模板导出增强 + 模特性别分组 + 三合一提示词精简

1) 模板导出：识别「基码表-胸围」填 sku.bust（多个胸围列都填）；申报价格模糊匹配多列统一按加价后价格填写；详情图文不再拼接 img_url_2；SPU 款式来源统一填「现货款」；商品产地国家简称映射（沙特→沙特阿拉伯）
2) 模特性别分组：model_features 按男女分组，按模板类目含男/女固定取对应性别模特（含 Pinterest 模式 pipeline）
3) 三合一提示词：去掉 DESIGN CONTENT 四要素描述（设计已由设计稿提供）
4) 生图尺寸：全部改为读 config 不再硬编码（设计图 compose.design_size / 合成图 compose.size / 种草图 seed_shot.size）

graph/nodes/pinterest_scrape_node.py

@@ -1,17 +1,26 @@
 """Pinterest 参考模式节点 2/3：爬取图片（pinterest_scrape）。
 
-对 pinterest_search 生成的每个搜索词，调 pinterest_scraper.scraper.scrape_pinterest
-（Playwright 启动本地 Chrome）搜索 Pinterest 并下载图片到
-output/pinterest_ref/<国家>/<搜索词>/。
+对 pinterest_search 生成的搜索词（按需：每次 1 个），调 pinterest_scraper.scraper.scrape_pinterest
+（Playwright 启动本地 Chrome）搜索 Pinterest 并下载图片到 output/pinterest_ref/<国家>/<搜索词>/。
 
 - 单个搜索词失败（未登录/网络/无结果）跳过，不中断整批。
-- 并发数由 config.pinterest.scrape_concurrency 控制（每个并发开一个 Chrome 窗口）。
+- 只有用了才标记已用：爬取成功（真正用掉该搜索词）→ 持久化已用词；
+  爬取失败 → 记入本轮 attempted（不持久化），避免同轮重复生成。
 - 已爬取过且图片数达标的搜索词跳过（断点续爬，避免重复开 Chrome）。
 """
 import concurrent.futures
 from pathlib import Path
 from typing import Any, Dict, List
 
+from graph.pinterest import (
+    image_md5,
+    load_image_pool,
+    load_used_images,
+    load_used_terms,
+    merge_used,
+    save_image_pool,
+    save_used_terms,
+)
 from graph.validate import with_fallback
 
 
@@ -45,6 +54,7 @@ def pinterest_scrape_node(state: Dict[str, Any]) -> Dict[str, Any]:
     concurrency = int(pcfg.get("scrape_concurrency", 2))
     headless = bool(pcfg.get("headless", False))
     proxy = pcfg.get("proxy") or None
+    search_mode = str(pcfg.get("search_mode") or "direct").strip().lower()
 
     # 所有搜索词共享同一个 .chrome_session 登录态目录，Chrome 对同一 user-data-dir 是单例，
     # 并发启动会互相抢占导致 "browser has been closed"，必须串行爬取。
@@ -59,16 +69,22 @@ def pinterest_scrape_node(state: Dict[str, Any]) -> Dict[str, Any]:
             proxy = detect_proxy() or get_system_proxy()
         except Exception:  # noqa: BLE001
             proxy = None
-    if proxy and not _validate_proxy(proxy):
+    if not proxy:
+        print("[pinterest_scrape] 警告：未检测到代理，将直连下载。国内网络通常无法访问 "
+              "i.pinimg.com，请先开启代理/VPN（Clash/v2ray 等）再运行，否则图片下载会全部失败")
+    elif not _validate_proxy(proxy):
         print(f"[pinterest_scrape] 警告：代理 {proxy} 无法连通外网，请检查代理/VPN 是否正常，"
               f"否则 Pinterest 将无法访问（爬取会失败）")
 
     results: Dict[str, List[str]] = {}
     skipped: List[str] = []
+    failed: List[str] = []
 
     def _one(term: str) -> None:
         term_dir = _term_dir(output_dir, country, term)
-        if _already_scraped(term_dir):
+        # direct 模式：固定关键词允许重复爬取（图池不足时自动再搜，Pinterest 每次可能返回不同图）；
+        # llm 模式：已爬取过且达标 → 跳过（断点续爬，避免重复开 Chrome）
+        if search_mode != "direct" and _already_scraped(term_dir):
             skipped.append(term)
             print(f"[pinterest_scrape] 已爬取过（跳过）: {term}")
             return
@@ -78,6 +94,7 @@ def pinterest_scrape_node(state: Dict[str, Any]) -> Dict[str, Any]:
                                      save_dir=str(term_dir), proxy=proxy, headless=headless)
             results[term] = files
         except Exception as e:  # noqa: BLE001
+            failed.append(term)
             errors.append({"node": "pinterest_scrape", "type": type(e).__name__,
                            "message": f"term[{term}]: {e}", "trace": ""})
             print(f"[pinterest_scrape] 爬取失败（跳过）: {term}: {e}")
@@ -86,12 +103,55 @@ def pinterest_scrape_node(state: Dict[str, Any]) -> Dict[str, Any]:
     with concurrent.futures.ThreadPoolExecutor(max_workers=max(1, concurrency)) as ex:
         list(ex.map(_one, terms))
 
+    # 只有用了才标记已用：爬取成功（含已爬取跳过）的词 → 持久化已用；失败词 → 本轮 attempted（不持久化）
+    # direct 模式：固定关键词不拉黑（可跨轮复用），仅 llm 模式持久化已用词
+    used = load_used_terms(output_dir, country)
+    consumed = (list(results.keys()) + skipped) if search_mode != "direct" else []
+    new_used = merge_used(used, consumed)
+    if new_used != used:
+        save_used_terms(output_dir, country, new_used)
+        print(f"[pinterest_scrape] 已用搜索词更新：新增 {len(consumed)} 个，累计 {len(new_used)}")
+    attempted = merge_used(state.get("pinterest_attempted") or [], failed)
+
+    # 新爬取的图片注册进图池（含 md5），供分析节点按需取用；
+    # 进图池前做 md5 校验去重：md5 已存在于图池 / 已拉黑（used_images）/ 本批重复 → 跳过
+    pool = load_image_pool(output_dir, country)
+    existing = pool.get("images") or []
+    known_paths = {str(img.get("path")) for img in existing}
+    known_md5s = {str(img.get("md5") or "").strip().lower() for img in existing}
+    used_md5s = load_used_images(output_dir, country)
+    new_imgs: List[Dict[str, Any]] = []
+    seen_md5: set = set()
+    for term, files in results.items():
+        for f in files:
+            if f in known_paths:
+                continue
+            m = str(image_md5(f) or "").strip().lower()
+            if not m:
+                continue
+            if m in known_md5s or m in used_md5s or m in seen_md5:
+                print(f"[pinterest_scrape] 图池 md5 去重跳过: {f}")
+                continue
+            seen_md5.add(m)
+            new_imgs.append({"path": f, "md5": m, "term": term})
+    if new_imgs:
+        pool["images"] = existing + new_imgs
+        save_image_pool(output_dir, country, pool)
+        print(f"[pinterest_scrape] 图池新增 {len(new_imgs)} 张图片，累计 {len(pool['images'])} 张")
+
+    # 新一批图爬取完成 → 重置 400 计数（per 种子词），记录当前种子词
+    pipe = state.get("pinterest_pipeline")
+    if pipe is not None and hasattr(pipe, "reset_400"):
+        for term in results.keys():
+            pipe.reset_400(term)
+
     total = sum(len(v) for v in results.values())
     stats = dict(state.get("stats") or {})
     stats["pinterest_scrape"] = {
         "terms": len(terms), "scraped": len(results), "skipped": len(skipped),
-        "images": total,
+        "failed": len(failed), "images": total, "pool": len(pool.get("images") or []),
     }
-    print(f"[pinterest_scrape] 完成：{len(results)} 个搜索词，共 {total} 张图（跳过 {len(skipped)}）")
+    print(f"[pinterest_scrape] 完成：{len(results)} 个搜索词，共 {total} 张图（跳过 {len(skipped)}，失败 {len(failed)}）")
 
-    return {"pinterest_images": results, "stats": stats, "errors": errors}
+    return {"pinterest_images": results, "pinterest_attempted": attempted,
+            "stats": stats, "errors": errors}