v89-v91 模板增强 + 图源映射 + 多模态提示词可配置化

- 图源映射统一：热点采集与 Pinterest 模式均走 config.product.mark_dirs 配置，按任务序号随机抽模特图/平铺图
- 商品产地固定：统一为「中国大陆」+「产地省份=广东省」（不再读站点/字典映射）
- 模板 SKU 字段检测：按建议售价同一套路检测 SKU分类/SKU数量/SKU数量单位，必填时填入单品/1/件
- 多模态分析提示词可配置：prompts/pinterest_analyze_system.md + user.md，支持国家覆盖，不丢文件回退内置
- 自定义图片模式：新增 pinterest_custom_load_node，图片数量硬校验，选品清单 ≤ 有效图片数
- 模板导出优化：写入前按货号末 3 位升序排序，不再产生空白 xlsx
- 修复 v90 project review 10 项（503 致命终止、线程安全、原子写入等）

graph/nodes/pinterest_custom_load_node.py

@@ -0,0 +1,82 @@
+"""Pinterest 参考模式自定义节点：加载本地图片文件夹 → 校验数量 → 注册进图池（pinterest_custom_load）。
+
+仅自定义模式（pinterest.mode=custom）使用，替代 pinterest_search + pinterest_scrape：
+  直接把 pinterest.custom_image_dir 内的有效图片（jpg/jpeg/png/webp）注册进图池，
+  再复用 pinterest_analyze 直接送多模态分析，沿用 Pinterest 后续所有步骤
+  （分析→设计→三合一→OSS→种草图→模板导出）。
+
+数量校验（硬校验，不满足则不启动分析）：
+  1. 文件夹必须有有效图片（>0）；
+  2. 选品清单总数（product.spu_tasks 展开后，state.pinterest_target）必须 ≤ 有效图片数 ——
+     「选品清单不得大于有效图片数」。
+
+每次运行把图池重建为该文件夹的图片集（自定义模式唯一图源），并清空已消费拉黑
+（used_images），保证用户每次重新上传/选择文件夹的所有有效图片都会被重新多模态分析。
+"""
+from typing import Any, Dict
+
+from graph.pinterest import (
+    image_md5,
+    list_valid_images,
+    save_image_pool,
+    save_used_images,
+)
+from graph.validate import with_fallback
+
+
+@with_fallback("pinterest_custom_load")
+def pinterest_custom_load_node(state: Dict[str, Any]) -> Dict[str, Any]:
+    config = state["config"]
+    output_dir = state["output_dir"]
+    country = state["country"]
+
+    pcfg = config.get("pinterest") or {}
+    folder = str(pcfg.get("custom_image_dir") or "").strip()
+
+    images = list_valid_images(folder)
+    valid_n = len(images)
+    target = int(state.get("pinterest_target") or 1)
+
+    errors = list(state.get("errors") or [])
+    stats = dict(state.get("stats") or {})
+
+    # —— 硬校验 1：必须有有效图片 ——
+    if valid_n == 0:
+        msg = (f"自定义图片文件夹「{folder or '(未填写)'}」中没有有效图片"
+               f"（请填写 pinterest.custom_image_dir，文件夹内应有 jpg/jpeg/png/webp 图片）")
+        errors.append({"node": "pinterest_custom_load", "type": "ValidationError",
+                       "message": msg, "trace": ""})
+        stats["pinterest_custom"] = {"folder": folder, "valid_images": 0, "target": target, "ok": False}
+        print(f"[pinterest_custom_load] ❌ {msg}")
+        return {"errors": errors, "stats": stats}
+
+    # —— 硬校验 2：选品清单总数 ≤ 有效图片数 ——
+    if target > valid_n:
+        msg = (f"选品清单数量（{target}）大于自定义图片有效数量（{valid_n}）："
+               f"选品清单不得大于有效图片数，请补充图片或减少选品")
+        errors.append({"node": "pinterest_custom_load", "type": "ValidationError",
+                       "message": msg, "trace": ""})
+        stats["pinterest_custom"] = {"folder": folder, "valid_images": valid_n, "target": target, "ok": False}
+        print(f"[pinterest_custom_load] ❌ {msg}")
+        return {"errors": errors, "stats": stats}
+
+    # —— 每次运行重建图池为该文件夹图片集 + 清空已消费拉黑 → 所有有效图片都被重新分析 ——
+    pool = {"updated_at": "", "images": []}
+    seen_md5: set = set()
+    for f in images:
+        m = str(image_md5(str(f)) or "").strip().lower()
+        if not m or m in seen_md5:
+            continue
+        seen_md5.add(m)
+        pool["images"].append({"path": str(f), "md5": m, "term": "custom"})
+    save_image_pool(output_dir, country, pool)
+    save_used_images(output_dir, country, set())
+
+    stats["pinterest_custom"] = {
+        "folder": folder, "valid_images": valid_n,
+        "target": target, "loaded": len(pool["images"]), "ok": True,
+    }
+    print(f"[pinterest_custom_load] 自定义图源：{folder} → 有效图片 {valid_n} 张（选品清单 {target}），"
+          f"已注册进图池，直接进入多模态分析")
+    return {"custom_mode": True, "pinterest_custom_folder": folder,
+            "custom_load_ok": True, "errors": errors, "stats": stats}