| 约束 | 说明 | 依据 |
+|------|------|------|
+| 硬约束必须在生成后强制校验 | 规则的 `is_hard=true` 项不能只当作提示词。LLM 输出的搭配方案要逐项比对禁忌规则，违反则重新生成或剔除。这是「禁忌违反 = 0」这条质量指标的唯一可靠实现方式 | `TD-10`、`FR-KB-05` |
+| 解释链的事实部分不得由 LLM 生成 | 「为什么推荐」的推理路径必须来自数据库的图谱遍历路径与命中规则 ID，LLM 只做自然语言转写。否则解释听起来专业但不可审计，恰恰违背自建知识库的初衷 | `TD-09`、`FR-AGT-13` |
+| 知识库版本号驱动缓存失效 | 所有检索缓存键带全局 `kb_version`，发布时版本号 +1，旧缓存自然失效，不需精确追踪受影响缓存 | 架构 §10 |
+| 内容伦理约束写入规则库 | 「描述而非评判」「不使用缺陷框架」「不做医疗判断」等红线需同时落在三处：系统 Prompt、规则库禁忌用词表、生成后校验。缺一处就会漏 | 合规方案 §3 |
+| 每条内容必须有 `source` 与 `license` | 杜绝来源不明的内容混入，这是版权风险的第一道闸门 | `FR-KB-03` |
 
 ---
 
-**文档版本**：v1.0
+**文档版本**：v1.2
 **创建日期**：2026-08-11
+**更新日期**：2026-08-13
 **作者**：产品团队
 **状态**：待评审
+**变更说明**：
+- v1.2（2026-08-13）：业务决策收口，§10 已无遗留待确认项
+  - **§4.2.1 新增「素材自采流水线」**（`TD-26`）：素材来源定为**全部自采实拍**，不采购图库、不用品牌供图。给出五个工序（采购→拍摄→抠图→标注→入库）、拍摄规范要点、以及产能倒排要求。⚠️ 明确指出**备案完成后素材自采成为项目关键路径**，并预设了产能不足时的降级路径（优先保上衣+裤子两个 `tryon_slot`）
+  - **§5.1.1 新增「全职形象顾问工作流」**（`TD-27`）：顾问定为**全职编制**，四项职责按投入顺序排列（本体 Schema 评审须在建表前完成 → 规则库撰写 → 黄金集标注 → 持续校准）。指出顾问是运营后台的日常使用者，后台易用性直接决定规则库产能
+  - **§5.1 修正两处口径**：V1 单品硬指标由「800+」改为**300 件 `tryon_ready`**；删除「3~4 周」等周期估算，改为按 `T-P0-20`/`T-P0-21` 实测产能倒排
+  - §9 成本估算新增自采单品采购与棚拍成本项
+- v1.1（2026-08-13）：§10 待确认事项收口，10 项确认、2 项转入业务输入；关键变更三处 —— ① 抠图明确用 BiRefNet 并**禁用 RMBG-2.0**（非商用许可）；② 12 季色彩体系改为**自建色板 + 规避 CMB/四季色彩商标**，不引进外部授权；③ 知识库管理后台从 Phase 2 **提前到 V1 极简版**。另补充硬约束强制校验、解释链事实不得由 LLM 生成、版本号驱动缓存失效等实现约束
+- v1.0（2026-08-11）：初始版本
+
 **关联文档**：
+- [文档索引](./README.md)
+- [需求规格说明](./需求规格说明.md)（本文需求对应 `FR-KB-01`~`FR-KB-13`、`FR-ADM-*`）
 - [美搭 · 智能穿搭美学助手 产品方案](./鸿蒙美搭-智能穿搭美学助手-产品方案.md)
+- [技术架构文档](./技术架构文档.md)（kb 域数据模型见 §6.2，混合检索实现见 §8.3）
+- [技术选型与调研报告](./技术选型与调研报告.md)
+- [合规与安全方案](./合规与安全方案.md)
 - [美学报告需求文档](./美学报告-需求文档.md)
 - [穿搭 Agent 需求文档](./穿搭Agent-需求文档.md)
 - [用户系统与记忆系统需求文档](./用户系统与记忆系统-需求文档.md)