一套面向电商卖家的 AI 换装工作台。
复用模特、商品与模板，减少每次上新的制作准备。
工作台与真实生成能力已搭建，正在攻坚模板视频的稳定复用。
从生成视频、模特管理到 SKU 素材，对照每个页面从早期稿、中间稿到终稿的变化。
1 个页面，3 个大版本，7 个小版本
点击版本，查看每次改变了什么。
一直在改脸、改动作，后来追问“这条视频到底怎么生成的”，才发现实际执行和我的预期对不上。
01 / 反复不合格
脸模糊、不像本人，动作也不自然。做了很多轮，还是交不出一条满意的模板视频。
02 / 追查后才发现
查作品来源才发现：部分样片由 AI 在正式模板之外生成，做过人脸修正和剪辑，再通过脚本导入作品列表。页面里看得到成片，不代表点击平台“生成”就能做出来。
再查实际调用：给人物换衣服用的是 FASHN VTON 1.5；开场图用的是 H3——先生成 5 帧，再取第 1 帧；动作视频也用 H3。并没有自动调用我预期的 Codex 图片生成工具。
中间文件还显示：原图 941×1672 → 试衣图 486×864，之后再生成较大的开场图。尺寸变大，不代表脸部细节恢复；开场图里已经出现脸部变化。
03 / 接下来先修什么
有了样片，不代表平台已经能做。先确认 AI 实际走了哪条流程，再判断该改哪里。
把身份、动作和平台流程分开判断，避免一个指标改善，就把整套模板标成完成。
可匹配角度有改善；极端转脸、动态身份与商品细节仍未同时稳定。
E02 B 约 f39—42 完成；迈步缺失、背景边带与连续自然性仍未一并通过。
需要把必要改进接回正式流程，再用新任务和新素材验证，才能确定可交付范围。
改重建强度与画布，3 次均未增强目标身份；清理参考、调整构图再做 4 组静图。
第三轮不用已失败的高强度重建；改用原始头图，按朝向选参考，做几何对齐、色彩匹配与羽化融合。
5 套片段中，可测脸均分由原生成的 0.372—0.565，变为融合后的 0.702—0.840；可匹配角度有改善。
原始生成中已出现放手延迟和脚部出画；不是只在最终剪辑后才发生。
E01 只补 f45 放手终点，仍在约 f52 才抬手；E02 再补 f28 抬手中间条件。
E02 A 约 f82—85 才完成；B 提前到约 f39—42，动作顺序与截止时间在该样本改善。
AI 的解释只是待检验假设。逐步对照原图、中间结果、真实执行历史和节点实现，避免把猜测当根因。
原全身图到试衣输出尺寸降低；近似脸框宽由 167px 到 84px。源码追踪找到缩放—补边—去边路径，不能只怪最终编码。
尺寸路径已解释；“仅缩放损失”对照仍未执行，不能据此解释全部五官变化。render_frames.py / FASHN transforms试衣图细节较软；开场图已出现可见脸部差异，视频又继续变化。原始与最终同帧对照，未见足以解释主要差异的新增编码变化。
已定位出现变化的阶段；尚未锁定单一根因。核对记录和实际上传副本哈希，开场与动作保存工作流均与引擎 history 一致；说明输入链可追溯。
仅限近期诊断案例，不是早期绕过模板事件的证明；输入正确也不代表模型正确遵循。workflow.json ↔ history.promptAddGuide 写入 conditioning，仅输出条件；采样仍读取原 latent 符合本地节点设计。不能因“latent 没穿过引导节点”就盲目改线。
量化、融合权重或标签格式是否主因，仍无充分对照结果。nodes_minimax_h3.py / model_base.py三组设置未带来身份改善，停止重复调参。
E2b 静图候选改善；E02 放手提前至约 f39—42。
迈步、背景与商品细节尚未同时稳定。
| 实验 | 改变与验证点 | 结果 | 决策 |
|---|
身份分数为同一识别模型下的实验参照，不是身份正确概率。B1—B4 对应原记录 E1 / E2 / E2b / E3；C / D 对应 E01 / E02 两轮 A/B。
E02 原始并排对照：左 A / 右 B，3.75 秒。时序局部改善，完整连续自然性仍待独立复核。
检查面部、动作和切点。此处为覆盖样本，
不重复计入上方 11 次实验。
我承担需求澄清、体验决策、任务拆分、进度纠偏与结果核查；不把“AI 说完成了”直接当成产品完成。
功能和参数堆在一起，不能等同卖家可用的创作流程。
要求重做后台，持续按页面反馈调整模板、模特、SKU 与提示词的顺序和布局。
形成 V4 工作台及后续多稿交互演进；主要操作围绕真实任务组织。
不断讨论模型和静图，不能代替完整视频与可复用流程。
要求先定位事实、限定下一步，推动自主完成整片，避免每做一点就停下等确认。
第三轮按五套真实 SKU 推进完整输出，保留失败、修正与交付记录；仍区分内部样片与正式模板。
遇到过 AI 声称视频已输出、实际却未交付的情况；完成声明不能代替真实产物。
反复要求自行测试、实测一条完整视频耗时，检查文件存在、页面可播放、可下载与任务来源。
把软件通过、真实出片、视觉质量和用户验收分开管理，不用局部结果覆盖交付缺口。
目标、输入、可改范围、预期产物和验收方式一并说明，减少返工。
取证、实验、修复各有阶段目标；不无限调研，也不无证据换模型。
看文件、页面和运行记录，区分 AI 的描述与实际执行。
从新前端任务开始，检查模板版本、参数链与画面，再换输入复测。
@是品薇吖
一半理性，一半天马行空——记与 AI 共舞的日子。