POD 趋势感知 Agent：缓存热点模式 + 三图合成 + 热点去重/风格去重 + review 兜底

- 缓存热点批量流程（有采集缓存不触发 Google）
- 简报不足直接从采集缓存生成（轻量补齐）
- 三图合成（模特/印花/底图）+ 底图压缩 <2MB
- 热点去重→风格去重自动切换 + 不适合类目 review 兜底
- 透明背景（background=transparent）+ 提示词清洗（敏感词/背景描述）
- 任务前 basemap 校验 + 模板国家校验 + 模特任务级分配

graph/state.py

@@ -0,0 +1,30 @@
+"""LangGraph 共享状态定义。
+
+所有节点都读写 AgentState。键全部 optional（total=False），
+因此单个节点崩溃 / 返回空时不会破坏整图，下游可用上一节点的残余数据继续。
+"""
+from typing import TypedDict, List, Dict, Any, Optional
+
+
+class AgentState(TypedDict, total=False):
+    # —— 路由 / 配置 ——
+    country: str                                   # 当前处理的国家代码（US/GB/JP/AU）
+    config: Dict[str, Any]                         # 全局配置（config.yaml）
+    country_config: Dict[str, Any]                 # 该国合并后的配置（全局 + configs/countries/*.yaml + prompts/<country>/aesthetics.yaml）
+    prompts_dir: str                               # prompts/<country> 绝对路径
+    output_dir: str                                # output/<country> 绝对路径
+
+    # —— 流水线数据（逐节点累积）——
+    raw_rows: List[Dict[str, Any]]                 # fetch 产出：各源原始行（统一格式）
+    filtered_rows: List[Dict[str, Any]]            # filter 产出：去黑名单/人名/泛词后
+    scored_rows: List[Dict[str, Any]]              # score 产出：归一化 + 融合 + 综合分
+    screened: List[Dict[str, Any]]                 # screen 产出：合规风险 + 结构化四要素
+    briefs: List[Dict[str, Any]]                   # prompt_build 产出：含最终 image/wearable/composite 提示词
+    composite: List[Dict[str, Any]]                # compose 产出：封装提示词包（= briefs 子集，便于下游印图）
+    designs: List[Dict[str, Any]]                  # compose 产出：纯印花设计稿 [{topic, path}]（product 用它做图2）
+    product: List[Dict[str, Any]]                  # product 产出：产品图生成（SPU/SKU/底图/印花/模特合成）
+    seed_words: Dict[str, Any]                     # seed 产出：动态种子词（含 llm_style_seeds / llm_related_seeds）
+
+    # —— 可观测性 ——
+    errors: List[Dict[str, Any]]                   # 各节点兜底捕获的错误：{node, type, message, trace}
+    stats: Dict[str, Any]                          # 各阶段统计：{fetch, filter, score, screen, prompt, compose}