feat(M6): 第2环标杆8维分析引擎

8维草案(banana不变量+俊达配方+3链接):标题公式/开头钩子/正文结构/
卖点呈现/情绪语气emoji/目标人群/话题标签/视觉配图节奏。
- _benchmark_prompt.py: 8维vision prompt(不打分,提炼可复用配方)
- benchmark_analyzer.py: 引擎核心(vision读截图+手填亮点→8维JSON,失败兜底)
- benchmarks.py: POST /benchmarks/{id}/analyze 端点(写features_json,流转analyze_status)
端到端实测:8维齐全0缺失,真调LLM(conf0.9非兜底),落库done,质量高(识别收藏钩子/成分背书/诚实标未体现)

backend/app/services/ai_engine/_benchmark_prompt.py

@@ -0,0 +1,25 @@
+"""
+app/services/ai_engine/_benchmark_prompt.py — 第2环标杆8维分析 prompt
+
+8维草案来源（倩倩姐2026-06-16）：banana不变量/可变量方法论 + 俊达拆解中心配方 + 3小红书链接。
+方法论核心：分析目的不是打分，是提炼"仿写时必须保留的配方"（不变量），喂给第5环文案+第6环配图对标。
+输入=爆款笔记截图（GPT vision 读图）+ 运营手填亮点（highlights）。
+"""
+
+BENCHMARK_8DIM_PROMPT = """你是小红书爆款拆解专家。请把这篇爆款笔记拆成"可复用配方"，供后续对标仿写。
+硬性规则：只分析本次提供的截图与亮点描述，不臆造、不沿用历史案例、不默认任何品类。
+看不清或无法判断的维度，填"截图未体现"，不要编。
+
+请从以下8个维度拆解，返回JSON（仅JSON，无其他文字）：
+{
+  "title_formula": "标题用了什么套路（提问式/数字式/悬念式/对比式/利益前置等）+大致字数",
+  "opening_hook": "开头前1-3句如何抓人（痛点直击/反差/利益前置/场景代入等），摘录关键句",
+  "content_structure": "正文骨架顺序（如 痛点-方案-效果 / 故事-产品-号召 / 测评-对比-结论）",
+  "selling_point_style": "卖点怎么呈现（几个卖点、轻重排布、是否数据化/场景化、植入方式）",
+  "emotion_tone": "情绪语气（亲切/专业/俏皮/种草感/姐妹分享等）+ emoji使用规律（频率/类型/位置）",
+  "target_audience": "这篇打给谁（年龄段/使用场景/核心痛点画像），一句话",
+  "topic_tags": "话题标签策略（选了哪类tag、几个、大词与精准小词的配比）",
+  "visual_rhythm": "视觉配图配方（封面风格、构图、色调、光线、配图排布节奏、是否压字/大字报模板）",
+  "confidence": 0.9,
+  "source": "vision"
+}"""

backend/app/services/ai_engine/benchmark_analyzer.py

@@ -0,0 +1,66 @@
+"""
+app/services/ai_engine/benchmark_analyzer.py — 第2环 标杆8维分析引擎
+
+复用 products.analyze_product_image 的 vision 范式，解耦成 service。
+输入：爆款截图 bytes + 手填亮点；输出：8维配方 JSON（写入 benchmark_notes.features_json）。
+key 链路遵基石B：plain_key 只活在调用方局部，本模块只收已构建的 clients。
+"""
+import json
+import logging
+import re
+
+from app.services.ai_engine._benchmark_prompt import BENCHMARK_8DIM_PROMPT
+
+logger = logging.getLogger(__name__)
+
+# 8维字段顺序（与 prompt JSON key 一致；analyze_status 流转 done 时校验齐全）
+DIM_KEYS = [
+    "title_formula", "opening_hook", "content_structure", "selling_point_style",
+    "emotion_tone", "target_audience", "topic_tags", "visual_rhythm",
+]
+
+
+def parse_benchmark_json(raw: str) -> dict:
+    """从模型返回文本提取 JSON（容错 markdown ```json 包裹）。"""
+    cleaned = re.sub(r"```json\s*", "", raw)
+    cleaned = re.sub(r"```\s*", "", cleaned)
+    m = re.search(r"\{[\s\S]*\}", cleaned)
+    if not m:
+        raise ValueError("标杆分析返回中未找到 JSON")
+    return json.loads(m.group())
+
+
+def fallback_benchmark(highlights: str | None = None) -> dict:
+    """vision 失败兜底：保证 8 维不空手，标 source=fallback 供前端提示。"""
+    note = highlights or "截图未体现"
+    return {
+        "title_formula": note, "opening_hook": note, "content_structure": note,
+        "selling_point_style": note, "emotion_tone": note, "target_audience": note,
+        "topic_tags": note, "visual_rhythm": note,
+        "confidence": 0.4, "source": "fallback",
+    }
+
+
+async def analyze_benchmark(clients, screenshot: bytes | None, highlights: str | None) -> dict:
+    """
+    跑 8 维分析。截图走 vision；无截图但有手填亮点则把亮点拼进 prompt 兜底。
+    返回结构化 8 维 dict（含 confidence/source）。失败不抛，返回 fallback。
+    """
+    prompt = BENCHMARK_8DIM_PROMPT
+    if highlights:
+        prompt = f"{prompt}\n\n运营补充的亮点描述（作为分析参考）：{highlights}"
+
+    images = [screenshot] if screenshot else []
+    try:
+        if not images:
+            # 无截图：纯文本兜底（gpt_vision_analyze 支持空图走文本）
+            logger.info("analyze_benchmark: 无截图，走手填亮点文本分析")
+        raw = await clients.gpt_vision_analyze(prompt, images)
+        result = parse_benchmark_json(raw)
+        result["source"] = "vision" if images else "text"
+        return result
+    except Exception as e:
+        logger.warning("analyze_benchmark failed, fallback: %s", e)
+        result = fallback_benchmark(highlights)
+        result["warning"] = f"标杆分析失败，已兜底：{e}"
+        return result