tapcanvas-visual-focus

TapCanvas 视觉重点提取（Visual Focus）

适用场景：

• 用户在当前画布/项目中有图片（图片节点或已上传资产），并希望你提取“视觉重点/关键要素/注意力在哪里/风格要点/拍摄布光要点”。
• 用户的目标来自对话：例如“复现这张图”“做同风格海报”“做分镜/视频风格对齐”“提炼这张图的视觉主轴”。

目标

• 不“看图编故事”：只基于图中可见内容；不确定就标注“推测/不清晰”。
• 把“视觉重点”拆成可执行清单：必须保留 vs 可以替换。
• 给出后续生成/改图可直接用的“提示词骨架”（必要时给英文 prompt + negative prompt）。

工作流（按对话驱动）

1. 拿到图片输入

• 优先使用当前 flow 中图片节点的 nodeId。
• 其次使用上传图片 / 素材资产的 assetId（含素材具体版本 ID）。
• 工具不接受 URL 或 DataURL；用户只给了外链、blob: 或本地路径时，先让用户把图片上传到画布或素材库，再按节点/资产 ID 调用。

1. 从对话中抽取“用户想要的视觉重点”

• 用途：复现/改图/海报/视频/风格对齐
• 强调：主体、材质、文字、光线、氛围、配色、构图、镜头
• 忽略：不想要的元素（背景、道具、文字等）
• 输出偏好：要中文总结、要 JSON、要英文 prompt、要负面词等

1. 调用图片理解工具（必做）

• 使用 tapcanvas_analyze_image，nodeId 与 assetId 二选一。
• 图片理解模型由部署配置固定（IMAGE_UNDERSTANDING_MODEL_KEY），不得传模型、厂商或温度参数；模型不可用时工具会显式失败，不要改用其它工具"看图"。
• 若上游已经提供外部 prompt，直接透传；若未提供，再使用下方推荐模板。

建议给 tapcanvas_analyze_image.prompt 的模板（把对话目标填进去）：

“你是资深视觉导演与提示词工程师。请基于输入图片，结合我的目标：<用户目标>，提取我需要的视觉重点。输出严格有效 JSON（不要代码块/多余文字），字段如下：

• summaryZh: 一句话画面摘要
• focusPoints: 数组，每项包含 pointZh（重点）、importance（1-5）、evidence（图中依据/位置特征）、mustKeep（true/false）、canVary（可替换/可变化的方向）
• composition: 构图与镜头（景别/视角/主体位置/景深与焦段倾向；推测需标注）
• lighting: 光线（主光方向、软硬、色温、阴影特征）
• colorPalette: 主色/辅色与氛围
• styleTags: 风格标签数组（摄影/插画/3D/动漫等）
• textInImage: 画面可见文字（不清晰就写不清晰）
• englishPrompt: 可复现英文提示词（只输出提示词正文）
• negativePrompt: 建议的反向提示词（可选）

注意：不要编造不存在的品牌/文字/认证信息；对不确定内容用‘推测/可能’。””

1. 把结果变成“可执行”输出

• 如果返回是 JSON：优先按 focusPoints 输出，并补齐“必须保留/可以替换/提示词骨架”。
• 如果返回不是 JSON：按同样结构用中文整理一份（不要臆测）。

推荐输出模板（中文）

• 视觉重点（Top 5-10）：（每条含重要度、必须保留/可替换）
• 必须保留：用于风格对齐/复现的关键要素
• 可以替换：在不破坏风格前提下可变化的要素
• 提示词骨架（用于生成/改图）：中文要点 +（如需要）英文 prompt
• 反向提示词建议（可选）

调用示例（工具参数示意）

• tapcanvas_analyze_image 参数要点：
  • nodeId: "<当前 flow 图片节点 ID>" 或 assetId: "<图片资产/素材版本 ID>"（二选一）
  • prompt: "<按上面模板拼装的任务描述>"
  • 工具不返回图片存储 URL；需要引用图片时使用返回的节点/资产 ID。