存量积累：生图素人感约束+评图分+幂等防重跑+审核回路

- 015-017迁移：image_candidate 文案复审/AI视觉分/重生标记
- constants C7素人感约束(反电商摆拍对齐真实笔记)+C3叠字口子
- celery visibility_timeout=2h 防长任务被误判重投重复烧钱(task75教训)
- image_scorer 评图分(只筛选+展示,真实信号才进飞轮权重)
- storyboard/image_gen/pipeline_io 生图存量
- task_actions/tasks/task_service/flywheel 审核回路+飞轮存量

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

backend/alembic/versions/015_image_candidate_text_review.py

@@ -0,0 +1,33 @@
+"""015 image_candidates 表加 text_review 字段（标题文字校验闸门）
+
+Revision ID: 015
+Revises: 014
+Create Date: 2026-06-16
+
+gpt-image-2 渲染中文偶发错别字。生图后对 hook/特写图做 OCR 校验,错别字自动
+重生(上限2次);仍不过则放行该图并写 text_review 标记,前端提示运营人工筛。
+NULL=未校验或一次通过;有值=曾不过或重生过的记录(倩倩姐2026-06-16拍板)。
+"""
+from alembic import op
+import sqlalchemy as sa
+
+revision = "015"
+down_revision = "014"
+branch_labels = None
+depends_on = None
+
+
+def upgrade():
+    op.add_column(
+        "image_candidates",
+        sa.Column(
+            "text_review",
+            sa.String(512),
+            nullable=True,
+            comment="标题文字校验结果JSON(NULL=通过;有值=曾不过/重生,needs_text_review)",
+        ),
+    )
+
+
+def downgrade():
+    op.drop_column("image_candidates", "text_review")

backend/alembic/versions/016_image_candidate_ai_visual_score.py

@@ -0,0 +1,38 @@
+"""016 image_candidates 表加 AI 评图分字段（E12 飞轮·展示层）
+
+Revision ID: 016
+Revises: 015
+Create Date: 2026-06-16
+
+E12 AI评图分(倩倩姐2026-06-16拍板)：生成时 AI 给图打分,高分优先展示,前端呈现
+"AI评X分"。
+
+🔴 红线:AI评图分只做"生成时筛选+前端展示",绝不进飞轮权重(权重只认真实信号:
+   选了哪张/改了什么/过审与否)。eval_score 仍留 NULL,AI分单独存 ai_visual_score,
+   不复用 eval_score,避免 AI 主观分污染飞轮。
+"""
+from alembic import op
+import sqlalchemy as sa
+
+revision = "016"
+down_revision = "015"
+branch_labels = None
+depends_on = None
+
+
+def upgrade():
+    op.add_column(
+        "image_candidates",
+        sa.Column("ai_visual_score", sa.Float(), nullable=True,
+                  comment="AI评图分0-100(展示+排序用,绝不进飞轮权重;eval_score另留NULL)"),
+    )
+    op.add_column(
+        "image_candidates",
+        sa.Column("ai_visual_note", sa.String(256), nullable=True,
+                  comment="AI评图一句话评语(前端展示)"),
+    )
+
+
+def downgrade():
+    op.drop_column("image_candidates", "ai_visual_note")
+    op.drop_column("image_candidates", "ai_visual_score")

backend/alembic/versions/017_image_candidate_is_regen.py

@@ -0,0 +1,30 @@
+"""017 image_candidates 表加 is_regen 重生标记（R2 单张/单套重生）
+
+Revision ID: 017
+Revises: 016
+Create Date: 2026-06-12
+
+R2 单张/单套重生(倩倩姐2026-06-12拍板顺序P0)：用户手动重生某张/某套图时，
+新产出 candidate 一律【新增不删旧】(守"数据归客户可导出"红线 + 飞轮能看到重生信号)，
+用 is_regen 标记区分原始图与重生图。前端同 strategy+role 默认只展示最新那条，
+若倩倩姐后续要"对比旧图"也能从历史 candidate 取回，方案前后兼容不返工。
+"""
+from alembic import op
+import sqlalchemy as sa
+
+revision = "017"
+down_revision = "016"
+branch_labels = None
+depends_on = None
+
+
+def upgrade():
+    op.add_column(
+        "image_candidates",
+        sa.Column("is_regen", sa.Boolean(), nullable=False, server_default=sa.false(),
+                  comment="True=用户手动重生产出(新增不删旧,前端同strategy+role默认只展示最新)"),
+    )
+
+
+def downgrade():
+    op.drop_column("image_candidates", "is_regen")

backend/app/api/v1/task_actions.py

@@ -95,22 +95,38 @@ def import_text(
     return ok(_fmt_text(tc))
 
 
+class RegenerateRequest(BaseModel):
+    """R2 重生参数（全 None=整体重生，兼容旧调用）。
+    strategy='A'/'B'/'C' 指定单套；role 指定单张(需配 strategy)；custom_prompt 人工追加提示词。"""
+    strategy: str | None = Field(default=None, pattern="^[ABC]$")
+    role: str | None = None
+    custom_prompt: str | None = Field(default=None, max_length=500)
+
+
 @router.post("/{task_id}/regenerate")
 def regenerate(
     task_id: int,
+    body: RegenerateRequest | None = None,
     current_user: Annotated[CurrentUser, Depends(require_write_permission)] = None,
     db: Session = Depends(get_db),
 ):
-    """重新生成（飞轮信号 regenerate -1）。"""
+    """重新生成（飞轮信号 regenerate -1）。
+    body 全空=整体重生；带 strategy=单套重生；带 strategy+role=单张重生；custom_prompt=人工提示词。"""
     from app.services.flywheel_service import record_signal
     from app.services.task_service import enqueue_generation
     task = _check_task_ownership(
         db.query(GenerationTask).filter(GenerationTask.id == task_id).first(),
         current_user.workspace_id,
     )
+    body = body or RegenerateRequest()
+    # role 必须配 strategy（单张重生需知道是哪套的哪张）
+    if body.role and not body.strategy:
+        raise_state_invalid("指定单张重生(role)时必须同时指定 strategy(套别)")
     record_signal(db, current_user, task, "regenerate")
-    enqueue_generation(task.id)
+    enqueue_generation(task.id, regen_strategy=body.strategy,
-    return ok({"task_id": task_id, "status": "regenerating"})
+                       regen_role=body.role, custom_prompt=body.custom_prompt)
+    scope = "单张" if body.role else ("单套" if body.strategy else "整体")
+    return ok({"task_id": task_id, "status": "regenerating", "scope": scope})
 
 
 @router.post("/{task_id}/submit-review")

backend/app/api/v1/tasks.py

@@ -60,6 +60,10 @@ def _fmt_task(t: GenerationTask) -> dict:
         "id": t.id, "product_id": t.product_id, "theme": t.theme,
         "status": t.status, "text_count": t.text_count, "image_count": t.image_count,
         "track": t.track, "need_product_image": t.need_product_image,
+        # 审核回路：打回原因+审核状态,任务页/历史页展示"为何被打回"(R4-b死链修复,R8历史复用)
+        "review_status": t.review_status,
+        "reject_reason": t.reject_reason,
+        "reviewed_at": t.reviewed_at.isoformat() if t.reviewed_at else None,
         "created_at": t.created_at.isoformat(),
     }
 
@@ -129,6 +133,7 @@ def _fmt_text(tc: TextCandidate) -> dict:
         # AI 评委总评（verdict/summary 存在 content 列，新数据有，旧数据为空字符串降级）
         "verdict": parsed.get("verdict", ""),         # "优秀"|"合格"|"不合格"
         "summary": parsed.get("summary", ""),         # 一句话总评含改进点
+        "edited": tc.edited,                          # D1 改稿标记(飞轮最强信号)
     }
 
 
@@ -136,6 +141,9 @@ def _fmt_image(ic: ImageCandidate) -> dict:
     return {
         "candidate_id": ic.id, "role": ic.role, "url": ic.url,
         "strategy": ic.strategy, "seq": ic.seq, "is_selected": ic.is_selected,
+        "is_regen": getattr(ic, "is_regen", False),   # R2 重生标记(前端同strategy+role去重展示最新)
+        # E12 AI评图分：纯展示+排序,绝不进飞轮权重(eval_score 另留 NULL)
+        "ai_visual_score": ic.ai_visual_score, "ai_visual_note": ic.ai_visual_note,
     }
 
 

backend/app/models/task.py

@@ -119,7 +119,14 @@ class ImageCandidate(Base):
     strategy: Mapped[str | None] = mapped_column(String(4))    # A/B/C（二期）
     seq: Mapped[int] = mapped_column(Integer, default=1)        # 分镜序号
     is_selected: Mapped[bool] = mapped_column(default=False, nullable=False)
+    # R2 重生标记：True=用户手动重生产出(新增不删旧,前端同strategy+role默认只展示最新)
+    is_regen: Mapped[bool] = mapped_column(default=False, nullable=False)
     eval_score: Mapped[float | None] = mapped_column(Float)     # 一期留 NULL
+    # 标题文字校验结果JSON(NULL=通过;有值=曾不过/重生,前端提示运营人工筛)
+    text_review: Mapped[str | None] = mapped_column(String(512))
+    # AI评图分0-100(展示+生成时筛选+排序用,绝不进飞轮权重;eval_score 另留 NULL)
+    ai_visual_score: Mapped[float | None] = mapped_column(Float)
+    ai_visual_note: Mapped[str | None] = mapped_column(String(256))   # AI评图一句话评语(前端展示)
     created_at: Mapped[datetime] = mapped_column(
         DateTime, server_default=func.now(), nullable=False
     )

backend/app/services/ai_engine/constants.py

@@ -127,10 +127,27 @@ IMAGE_NEGATIVE_CONSTRAINTS = (
     "只保留浅色简洁台面或产品定制场景，主体聚焦产品本身。"
 )
 
+# ── 小红书素人感正向约束（C7：反电商摆拍，对齐真实笔记观感）──────────────
+# 追加到 base_prompt 末尾，与 IMAGE_NEGATIVE_CONSTRAINTS 互补：前者管合规，本条管"像不像小红书"
+IMAGE_XHS_STYLE_CONSTRAINTS = (
+    "【小红书素人感——必须像真人随手拍后简单排版，不是电商详情页】"
+    "①禁止纯白底影棚摆拍、居中正打光、官方产品主图那种电商感；"
+    "②要有生活气：自然光/窗边光、桌面或梳妆台真实场景、可带手持或局部环境，像朋友分享而非广告；"
+    "③构图随性不刻意对称，允许轻微景深虚化，避免过度精修的塑料光泽和磨皮假面感；"
+    "④文字排版克制像博主手作：主标题手写感或简洁无衬线，避免大字促销价签/打折标/电商角标；"
+    "⑤整体观感=真实测评/日常分享，宁可朴素也不要假亮假精致。"
+)
+
+# C3 代码叠字开关（先留口子不实现，倩倩姐2026-06-12拍板）：
+# True 时由 PIL 在模型出的干净底图上叠主标题/品牌词，彻底解决 gpt-image-2 中文乱码；
+# 当前 False=仍由模型画字（偶发错别字为已知问题）。接入点见 image_gen._gen_one 的 TODO。
+OVERLAY_TEXT_RENDER_ENABLED = False
+
 # ── 飞轮信号权重（初始默认，北哥可校准）────────────────
 FLYWHEEL_WEIGHTS = {
     "text_select": 3,
     "image_select": 3,
+    "text_edit": 5,    # 改稿=用户真动手改字=最强真实意图,与approve同级(倩倩姐2026-06-16拍板)
     "approve": 5,
     "reject_with_reason": -3,
     "regenerate": -1,

backend/app/services/ai_engine/gemini_factory.py

@@ -41,7 +41,7 @@ class AIClients:
     _pool_loop_id: int | None = field(default=None, repr=False)
     _gemini_key: str | None = field(default=None, repr=False)   # 局部变量不打印
     _model_image: str = "gpt-image-2"
-    _model_text: str = "claude-sonnet-4-5"  # apiports无gpt-4o-mini,文案用claude中文质量好
+    _model_text: str = "claude-opus-4-8"  # 最强档(倩倩姐红线):Claude系一律4.8,绝不降级
 
     def _client(self) -> httpx.AsyncClient:
         """主通道(apiports) client，按当前事件循环缓存"""
@@ -111,16 +111,44 @@ class AIClients:
         resp.raise_for_status()
         return _extract_gemini_image(resp.json())
 
+    async def _chat_post_failover(self, payload: dict, timeout: float) -> dict:
+        """
+        chat/completions 发送器，带 codeproxy 回落。
+        主通道(apiports, claude-opus-4-8)若 5xx/超时/连接错，自动切 codeproxy 重试一次。
+        ⚠ codeproxy 账号池只支持 gpt 系(gpt-5.5)，无 claude，故回落时模型换成 gpt-5.5。
+        这是强档↔强档切换：红线"Claude系4.8/GPT系5.5"本就是两个平级最强档、互为兜底，
+        非降级(降级=落 sonnet/弱档)。codeproxy 回落档由 CODEPROXY_CHAT_MODEL 配置(默认 gpt-5.5)。
+        codeproxy 未配置(_alt_token 为空)时不回落，原样抛错。
+        """
+        main_base = (os.environ.get("IMAGE_API_BASE") or os.environ.get("APIPORTS_BASE_URL") or "").rstrip("/")
+        try:
+            resp = await self._client().post(f"{main_base}/chat/completions", json=payload, timeout=timeout)
+            resp.raise_for_status()
+            return resp.json()
+        except (httpx.HTTPStatusError, httpx.TransportError, httpx.TimeoutException) as exc:
+            # 仅 5xx(服务端过载)或网络层错误才回落；4xx(参数/鉴权)回落也没用，直接抛。
+            status = getattr(getattr(exc, "response", None), "status_code", None)
+            retryable = status is None or status >= 500
+            if not (retryable and self._alt_token):
+                raise
+            alt_base = (self._alt_base or os.environ.get("CODEPROXY_BASE_URL") or "").rstrip("/")
+            alt_payload = dict(payload)
+            alt_payload["model"] = os.environ.get("CODEPROXY_CHAT_MODEL", "gpt-5.5")
+            logger.warning("apiports chat 失败(%s)，回落 codeproxy 用 %s 重试（强档兜底，非降级）",
+                           status or type(exc).__name__, alt_payload["model"])
+            client = self._client_for(alt_base, self._alt_token)
+            resp = await client.post(f"{alt_base}/chat/completions", json=alt_payload, timeout=timeout)
+            resp.raise_for_status()
+            return resp.json()
+
     async def chat_complete(self, messages: list[dict], model: str | None = None, max_tokens: int = 4096, temperature: float = 0.75) -> str:
-        """文字生成（文案生成用）"""
+        """文字生成（文案生成用）。apiports 503 时自动回落 codeproxy。"""
-        base = (os.environ.get("IMAGE_API_BASE") or os.environ.get("APIPORTS_BASE_URL") or "").rstrip("/")
         payload = {"model": model or self._model_text, "messages": messages, "max_tokens": max_tokens, "temperature": temperature}
         # 单批≤4条文案正常 40-55s 返回；apiports 网关 ~60s 上限。客户端超时设 75s：
         # 略高于网关上限即可，过长（如180s）会在 apiports 卡顿时干等，拖慢整体。
         timeout = float(os.environ.get("TEXT_LLM_TIMEOUT", "75"))
-        resp = await self._client().post(f"{base}/chat/completions", json=payload, timeout=timeout)
+        data = await self._chat_post_failover(payload, timeout)
-        resp.raise_for_status()
+        return data["choices"][0]["message"]["content"] or ""
-        return resp.json()["choices"][0]["message"]["content"] or ""
 
     async def gpt_vision_analyze(self, prompt: str, images: list[bytes], model: str | None = None) -> str:
         """
@@ -139,16 +167,15 @@ class AIClients:
             })
         used_model = model or os.environ.get("MODEL_TEXT", "claude-opus-4-8")
         messages = [{"role": "user", "content": content}]
-        base = (os.environ.get("IMAGE_API_BASE") or os.environ.get("APIPORTS_BASE_URL") or "").rstrip("/")
         payload = {
             "model": used_model,
             "messages": messages,
             "max_tokens": 2048,
             "temperature": 0.2,
         }
-        resp = await self._client().post(f"{base}/chat/completions", json=payload, timeout=90.0)
+        # 评图也走 codeproxy 回落：apiports 503 时切备用站，模型档不变（守红线）。
-        resp.raise_for_status()
+        data = await self._chat_post_failover(payload, 90.0)
-        return resp.json()["choices"][0]["message"]["content"] or ""
+        return data["choices"][0]["message"]["content"] or ""
 
     # duck-type: text_variants._call_llm 用的属性
     @property

backend/app/services/ai_engine/image_gen.py

@@ -15,6 +15,7 @@ import os
 from typing import Any, Protocol
 
 from .constants import IMAGE_RETRY_ATTEMPTS, IMAGE_RETRY_BACKOFF_BASE, IMAGE_SIZE_DEFAULT
+from .image_scorer import score_image
 from .storyboard import plan_image_set, sanitize_text
 
 logger = logging.getLogger(__name__)
@@ -126,15 +127,24 @@ async def generate_storyboard_images(
     reference_images: list[bytes] | None = None,
     analysis: dict | None = None,
     strategy: str | None = None,
+    target_role: str | None = None,
+    custom_prompt: str | None = None,
 ) -> list[dict]:
     """
     按 storyboard 逐张生图（asyncio.gather 并发），返回每张结果列表。
     strategy: None=默认叙事，'A'/'B'/'C'=三套正交叙事策略
+    target_role: 非空时只生成该 role 那一张（R2 单张重生）
+    custom_prompt: 非空时追加到每张 per_prompt 末尾（R2 人工提示词）
     每项：{role, name, image_bytes, error}
     """
     plan = plan_image_set(note, product, image_count, analysis, strategy=strategy)
     storyboard = plan["storyboard"]
     base_prompt = plan["base_prompt"]
+    # R2 单张重生：只保留目标 role 的分镜（匹配不到则原样全跑，避免空结果）
+    if target_role:
+        _filtered = [it for it in storyboard if it.get("role") == target_role]
+        if _filtered:
+            storyboard = _filtered
 
     async def _gen_one(item: dict) -> dict:
         # 逐图 prompt 9 字段（扒 promptFromStoryboard:323-334），每张差异化
@@ -156,12 +166,31 @@ async def generate_storyboard_images(
             "中文文字少而清晰，主标题+最多3个短点位；可自然用✅✨🌿💧🪞🧴📦🔍种草符号但不堆砌；"
             "不要生成App截图或笔记详情页界面。"
         )
+        # R2 人工提示词：追加到末尾权重最高，但不覆盖前面合规/真实约束
+        if custom_prompt:
+            per_prompt += f"\n运营补充要求（在不违反上述合规与真实约束前提下尽量满足）：{sanitize_text(custom_prompt, 200)}。"
         try:
             img_bytes = await generate_one_image(client, per_prompt, reference_images)
-            return {"role": item["role"], "name": item["name"], "image_bytes": img_bytes, "error": None}
+            # 注：gpt-image-2 渲染中文偶发错别字(约1/6)。vision/OCR 文字校验闸门实测
+            # 不可靠(漏报形近字+幻觉误伤品牌词),倩倩姐2026-06-16拍板先撤,纯生图,
+            # 错别字作已知问题记录,后续迭代再处理。详见记忆 clover-image-text-check-shelved。
+            #
+            # C3 canvas 叠字口子(倩倩姐2026-06-12拍板"只留口子不实现")：
+            # 当 OVERLAY_TEXT_RENDER_ENABLED=True 时，此处由 PIL 在模型出的干净底图上
+            # 叠 item['overlay_text']/brand_keyword(字体资源+排版坐标后续补)，彻底解决中文乱码。
+            # TODO(C3-overlay): from .constants import OVERLAY_TEXT_RENDER_ENABLED
+            #   if OVERLAY_TEXT_RENDER_ENABLED: img_bytes = overlay_text_on_image(img_bytes, item)
+            # E12 AI评图分：只做展示+排序,绝不进飞轮权重,失败返 None 不阻断(倩倩姐2026-06-16)。
+            visual = await score_image(client, img_bytes)
+            return {"role": item["role"], "name": item["name"], "image_bytes": img_bytes,
+                    "error": None, "text_review": None,
+                    "ai_visual_score": (visual or {}).get("score"),
+                    "ai_visual_note": (visual or {}).get("note")}
         except Exception as exc:
             logger.error("分镜 %s 生图失败: %s", item["role"], exc)
-            return {"role": item["role"], "name": item["name"], "image_bytes": None, "error": str(exc)}
+            return {"role": item["role"], "name": item["name"], "image_bytes": None,
+                    "error": str(exc), "text_review": None,
+                    "ai_visual_score": None, "ai_visual_note": None}
 
     # 限并发：apiports 图片接口有 QPS 限制，6 张全并发会撞 429/503
     concurrency = int(os.environ.get("IMAGE_CONCURRENCY", "2"))

backend/app/services/ai_engine/image_scorer.py

@@ -0,0 +1,76 @@
+"""
+AI 评图分 — E12 飞轮·展示层（倩倩姐2026-06-16拍板）
+
+红线（不可违反）：
+- 只做"生成时筛选 + 落库 + 前端展示 + 高分优先排序"。
+- 绝不进飞轮权重：飞轮权重只认真实信号（选了哪张/改了什么/过审与否）。
+- eval_score 全程留 NULL；AI 分单独存 ai_visual_score，不复用 eval_score。
+- 评分失败绝不阻断生图：返回 None，图照常入库展示。
+
+vision 走 GPT 现有通道最强档（claude-opus-4-8），不补 GEMINI_KEY。
+"""
+from __future__ import annotations
+import json
+import logging
+import re
+from typing import Any
+
+logger = logging.getLogger(__name__)
+
+# 评图维度=纯视觉质量（不碰文字对错——那条路线已撤，见 image_gen.py 注释）
+VISION_SCORE_PROMPT = (
+    "你是小红书资深视觉运营，给下面这张种草配图打分。只看视觉质量，不纠结文字错别字。\n"
+    "评分维度（综合给一个 0-100 总分）：\n"
+    "1. 构图与美感：主体突出、留白舒服、色调高级。\n"
+    "2. 清晰度：画面锐利不糊、无明显畸变。\n"
+    "3. 小红书种草感：像真实博主拍的好图，有质感、有氛围。\n"
+    "4. 去AI感：不假、不塑料、不像廉价 AI 渲染图。\n"
+    "5. 文字排版观感：标题贴纸排版是否清爽（只看排版美观，不判错别字）。\n"
+    "打分基准：80=可直接交付的好图，60=能用但平庸，40以下=明显有问题。\n"
+    '只返回 JSON，不要任何多余文字：{"score": <0-100整数>, "note": "<20字内一句话点评>"}'
+)
+
+
+def _parse_score(raw: str) -> dict[str, Any] | None:
+    """容错解析模型返回的 JSON（剥 markdown fence / 抓第一个 {...}）。"""
+    if not raw:
+        return None
+    text = raw.strip()
+    text = re.sub(r"^```(?:json)?\s*|\s*```$", "", text, flags=re.IGNORECASE).strip()
+    try:
+        obj = json.loads(text)
+    except Exception:
+        m = re.search(r"\{.*\}", text, re.DOTALL)
+        if not m:
+            return None
+        try:
+            obj = json.loads(m.group(0))
+        except Exception:
+            return None
+    if not isinstance(obj, dict) or "score" not in obj:
+        return None
+    try:
+        score = float(obj["score"])
+    except Exception:
+        return None
+    score = max(0.0, min(100.0, score))   # 钳到 0-100
+    note = str(obj.get("note") or "").strip()[:200]
+    return {"score": score, "note": note}
+
+
+async def score_image(client: Any, image_bytes: bytes) -> dict[str, Any] | None:
+    """
+    给单张图打视觉分。返回 {"score": float, "note": str} 或 None（失败/不可解析）。
+    绝不抛异常打断生图链路——任何异常都吞掉返回 None。
+    """
+    if not image_bytes:
+        return None
+    try:
+        raw = await client.gpt_vision_analyze(VISION_SCORE_PROMPT, [image_bytes])
+    except Exception as exc:
+        logger.warning("AI 评图调用失败（不阻断生图）：%s", exc)
+        return None
+    result = _parse_score(raw)
+    if result is None:
+        logger.warning("AI 评图返回无法解析（不阻断生图）：%s", (raw or "")[:120])
+    return result

backend/app/services/ai_engine/preference_aggregator.py

@@ -48,13 +48,14 @@ def aggregate_preference_context(
 
     for e in relevant:
         sig_type = e.get("signal_type", "")
-        angle    = str(e.get("angle_label", "")).strip()
+        angle    = str(e.get("angle_label") or "").strip()
         weight   = int(e.get("signal_weight", 1))
 
-        if sig_type in ("text_select", "approve") and angle:
+        # text_edit(改稿)是最强真实信号,角度按权重计入(倩倩姐2026-06-16拍板)
+        if sig_type in ("text_select", "approve", "text_edit") and angle:
             angle_counts[angle] += weight
         elif sig_type == "reject_with_reason":
-            reason = str(e.get("reason", "")).strip()
+            reason = str(e.get("reason") or "").strip()
             if reason:
                 reject_reasons.append(reason)
 

backend/app/services/ai_engine/storyboard.py

@@ -9,7 +9,7 @@ storyboard 分镜引擎
 from __future__ import annotations
 import re
 from .constants import (
-    PAGE_ROLE_MAP, IMAGE_NEGATIVE_CONSTRAINTS,
+    PAGE_ROLE_MAP, IMAGE_NEGATIVE_CONSTRAINTS, IMAGE_XHS_STYLE_CONSTRAINTS,
     STYLE_PROMPTS, STYLE_DEFAULT, NARRATIVE_BY_COUNT, NARRATIVE_BY_STRATEGY,
 )
 # sanitize_text 移至 templates（腾行数），此处 re-export 供 image_gen 沿用 import
@@ -187,6 +187,7 @@ def plan_image_set(note: dict, product: dict, image_count: int = 3, analysis: di
         "禁止肤色变白、瑕疵消失、治疗前后等视觉暗示，允许安全的未推开/推开后质地状态对比；"
         "如果提供产品图，产品是不可修改的真实商品锚点，禁止改名、换包装、混入其他产品。"
         f"\n{IMAGE_NEGATIVE_CONSTRAINTS}"
+        f"\n{IMAGE_XHS_STYLE_CONSTRAINTS}"
     )
 
     return {

backend/app/services/flywheel_service.py

@@ -95,10 +95,10 @@ def get_preference_context(
             "injected_count": len(recent),
         }
 
-    # 统计最常被选中的角度
+    # 统计最常被选中的角度（text_edit 改稿=最强真实信号,按权重计入,倩倩姐2026-06-16）
     angle_counts: dict[str, int] = {}
     for ev in recent:
-        if ev.signal_type in (SignalType.TEXT_SELECT, SignalType.APPROVE) and ev.angle_label:
+        if ev.signal_type in (SignalType.TEXT_SELECT, SignalType.APPROVE, SignalType.TEXT_EDIT) and ev.angle_label:
             angle_counts[ev.angle_label] = angle_counts.get(ev.angle_label, 0) + 1
 
     top_angles = sorted(angle_counts.items(), key=lambda x: x[1], reverse=True)[:3]

backend/app/services/task_service.py

@@ -79,8 +79,11 @@ def create_generation_task(
     return task
 
 
-def enqueue_generation(task_id: int) -> None:
+def enqueue_generation(task_id: int, regen_strategy: str | None = None,
-    """只推 task_id 入队，绝不推 key（基石B）。"""
+                       regen_role: str | None = None, custom_prompt: str | None = None) -> None:
+    """只推 task_id（+可选重生参数）入队，绝不推 key（基石B）。
+    regen_strategy/regen_role/custom_prompt 仅 R2 单张/单套重生时传，常规生成留 None。"""
     from app.workers.tasks import run_generation_pipeline
-    run_generation_pipeline.delay(task_id)
+    run_generation_pipeline.delay(task_id, regen_strategy=regen_strategy,
-    logger.info("Enqueued task_id=%s", task_id)
+                                  regen_role=regen_role, custom_prompt=custom_prompt)
+    logger.info("Enqueued task_id=%s regen=%s/%s", task_id, regen_strategy, regen_role)

backend/app/workers/celery_app.py

@@ -29,6 +29,11 @@ celery_app.conf.update(
     task_track_started=True,
     task_acks_late=True,          # 任务处理完才 ACK，防丢失
     worker_prefetch_multiplier=1,  # 一次只取1条，防长任务堆积
+    # 🔴 visibility_timeout 必须 > 单任务最长耗时。生图(gpt-image-2)单张可达 270s+，
+    # 整条流水线(多图+评图重试)可能十几分钟。默认仅 1h 时，长任务超时会被 Redis broker
+    # 误判丢失而重新投递给另一 worker → 同一 task 被反复重跑、重复烧钱(task75 教训)。
+    # 设 2h 留足余量；配合 pipeline 入口幂等检查双保险。
+    broker_transport_options={"visibility_timeout": 7200},
     task_routes={
         "app.workers.tasks.run_generation_pipeline": {"queue": "generation"},
         "app.workers.tasks.build_delivery_package": {"queue": "packaging"},

backend/app/workers/pipeline_io.py

@@ -145,10 +145,16 @@ def run_text_generation(db, clients, task, product_dict: dict, flywheel_fragment
 
 def run_image_generation(db, clients, task, product_dict: dict,
                          push_fn, workspace_id: int, seq_start: int,
-                         first_copy: dict, upload_base_path: str) -> int:
+                         first_copy: dict, upload_base_path: str,
+                         regen_strategy: str | None = None,
+                         regen_role: str | None = None,
+                         custom_prompt: str | None = None) -> int:
     """
     Step6+7+8(image): 调 generate_storyboard_images → 后处理 → 存 ImageCandidate → 推 SSE。
     返回 next_seq。
+
+    R2 局部重生(均 None=全量A/B/C)：regen_strategy 限定只跑该套；regen_role 配合限定该套该张；
+    custom_prompt 人工追加提示词。重生产出 is_regen=True 新增不删旧。
     """
     import time
     from app.services.ai_engine.image_gen import generate_storyboard_images
@@ -197,8 +203,17 @@ def run_image_generation(db, clients, task, product_dict: dict,
         )
 
     seq = seq_start
-    # 3套正交叙事 A/B/C，每套各 image_count 张独立生图
+    # R2: 限定重生套别(regen_strategy)则只跑该套，否则全量 A/B/C 三套正交叙事
-    for strategy in ("A", "B", "C"):
+    _strategies = (regen_strategy,) if regen_strategy else ("A", "B", "C")
+    _is_regen = bool(regen_strategy or regen_role)
+    # 进度总数：单张重生=1，单套=image_count，全量=image_count×3
+    if regen_role:
+        _img_total = 1
+    elif regen_strategy:
+        _img_total = task.image_count
+    else:
+        _img_total = task.image_count * 3
+    for si, strategy in enumerate(_strategies):
         t0 = time.monotonic()
         img_success = True
         img_error_code = None
@@ -210,6 +225,8 @@ def run_image_generation(db, clients, task, product_dict: dict,
                 image_count=task.image_count,
                 reference_images=reference_images or None,
                 strategy=strategy,
+                target_role=regen_role,
+                custom_prompt=custom_prompt,
             ))
         except Exception as exc:
             img_success = False
@@ -261,17 +278,25 @@ def run_image_generation(db, clients, task, product_dict: dict,
                 url=img_url,
                 seq=i + 1,
                 strategy=strategy,    # 写入 A/B/C（非 hardcode）
+                is_regen=_is_regen,   # R2 重生标记：新增不删旧，前端同strategy+role默认展示最新
+                # E12 AI评图分：只落展示分,绝不碰 eval_score(留 NULL)；AI 分不进飞轮权重
+                ai_visual_score=img_result.get("ai_visual_score"),
+                ai_visual_note=img_result.get("ai_visual_note"),
             )
             db.add(ic)
             db.flush()
             seq += 1
             push_fn(task.id, workspace_id, "image_candidate", {
-                "candidate_id": ic.id, "strategy": strategy,
+                "candidate_id": ic.id, "strategy": strategy, "seq": i + 1,
                 "url": img_url, "role": img_result["role"],
+                "is_regen": _is_regen,
+                "ai_visual_score": img_result.get("ai_visual_score"),
+                "ai_visual_note": img_result.get("ai_visual_note"),
             }, seq)
             seq += 1
             push_fn(task.id, workspace_id, "image_progress", {
-                "done": i + 1, "total": task.image_count, "strategy": strategy,
+                "done": si * task.image_count + (i + 1),
+                "total": _img_total, "strategy": strategy,
             }, seq)
 
         # 写 ai_call_logs（每套一条，失败不阻断）