v92-v105 多国适配 + 模板导出增强 + 生图可靠性优化

- 新增韩国（KR）适配：countries/pinterest 种子词、K-pop 提示词、UI 国家列表
- 爬虫跨运行持久化已采集 URL（.collected_urls.json），同关键词重复搜索采新图
- 模板导出增强：SPU 商品属性列名前缀剥离匹配、尺码下拉框 INDIRECT 动态引用、
  SPU 字段映射（袖长/门襟/胸垫等）、季节/印花图案女装映射、建议售价统一必填、
  SKU 分类/数量/单位直接填默认值
- 自定义模式：多模态提示词独立（custom_analyze_*）、生图提示词模板可配置
- Pinterest：空选品守卫、连续空分析保护（max_empty_analyze）、flat_prompt 配置覆盖
- 生图可靠性：开始/完成进度日志、异步任务轮询超时 60s→300s

graph/nodes/pinterest_analyze_node.py

@@ -74,7 +74,6 @@ def _enrich_briefs(raw_briefs: List[Dict[str, Any]], country: str,
             "suitable_for_print": True,
             "design_category": classify(term),
             "concept": f"围绕「{term}」的原创印花设计",
-            "negative_prompt": str(b.get("negative_prompt") or "").strip(),
             "image_prompt": str(b.get("image_prompt") or "").strip(),
             "ref_images": [str(p) for p in (b.get("ref_images") or []) if str(p)],
             "source_md5": str(b.get("source_md5") or "").strip().lower(),
@@ -114,11 +113,11 @@ def pinterest_analyze_node(state: Dict[str, Any]) -> Dict[str, Any]:
     if batch_size <= 0:
         batch_size = max_designs   # 自动：一次最多分析 max_designs 张（每张图→1条简报）
     need = batch_size
-    # 自定义模式：本地图池是唯一且有限的图源，最多分析「选品清单总数」张即可，
-    # 避免多余分析（超出的图源在简报达标后由自定义路由结束，不浪费配额）。
-    if bool(state.get("custom_mode")):
-        _t = int(state.get("pinterest_target") or 1) or 1
-        need = max(0, min(need, _t))
+    # 按目标简报数收敛：最多分析到满足选品清单所需的简报数即可（target=spu_tasks，每款一个设计），
+    # 普通与自定义模式一致——避免单一产品任务也把整池未消费图片全部分析成冗余简报、浪费配额；
+    # 分析出的简报若不适合可丢弃，缺口不足时再由路由补分析/search。
+    _t = int(state.get("pinterest_target") or 1) or 1
+    need = max(1, min(need, _t))
 
     # 1) 图池取未消费图片（md5 不在 used_images）；无 → 返回空，路由触发搜索
     pool = load_image_pool(output_dir, country)
@@ -204,7 +203,8 @@ def pinterest_analyze_node(state: Dict[str, Any]) -> Dict[str, Any]:
                     if pipe is not None and hasattr(pipe, "record_400"):
                         if pipe.record_400():
                             pipe._abort_current_term()
-                res = llm.analyze_pinterest_images(paths, term, country, on_400=_on_400) or []
+                res = llm.analyze_pinterest_images(paths, term, country, on_400=_on_400,
+                                                   custom_mode=bool(state.get("custom_mode"))) or []
                 # 把每条简报的来源图路径回填为原始图（压缩图仅用于分析，参考图用原图）
                 return _assign_refs(res, chunk)
             except Exception as e:  # noqa: BLE001
@@ -269,6 +269,16 @@ def pinterest_analyze_node(state: Dict[str, Any]) -> Dict[str, Any]:
     accumulated = list(state.get("briefs") or [])
     accumulated.extend(new_briefs)
 
+    # 连续无产出计数器：本次无新增简报 → 递增（防"逐一取下一张参考图"空转）；
+    # 有新增简报 → 重置为 0
+    empty_rounds = int(state.get("pinterest_empty_rounds") or 0)
+    if new_briefs:
+        empty_rounds = 0
+    else:
+        empty_rounds += 1
+        print(f"[pinterest_analyze] 本轮无新增简报（连续 {empty_rounds} 轮无产出），"
+              f"超过上限后将自动结束")
+
     # 推送实际新增且保留的简报到并发生成流水线（简报池）：边分析边生成设计/三合一/种草图
     pushed = accumulated[old_count:]
     pipe = state.get("pinterest_pipeline")
@@ -293,4 +303,5 @@ def pinterest_analyze_node(state: Dict[str, Any]) -> Dict[str, Any]:
     }
     print(f"[pinterest_analyze] 本轮分析 {len(batch)} 张图 → 简报 {len(new_briefs)} 条，"
           f"累计 {len(accumulated)} 条（{country}）")
-    return {"pinterest_briefs": kept, "briefs": accumulated, "stats": stats, "errors": errors}
+    return {"pinterest_briefs": kept, "briefs": accumulated, "stats": stats, "errors": errors,
+            "pinterest_empty_rounds": empty_rounds}