baseline: Clover 独立仓库首次基线提交

将 Clover 从上层产品包旧仓库中独立出来,建立专属版本控制。
当前状态=纵切片端到端已打通(登录→选品→出文出图→审核→下载包),
M1文案质量去套路化已验收。此提交作为后续按核销清单逐条修复的基线。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

backend/app/services/ai_engine/prompt_composer.py

@@ -0,0 +1,109 @@
+"""
+prompt_composer.py — 统一 prompt 组装入口（≤100行）
+扒自：banana prompts/service.py + worker/src/copy.js prompt 逻辑
+Lead 指名接口：compose_variants / compose_preference_context
+
+组装逻辑委托：
+  _text_prompt.py → build_prompt (文案 prompt 主体)
+  preference_aggregator.py → aggregate_preference_context (飞轮上下文)
+
+原则：prompt 组装从这里进，不散落在 text_variants / generate_text_variants 里。
+"""
+from __future__ import annotations
+import logging
+from typing import Any
+
+from ._text_prompt import build_prompt, COPY_SYSTEM
+from .preference_aggregator import aggregate_preference_context
+
+logger = logging.getLogger(__name__)
+
+
+# ── 主接口 ────────────────────────────────────────────────────────────────────
+
+def compose_variants(
+    product: dict,
+    count: int,
+    flywheel_context: str = "",
+    extra_rules: str = "",
+) -> tuple[str, str]:
+    """
+    一次出 count 角度文案的完整 prompt。
+
+    返回 (system_prompt, user_prompt)。
+    飞轮片段追加到 user_prompt 末尾（不改 system，避免覆盖质量红线）。
+
+    参数：
+      product         — 产品档案 dict（name/selling_points/text_angles/custom_prompt 等）
+      count           — 需要几条
+      flywheel_context— 由 compose_preference_context 返回的 prompt_fragment
+      extra_rules     — 额外规则（优化循环重生成时传 hint）
+    """
+    combined_extra = "\n".join(filter(None, [flywheel_context, extra_rules]))
+    user_prompt = build_prompt(product, count, extra_rules=combined_extra)
+    logger.debug(
+        "compose_variants: product=%s count=%d flywheel_len=%d",
+        product.get("name", "?"), count, len(flywheel_context),
+    )
+    return COPY_SYSTEM, user_prompt
+
+
+def compose_preference_context(
+    events: list[dict],
+    product: dict,
+    workspace_id: int,
+    product_id: int,
+) -> dict:
+    """
+    聚合偏好事件 → 可注入 prompt 的飞轮上下文。
+
+    返回结构（对齐 API契约 GET /tasks/{id}/preference/context）：
+      {
+        recent_preference: str,   # 人类可读摘要（前端"本次已注入"显示）
+        reject_reasons:    list,  # 最近打回原因
+        injected_count:    int,   # 有效信号数
+        prompt_fragment:   str,   # 注入 compose_variants flywheel_context 的字符串
+      }
+
+    信号不足 FLYWHEEL_COLD_START 条时用产品档案冷启动。
+    按 workspace_id + product_id 双维过滤（素颜霜偏好不串精华）。
+    """
+    return aggregate_preference_context(events, product, workspace_id, product_id)
+
+
+# ── 辅助：解析模型返回的 JSON（给 text_variants 调用，集中不散） ──────────────
+
+def parse_model_output(raw: str) -> list[dict]:
+    """从 LLM 原始输出提取 JSON 数组（容错 markdown 包裹）"""
+    from ._text_prompt import parse_json_array
+    return parse_json_array(raw)
+
+
+# ── 辅助：图片 prompt 组装入口（预留，联调时填充）─────────────────────────────
+
+def compose_image_prompt(
+    role_name: str,
+    visual_system: dict,
+    product: dict,
+    extra: str = "",
+) -> str:
+    """
+    单张分镜 prompt 组装（供 image_gen.generate_one_image 调用）。
+    TODO: 联调后从 storyboard.plan_image_set 取 base_prompt 注入。
+
+    role_name    — 分镜角色（hook / pain_scene / closer 等）
+    visual_system— build_visual_system 返回的视觉系统 dict
+    extra        — 追加约束（飞轮图片偏好片段，二期接入）
+    """
+    name    = product.get("name", "产品")
+    style   = visual_system.get("style", "")
+    palette = visual_system.get("color_palette", "")
+    base    = visual_system.get("base_prompt", "")
+    lines = [
+        f"[{role_name}] 为产品「{name}」生成种草图。",
+        base and f"视觉基调：{base}",
+        style and f"摄影风格：{style}",
+        palette and f"色调：{palette}",
+        extra,
+    ]
+    return "\n".join(l for l in lines if l)