像它自己
“我不是想要一只泛泛的橘猫，我想要鼻子旁边有那块小斑点的年糕。”
3–6
张宠物参考照片
多角度建立身份
6
页固定故事分镜
先审阅，后生图
1×
单页自动重试上限
控制成本与等待
01 · Opportunity
用户想保存的不是宠物长什么样，而是它曾经怎样陪伴自己
现有宠物 AI 产品大多停在头像、贴纸和单张插画。它们提供即时惊喜，却很难承载一段有起伏、有细节、可以反复翻阅的真实记忆。
核心张力
情感价值要求“像它、是真的”
生成模型倾向“更好看、更会编”
身份漂移
同一本书里，毛色、斑纹、项圈和体型可能每页都不一样。
事实漂移
AI 为了戏剧性补写内容，却没有告诉用户哪些不是原始经历。
编辑失控
用户只想改一个表情，结果角色、背景和构图一起被重画。
保留真实
“那天它真的用尾巴盖住了小猫，这个动作不能被 AI 改成别的。”
02 · Product strategy
把不可控的“一键生成”，改造成七个可确认的产品节点
每一次用户确认都在降低下一阶段的风险：先确认身份，再确认事实和结构，最后才进入昂贵的图像生成。
为什么固定六页？
足够形成冲突与转折，又能把生成时间、成本和评测规模控制在面试 Demo 可解释范围内。
为什么先角色标准图？
把多张真实照片先收敛成统一画风的角色锚点，后续每页同时引用照片、Pet DNA 与标准图。
为什么逐页生成？
首张通过质检后再继续；单页失败、修正和重试不会让整本书归零。
03 · AI orchestration
模型不是一个黑盒按钮，而是一条有输入契约和质检闭环的生产线
页面只调用内部 Route Handler。Provider 工厂决定使用 Mock 还是 Google Gemini；结构化结果统一经过 Zod 校验。
Vision
Pet DNA
Text
事实拆解
Story
六页分镜
Image
连续插画
Vision
AI 辅助质检
Edit
局部重绘
输入契约
照片、Pet DNA、不可变特征、角色标准图、当前分镜、前后页连续性、mustKeep 与 avoid。
输出契约
文本严格 JSON；图片不含正文；每次返回 model、generationId、耗时、状态和来源。
失败契约
超时、限流与单页失败会明确提示；允许一次自动重试，但绝不静默替换为 Mock。
04 · Product evidence
让面试官看到产品界面，而不只是听工作流名词
同一份年糕项目状态贯穿 Pet DNA、分镜、角色标准图、成品和编辑版本。
Pet DNA · 身份锁
01暖橘 × 奶油白
鼻右侧橘色斑点
琥珀绿色圆眼睛
森林绿项圈
橘色环纹长尾
不确定：逆光下背部花纹边界
Storyboard · 六页结构
02
P1 · 相遇事实
P2 · 观察AI
P3 · 犹豫事实
P4 · 靠近事实
P5 · 守护事实
P6 · 余韵AI
Character Sheet · 视觉锚点
03
Editable Book · 版本历史
04V1 原页面
V2 更好奇
Natural language edit
让年糕看起来更好奇一些，其他内容不要改变。
05 · Bad Case
最关键的失败不是“不够好看”，而是“不再像用户的那只宠物”
Bad Case 被拆成可定位的问题、原因、约束修正和前后结果，而不是一句“重新生成”。
问题诊断
局部修改导致身份和构图一起漂移
- 原因
- 编辑 Prompt 只写“更好奇”，没有说明哪些内容绝对不能改变。
- 优化
- 加入 editType，并显式列出宠物身份、毛色、项圈、构图、背景、其他角色和未指定内容。
- 验收
- 新版本进入同一页版本历史，用户可对比、使用新版本或恢复 V1。
修改前 · V1
修改后 · V2
只改
表情更好奇
保留
身份 / 项圈 / 背景
结果
可回退版本
06 · Evaluation
评测围绕产品风险，而不是只看一张图是否“审美不错”
视觉理解看身份锁是否准确，文本看事实边界，图片看连续性，编辑看未指定区域是否稳定。
离线评测样例 · 20 个故事任务
| 评测维度 | 检查方法 | Mock 示例分 | 建议阈值 |
|---|---|---|---|
| 身份一致性 | 多角度参考图 + 角色标准图 | 94 | 90 |
| 不可变特征保留 | 鼻侧斑点 / 项圈 / 毛色分区 | 95 | 92 |
| 文图匹配 | 动作、情绪、角色数量 | 93 | 90 |
| 跨页画风一致 | 同一风格与连续性上下文 | 92 | 88 |
| 局部编辑服从 | 只改指定内容 | 91 | 87 |
07 · Architecture & boundaries
演示稳定性与真实能力并存，但绝不把 Mock 伪装成真实生成
同一套页面和领域类型，通过服务端 Provider 工厂切换执行路径。API Key 仅在服务端读取。
AI_PROVIDER=mockMock mode
本地年糕示例数据
本地角色图与六页插画
可控延迟与稳定质检
离线三分钟演示
AI_PROVIDER=googleGoogle mode
Gemini 多模态理解
结构化 JSON + Zod
Gemini 原生图片生成/编辑
失败明确提示与重试
密钥
只在 Route Handler 后方
状态
浏览器 IndexedDB 恢复
成本
图片调用必须主动点击
来源
示例 Mock 与真实 Google 明确隔离