3218485270
f493bde8a9
- 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
31 lines
2.2 KiB
Python
31 lines
2.2 KiB
Python
"""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}
|