收口文档评审冲突并补齐 Sprint 执行计划

统一性能、token、配额与成本口径，补齐短信登录等缺口任务，并回写脚手架实测暴露的思考模式与峰谷计价约束。

Co-authored-by: Cursor <cursoragent@cursor.com>

docs/美学知识库-建设方案.md

@@ -63,20 +63,24 @@
 
 ### 3.1 分类总览
 
-| # | 类目 | 定位 | 主要模态 | 冷启动目标量级 |
-|---|------|------|---------|--------------|
-| 1 | 单品 Item | 服饰单品的属性化定义 | 结构化 + 图像 | 800~1500 条 |
-| 2 | 色彩 Color | 颜色体系与季型色板 | 数值 + 结构化 + 图像 | 12 季 × 30 色 ≈ 400 色 |
-| 3 | 风格 Style | 风格体系与识别特征 | 文本 + 结构化 + 图像 | 9 基因型 + 20 潮流风格 |
-| 4 | 身材 Body | 体型与局部特征的修饰策略 | 结构化 + 文本 + 图示 | 5 体型 × 12 局部特征 |
-| 5 | 面部与发型 Face & Hair | 脸型/量感/直曲 与发型适配 | 结构化 + 图像 | 60 发型 + 8 脸型映射 |
-| 6 | 场景 Occasion | 场合着装规范与温度带 | 结构化 + 文本 | 20 场景 × 4 季 |
-| 7 | 材质 Material | 面料特性与季节适配 | 结构化 + 文本 | 40~60 种 |
-| 8 | 配饰 Accessory | 配饰搭配规则 | 结构化 + 图像 | 8 品类 × 规则 |
-| 9 | 妆容 Makeup | 与季型联动的妆容方案 | 结构化 + 文本 + 色值 | 12 季 × 3 部位 |
-| 10 | 搭配法则 Rule | 可执行的 IF-THEN 规则 | 结构化（规则引擎） | 800~1200 条 |
-| 11 | 搭配方案 Outfit | 成套 look（召回主单元） | 结构化 + 图像 | 300~500 套 |
-| 12 | 趋势 Trend | 时效性流行趋势 | 文本 + 图像 | 每季 30~50 条 |
+> 🔒 **规模数值的唯一定义位置是本文 §9**。下表的「长期目标」列与「V1 硬指标」列必须与 §9 一致；产品方案 §2.5.2 / §2.8 **一律引用 §9，不得复述**。此前四处文档给出过互相矛盾的规模数字（单品 800/400/300、规则 800~1200/800/400），已在本轮收口。
+
+| # | 类目 | 定位 | 主要模态 | **V1 硬指标** | 长期目标 |
+|---|------|------|---------|:-----------:|--------|
+| 1 | 单品 Item | 服饰单品的属性化定义 | 结构化 + 图像 | **300 件 `tryon_ready`** | 800~1500 条 |
+| 2 | 色彩 Color | 颜色体系与季型色板 | 数值 + 结构化 + 图像 | 12 季 × 30 色 ≈ 400 色 | 同 |
+| 3 | 风格 Style | 风格体系与识别特征 | 文本 + 结构化 + 图像 | 9 基因型 + 20 潮流风格 | 同 |
+| 4 | 身材 Body | 体型与局部特征的修饰策略 | 结构化 + 文本 + 图示 | 5 体型 × **13 局部特征** | 同 |
+| 5 | 面部与发型 Face & Hair | 脸型/量感/直曲 与发型适配 | 结构化 + 图像 | 60 发型 + **7 脸型映射** | 同 |
+| 6 | 场景 Occasion | 场合着装规范与温度带 | 结构化 + 文本 | 20 场景 × 4 季 | 同 |
+| 7 | 材质 Material | 面料特性与季节适配 | 结构化 + 文本 | 40~60 种 | 同 |
+| 8 | 配饰 Accessory | 配饰搭配规则 | 结构化 + 图像 | 8 品类 × 规则 | 同 |
+| 9 | 妆容 Makeup | 与季型联动的妆容方案 | 结构化 + 文本 + 色值 | 12 季 × 3 部位 | 同 |
+| 10 | 搭配法则 Rule | 可执行的 IF-THEN 规则 | 结构化（规则引擎） | **400 条** | 800~1200 条 |
+| 11 | 搭配方案 Outfit | 成套 look（召回主单元） | 结构化 + 图像 | **100 套** | 300~500 套 |
+| 12 | 趋势 Trend | 时效性流行趋势 | 文本 + 图像 | 每季 30~50 条 | 同 |
+
+> ⚠️ **两处计数错误已更正**：脸型是 **7 种**（鹅蛋/圆/方/长/心形/菱形/梨形，与美学报告 §4 维度 #8 一致），原写「8 脸型」；局部特征实际列了 **13 项**（见 §3.2 ④），原写「12 项」。
 
 > 扩展类目（V3 电商阶段）：品牌 Brand、商品 SKU、价格与渠道。
 
@@ -158,7 +162,7 @@
 
 #### ④ 身材 Body
 - **整体体型 5 型**：O 苹果、A 梨、X 沙漏、T 倒三角、H 矩形
-- **局部特征 12 项**：溜肩、平肩、宽肩、窄肩、短颈、长颈、粗手臂、小腹、宽臀、长腰、短腰、粗腿、腿型（直/O/X）
+- **局部特征 13 项**：溜肩、平肩、宽肩、窄肩、短颈、长颈、粗手臂、小腹、宽臀、长腰、短腰、粗腿、腿型（直/O/X）
 - 每项字段：判定标准（可量化的比例阈值）、视觉目标（如"视觉重心上移"）、推荐策略、推荐单品属性组合、明确避免项、图示
 - **需求映射**：显高 / 显瘦 / 显白 / 遮肉 / 修饰肩颈 → 各自的策略集合
 - 文案红线：所有描述使用中性表述（"下半身量感偏大"而非"腿粗"）
@@ -374,29 +378,29 @@ Agent 和报告推荐的实际交付物是"成套 look"，而非零散规则。
 
 ### 5.1 五个阶段
 
-| 阶段 | 内容 | 产出 | 人力与周期 |
+| 阶段 | 内容 | **V1 产出**（规模见 §9.1） | 人力 |
 |------|------|------|-----------|
-| **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** | **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 |
+| **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 + **顾问评审**（须在建表前） |
+| **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 | **400 条规则** + 12 季色板 + 9 型风格 + 20 场景 | **全职顾问 1 人** + 产品 1 人，按实测产能倒排 |
+| **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 | **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 | **100 套 Outfit** | 顾问 + 运营 |
+| **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** | V2 起持续扩充至长期目标 | 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**。
+> **关键判断**：P1（专家冷启动）不可跳过、不可用大模型代替。这批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。
+> ⚠️ **本表已删除全部周期估算**（原有「1 周」「2 周」「3~4 周」）。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**，因为它们是备案解除后唯一无法靠 AI 辅助开发压缩的工序。
 
 #### 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。
+**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。V1 的 400 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 |
+| 2 | 规则库撰写与校准 | **V1 400 条**，长期 800~1200 条（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 | **330 例，分四个子集**（见 §7 黄金集子集表） | 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。
@@ -482,9 +486,22 @@ Agent 和报告推荐的实际交付物是"成套 look"，而非零散规则。
 
 ## 7. 质量保障
 
+#### 黄金集的四个子集（🔒 唯一事实源）
+
+> 此前七处文档给出过 200 / 100 / 30 等不同数字，看似矛盾，实际是**四个用途不同的子集**，但没有一处说清它们的关系。下表明确定义，`FR-KB-11`、`FR-AGT-05`、`FR-RPT-07`、美学报告 §9.4、产品方案 §6.1.2 **一律引用本表**。
+
+| 子集 | 规模 | 用途 | 标注内容 | 引用编号 |
+|------|:----:|------|---------|---------|
+| ① **检索黄金集** | **100 条** query | 校验混合检索的 Top-5 命中率 ≥ 80% | query → 期望命中的知识条目 ID | `FR-KB-11`、`FR-AGT-04` |
+| ② **Agent 问答黄金集** | **100 例** 对话 | 校验回答质量与**禁忌违反数 = 0** | 问题 → 标准答案要点 + 红线项 | `FR-AGT-05` |
+| ③ **诊断黄金集** | **100 例** 人像 | 校验体型/脸型/季型准确率（两档门槛见美学报告 §9.4） | 照片 → 顾问标注的各维度真值 | `FR-RPT-05` |
+| ④ **报告结构黄金集** | **30 例** 报告 | 校验报告结构完整性、术语释义覆盖、无贬损表述 | 输入 → 期望的章节与字段完整性 | `FR-RPT-07` |
+| **合计** | **330 例** | — | **全部由全职顾问单人标注**，保证口径一致（`TD-27`） | — |
+
+**为什么必须分开而不是合成一个大集**：四者的失败后果完全不同 —— ①②退化说明知识库或检索有问题，③退化说明视觉算法有问题，④退化说明生成链路有问题。合成一个集会让"准确率下降了"这句话失去可操作性，定位不到该修哪里。
+
 | 机制 | 说明 |
 |------|------|
-| **黄金评测集** | 200 条问答（含 100 条画像化场景题），由顾问给出标准答案与红线项 |
 | **准确率门槛** | 知识准确性 ≥ 95%；禁忌项违反率 = 0（红线，任何一例都要阻断发布） |
 | **回归测试** | 每次知识库版本发布前全量跑黄金集，不达标不发布 |
 | **一致性校验** | 入库流水线校验：枚举值合法性、色值与图像一致性、规则冲突检测、孤儿实体检测 |
@@ -511,20 +528,29 @@ Agent 和报告推荐的实际交付物是"成套 look"，而非零散规则。
 
 ## 9. 规模与成本估算
 
-| 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 | 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 | **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 |
+### 9.1 知识库规模（🔒 唯一事实源）
 
-> 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。
+> 全项目引用本表。产品方案 §2.5.2 / §2.8、`FR-KB-*`、`T-P2-*` **不得复述数值**。此前「第一版目标」列与文末「分期建议」自相矛盾（规则 800 vs 400、方案 300 vs 100），已合并为下表两列。
+
+| 项目 | **V1 硬指标**（上线门槛） | 长期目标 | 说明 |
+|------|:---------------------:|--------|------|
+| 规则条目 | **400 条** | 800~1200 条 | V1 覆盖 5 体型 × 主要场景；长期覆盖 5 体型 × 13 局部 × 场景 |
+| 单品实体 | **300 件 `tryon_ready`** | 800~1500 条 | 试穿闭环的最小可用量；全部自采（`TD-26`） |
+| 搭配方案 | **100 套** | 300~500 套 | V1 覆盖 4 场景 × 主要季型；长期覆盖 4 场景 × 12 季型 |
+| 色彩条目 | 400 色 + 12 套色板 | 同 | 一次做完，无需分期 |
+| 发型标签 | 60 款全量打标 | 同 | 补齐现有发型库，一次做完 |
+| 文本知识块 | 800 块 | 1500 块 | 用于 RAG |
+| 图像资产 | 1000 张 | 2000 张 | 含单品/look/发型/图示 |
+
+**为什么 V1 只做这些就够**：规则 400 条 + 单品 300 件 + 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。**不要为了知识库的完整性阻塞首版上线** —— 知识库是持续运营的资产，V1 的目标是跑通"生产 → 检索 → 建议 → 试穿"的闭环，而不是把库填满。
+
+### 9.2 成本估算
+
+| 项目 | 估算 | 说明 |
+|------|------|------|
+| 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 |
+| 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（自采模式新增，`TD-26`） |
+| 存储与检索成本 | 月度 < ¥2000 | 向量库 + 对象存储 + CDN |
 
 ---
 
@@ -581,6 +607,11 @@ Agent 和报告推荐的实际交付物是"成套 look"，而非零散规则。
   - **§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
+- v1.2 rev.2（2026-08-13）：文档一致性评审修订
+  - **§9.1 升为知识库规模的唯一事实源**，并拆为「V1 硬指标」与「长期目标」两列。此前四处文档给出五套互相矛盾的数字（单品 800~1500 / 800 / 400 / 300，规则 800~1200 / 800 / 400），且本文 §9 表格与其自己的文末分期建议就自相矛盾。现统一为 **V1 = 规则 400 / 单品 300 `tryon_ready` / 方案 100**，长期目标另列
+  - **§7 黄金集拆为四个子集共 330 例**（检索 100 / Agent 问答 100 / 诊断 100 / 报告结构 30）。此前七处文档的 200/100/30 看似矛盾，实为不同子集但无一处说清。**分开的理由是四者的失败后果完全不同**：①②退化指向知识库或检索、③指向视觉算法、④指向生成链路 —— 合成一个集会让"准确率下降了"失去可操作性
+  - **修正两处计数错误**：脸型 8 种→**7 种**（与美学报告 §4 维度 #8 一致）；局部特征 12 项→**13 项**（按 §3.2 ④ 实际列举数）
+  - **§5.1 删除全部周期估算**（原「1 周」「2 周」），与「按实测产能倒排」的排期原则统一
 - 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