FiDA_Python/src/server/deep_agent/tools/generate_furniture_sketch.py

import httpx
import uuid
import logging

from langchain_core.runnables import RunnableConfig
from minio import Minio
from langgraph.prebuilt import ToolRuntime
from src.core.config import settings

logger = logging.getLogger(__name__)
minio_client = Minio(settings.MINIO_URL, access_key=settings.MINIO_ACCESS, secret_key=settings.MINIO_SECRET, secure=settings.MINIO_SECURE)

from typing import List, Optional
from langchain_core.tools import tool

logger = logging.getLogger(__name__)


@tool
async def generate_furniture(runtime: ToolRuntime, prompts: List[str] = None, num_images: Optional[int] = 12, ):
    """
    生成家具设计线稿草图（sketch / line drawing）。

    功能说明：
    - 默认生成 12 张家具设计线稿。
    - 智能处理 prompts 数量与生成数量不一致的情况：
      - 如果只有一个 prompt → 用该 prompt 生成全部 12 张（不同随机变体）。
      - 如果有多个 prompt → 自动均匀分配生成数量（尽量让每个 prompt 生成相同数量）。
    - 生成过程会一张一张进行，适合用户实时查看。

    参数说明：
    - prompts (list[str]):
      必须是列表，即使只有一个提示词也要用 ["你的提示词"] 格式。
      提供详细的英文提示词，描述越详细越好。
    - num_images (int, 可选): 要生成的图片总数量，默认 12 张，最大限制为 12 张。

    返回值：
    返回 image_urls 列表，系统会自动依次展示生成的图片。
    """
    # ====================== 参数安全处理 ======================
    if prompts is None or len(prompts) == 0:
        return "Error: prompts 参数不能为空。请至少提供一个详细的英文提示词。"

    if not isinstance(prompts, list):
        prompts = [str(prompts)]

    # 数量限制
    if num_images is None or num_images < 1:
        num_images = 1
    elif num_images > 12:
        num_images = 12

    n_prompts = len(prompts)

    logger.info(f"[generate_furniture] 开始生成 | prompts数量={n_prompts} | num_images={num_images}（默认12）")

    # ====================== 均匀分配 prompts（核心逻辑） ======================
    if n_prompts == 0:
        return "Error: prompts 列表为空"

    # 计算每个 prompt 应该生成的张数
    base_count = num_images // n_prompts
    remainder = num_images % n_prompts

    images_per_prompt = [base_count] * n_prompts
    for i in range(remainder):
        images_per_prompt[i] += 1

    # 构建实际使用的 prompt 列表
    expanded_prompts: List[str] = []
    for i, count in enumerate(images_per_prompt):
        expanded_prompts.extend([prompts[i]] * count)

    logger.info(f"[generate_furniture] 分配完成: {images_per_prompt} （每个prompt生成张数）")

    # ====================== 生成图片 ======================
    try:
        bucket_name = "fida-public-bucket"
        base_object_name = f"furniture/sketches/{uuid.uuid4()}"
        image_urls = []

        for i in range(num_images):
            prompt = expanded_prompts[i]
            object_name = f"{base_object_name}-{i:02d}.png"

            image_url = await generate_or_edit_image(
                prompt=prompt,
                bucket_name=bucket_name,
                object_name=object_name
            )
            image_urls.append(image_url)

            logger.info(f"[generate_furniture] 已生成第 {i + 1}/{num_images} 张")

        logger.info(f"[generate_furniture] 成功生成 {len(image_urls)} 张图片")
        return image_urls

    except Exception as e:
        logger.error(f"generate_furniture 执行异常: {e}", exc_info=True)
        return f"generate furniture error: {str(e)}"


@tool
async def edit_furniture(runtime: ToolRuntime, config: RunnableConfig, input_image_paths: list[str] = None, prompts: list[str] = None, ):
    """
    使用先进的图像编辑模型对家具设计草图进行精准修改。

    功能说明：
    - 支持批量处理多张家具图片，根据对应的提示词生成修改后的新图片。
    - input_image_paths 和 prompts 必须一一对应，数量完全一致。
    - 最多支持同时处理 4 对图片和提示词（即最多 4 张图片）。

    参数说明：

    - input_image_paths (list[str]):
      输入图片在 MinIO 中的存储路径列表。
      示例：["furniture/designs/sofa_concept_v1.png", "projects/room_2026/chair_v2.jpg"]
      注意：路径必须是有效的 MinIO 对象路径，工具会自动下载对应图片。

    - prompts (list[str]):
      必须是列表，即使只有一个提示词也要用 ["你的提示词"] 格式。
      与图片一一对应的详细英文提示词列表。
      每个提示词描述对对应图片的具体修改要求（风格、颜色、材质、形状、添加/删除元素等）。
      示例：["Change the sofa to a modern minimalist style with dark gray fabric and metal legs, add a matching coffee table.",
             "Convert the chair to Scandinavian Nordic style with light wood and soft beige upholstery."]

    使用要求（重要）：
    - input_image_paths 和 prompts 的长度必须完全相同。
    - 列表长度必须在 1 到 4 之间（最多 4 对）。
    - input_image_paths[0] 对应 prompts[0]，以此类推，一一对应进行编辑。

    使用场景：
    - 家具设计方案迭代
    - 室内设计多方案对比修改
    - 批量风格转换（现代/北欧/工业/奢华风等）
    - 材质、颜色、细节批量调整

    示例调用：
    input_image_paths = ["designs/sofa1.png", "designs/chair1.png"]
    prompts = [
        "Make the sofa more luxurious with velvet fabric and gold accents.",
        "Change the chair to a sleek modern design with black leather and chrome legs."
    ]
    """
    try:
        result = []
        if len(input_image_paths):
            for i in range(len(input_image_paths)):
                bucket_name = "fida-public-bucket"
                object_name = f"furniture/sketches/{uuid.uuid4()}.png"
                image_url = await generate_or_edit_image(input_path=[input_image_paths[i]], prompt=prompts[i], bucket_name=bucket_name, object_name=f"{object_name}-{i}.png")
                result.append(image_url)
        return result
    except Exception as e:
        logger.warning(f"edit_furniture error ：{e}")
        return "edit_furniture error"


@tool
async def edit_quote_upload_furniture(image_paths: list[str] = None, mode: str = "auto", prompts: list[str] = None, ):
    """
        使用先进的图像编辑模型对家具图片进行精准批量修改。

        支持四种模式：
        - one_to_one（最常用）：多张图片 + 多个提示词，一一对应编辑
        - one_to_many：多张图片 + 1个提示词（所有图片统一修改）
        - many_to_one：1张图片 + 多个提示词（同一张图生成多个不同变体，例如不同颜色）
        - many_to_many（新增）：多张图片 + 多个提示词，一一对应（多对多交叉编辑）

        参数说明：
        - image_paths (list[str]): MinIO 图片路径列表，长度建议 1~4
        - prompts (list[str]): 详细英文提示词列表
        - mode (str): "one_to_one", "one_to_many", "many_to_one", "many_to_many", "auto"（默认自动判断）

        使用要求：
        - image_paths 长度必须在 1~4 之间
        - mode="auto" 时会根据长度智能判断
        - many_to_many 模式下：image_paths 和 prompts 的长度必须完全相同

        示例：

        示例1：many_to_many（多对多，一一对应）
        image_paths = ["sofa1.png", "chair1.png", "table1.png"]
        prompts = [
            "Change to bright yellow modern style.",
            "Change to deep green luxury style.",
            "Change to soft beige Scandinavian style."
        ]
        mode = "many_to_many"

        示例2：many_to_one（同一张图多个颜色版本）
        image_paths = ["sofa_original.png"]
        prompts = ["yellow version", "green version", "blue version", "black version"]
        mode = "many_to_one"
        """
    try:
        # ====================== 参数校验（直接返回错误信息） ======================
        if not image_paths or len(image_paths) < 1 or len(image_paths) > 4:
            return f"参数错误：image_paths 必须提供，且长度需要在 1 到 4 张之间。目前收到 {len(image_paths) if image_paths else 0} 张。"

        if not prompts:
            return "参数错误：prompts 不能为空，请至少提供一个修改提示词。"

        if mode not in ["one_to_one", "one_to_many", "many_to_one", "many_to_many", "auto"]:
            return f"参数错误：mode 参数无效。可用值：one_to_one, one_to_many, many_to_one, many_to_many, auto。当前收到：{mode}"

        # Auto 模式智能判断
        if mode == "auto":
            if len(image_paths) == 1 and len(prompts) > 1:
                mode = "many_to_one"
            elif len(prompts) == 1:
                mode = "one_to_many"
            elif len(image_paths) == len(prompts):
                mode = "many_to_many"  # 新增：数量相等时优先 many_to_many
            else:
                mode = "one_to_one"

        # 各模式严格校验
        if mode == "many_to_one":
            if len(image_paths) != 1:
                return f"参数错误：many_to_one 模式只能传入 1 张图片，当前传入了 {len(image_paths)} 张。"
            if len(prompts) < 1:
                return "参数错误：many_to_one 模式下 prompts 至少需要 1 个。"

        elif mode == "one_to_many":
            if len(prompts) != 1:
                return f"参数错误：one_to_many 模式下 prompts 必须只有 1 个，当前有 {len(prompts)} 个。"

        elif mode in ["one_to_one", "many_to_many"]:
            if len(prompts) != len(image_paths):
                return (f"参数错误：{mode} 模式下 image_paths 和 prompts 数量必须完全一致。\n"
                        f"当前 image_paths 有 {len(image_paths)} 张，prompts 有 {len(prompts)} 个。")

        # ====================== 执行编辑 ======================
        result = []
        bucket_name = "fida-public-bucket"

        if mode == "many_to_one":
            # 同一张图片 + 多个 prompt
            base_image = image_paths[0]
            for i, prompt in enumerate(prompts):
                object_name = f"furniture/sketches/{uuid.uuid4()}.png"
                image_url = await generate_or_edit_image(
                    input_path=[base_image],
                    prompt=prompt,
                    bucket_name=bucket_name,
                    object_name=f"{object_name}-var{i}.png"
                )
                result.append(image_url)

        else:
            # one_to_one、many_to_many、one_to_many 统一处理
            for i in range(len(image_paths)):
                # 根据模式决定当前使用的 prompt
                if mode == "one_to_many":
                    current_prompt = prompts[0]
                else:
                    current_prompt = prompts[i]  # one_to_one 和 many_to_many 都用对应位置的 prompt

                object_name = f"furniture/sketches/{uuid.uuid4()}.png"
                image_url = await generate_or_edit_image(
                    input_path=[image_paths[i]],
                    prompt=current_prompt,
                    bucket_name=bucket_name,
                    object_name=f"{object_name}-{i}.png"
                )
                result.append(image_url)

        return result

    except Exception as e:
        logger.error(f"edit_quote_upload_furniture 执行异常: {e}", exc_info=True)
        return f"工具执行失败：{str(e)}，请检查参数后重试。"


async def generate_or_edit_image(input_path=None, bucket_name="fida-public-bucket",
                                 object_name=f"furniture/sketches/{uuid.uuid4()}.png",
                                 prompt="Generate a modern minimalist dining chair made of light "
                                        "oak wood and white leather, with slim metal legs, photographed "
                                        "in a bright Scandinavian living room with natural sunlight, high detail, "
                                        "8k resolution."):
    if input_path is None:
        input_path = []
    request_data = {
        "input_image_paths": input_path,
        "prompt": prompt,
        "bucket_name": bucket_name,
        "object_name": object_name,
        "width": 1024,
        "height": 1024
    }
    async with httpx.AsyncClient(timeout=120) as client:
        resp = await client.post(
            f"http://{settings.FLUX2_GEN_IMG_MODEL_URL}/predict",
            json=request_data,
        )
    result = resp.json()
    image_url = result.get("output_path", None)
    return image_url