✨ feat(llm): 增强文案反 AI 检测能力并优化图片后处理

- 在系统提示词中新增【反AI检测规则】章节，包含句子长度、逻辑跳跃、标点符号等8项防检测措施
- 为所有SD模型提示词指南添加通用反AI检测技巧，强调真实手机拍摄风格
- 深度重构 `_humanize_content` 方法，新增8层真人化处理：替换书面表达、打散句子长度、随机添加口语元素、模拟手机打字标点习惯
- 增强 `_humanize` 方法，去除更多AI前缀，随机化标点，限制表情符号堆叠
- 在 `sd_service.py` 新增 `anti_detect_postprocess` 图片后处理管线，包含元数据剥离、随机裁剪、色彩微扰、不均匀噪声、JPEG压缩回环等7步处理
- 所有图片生成后自动经过反检测处理，输出格式统一为JPEG以模拟真实手机照片
- 更新 `main.py` 中的图片保存逻辑，统一使用JPEG格式并确保RGB模式转换

llm_service.py

@@ -5,6 +5,7 @@ LLM 服务模块
 import requests
 import json
 import re
+import random
 import logging
 
 logger = logging.getLogger(__name__)
@@ -44,6 +45,17 @@ PROMPT_COPYWRITING = """
    ❌ "小伙伴们" "宝子们" 等过度热情的称呼（偶尔一次可以）
 8. 结尾加 5-8 个相关话题标签(#)
 
+【!!极其重要 — 反AI检测规则!!】：
+你的文案会被AI检测工具审查，必须通过以下防检测措施：
+1. 句子长度必须参差不齐：有的句子就3-5个字，有的20多字，绝对不能每句都差不多长
+2. 不要所有段落逻辑都很通顺——真人写东西会突然跑题、突然想起另一件事
+3. 偶尔犯一点小"不规范"：比如某句话没写完就换话题了、用了个不太准确的词
+4. 标点符号不要太规范：真人用手机打字经常漏掉逗号、句号不加，偶尔连续用两个问号??
+5. 用词不要太"正确"：真人会说"巨好用" "绝绝子" "无敌了" 而不是"非常好用" "十分出色"
+6. 避免完美的逻辑链条：不要每段都工工整整地推进论点，真人笔记是跳跃式的
+7. 偶尔口语化到"学渣"程度："就 很那个 你懂的" "属于是" "多少有点" "怎么说呢"
+8. 绝对不要用"然而" "此外" "因此" "尽管" "虽然...但是..."这些书面连接词
+
 【绘图 Prompt】：
 {sd_prompt_guide}
 
@@ -278,7 +290,7 @@ class LLMService:
 
     @staticmethod
     def get_sd_prompt_guide(sd_model_name: str = None) -> str:
-        """根据当前 SD 模型生成 LLM 使用的绘图 Prompt 指南"""
+        """根据当前 SD 模型生成 LLM 使用的绘图 Prompt 指南（含反 AI 检测指导）"""
         from sd_service import SD_MODEL_PROFILES, detect_model_profile
 
         key = detect_model_profile(sd_model_name) if sd_model_name else "juggernautXL"
@@ -287,6 +299,16 @@ class LLMService:
         display = profile.get("display_name", key)
         desc = profile.get("description", "")
 
+        # 通用反 AI 检测 prompt 技巧
+        anti_detect_tips = (
+            "\n\n【重要 - 反AI检测】生成的图片需要尽量像真实手机拍摄：\n"
+            "- 在 prompt 中加入真实感关键词：shot on iPhone, casual snapshot, real life, candid photo\n"
+            "- 加入微小不完美：slight motion blur, natural background, everyday environment\n"
+            "- 避免过度完美的构图词：不要用 perfect composition, symmetrical, flawless 等\n"
+            "- 光线自然化：用 natural daylight, indoor ambient light, window light 而非 studio lighting\n"
+            "- 模拟手机拍照特征：phone camera, slightly overexposed, casual angle, not centered\n"
+        )
+
         if key == "majicmixRealistic":
             return (
                 f"生成 Stable Diffusion 英文提示词，当前使用模型: {display} ({desc})\n"
@@ -298,6 +320,7 @@ class LLMService:
                 "- 非常适合：自拍、穿搭展示、美妆效果、生活日常、闺蜜合照风格\n"
                 "- 画面要有「朋友圈精选照片」的感觉，自然不做作\n"
                 "- 用英文逗号分隔"
+                + anti_detect_tips
             )
         elif key == "realisticVision":
             return (
@@ -311,6 +334,7 @@ class LLMService:
                 "- 非常适合：街拍、纪实风、旅行照、真实场景、有故事感的画面\n"
                 "- 画面要有「专业摄影师抓拍」的质感，保留真实皮肤纹理\n"
                 "- 用英文逗号分隔"
+                + anti_detect_tips
             )
         else:  # juggernautXL (SDXL)
             return (
@@ -324,6 +348,7 @@ class LLMService:
                 "- 非常适合：商业摄影、时尚大片、复杂光影场景、杂志封面风格\n"
                 "- 画面要有「电影画面/杂志大片」的高级感\n"
                 "- 用英文逗号分隔"
+                + anti_detect_tips
             )
 
     def _chat(self, system_prompt: str, user_message: str,
@@ -603,9 +628,10 @@ class LLMService:
 
     @staticmethod
     def _humanize_content(text: str) -> str:
-        """后处理: 去除长文案中的 AI 书面痕迹"""
+        """后处理: 深度去除 AI 书面痕迹，模拟真人手机打字风格"""
         t = text
-        # 替换过于书面化的表达
+
+        # ========== 第一层: 替换过于书面化/AI化的表达 ==========
         ai_phrases = {
             "值得一提的是": "对了",
             "需要注意的是": "不过要注意",
@@ -623,37 +649,171 @@ class LLMService:
             "接下来让我们": "",
             "话不多说": "",
             "废话不多说": "",
-            "小伙伴们": "姐妹们",
+            "下面我来": "",
+            "让我来": "",
+            "首先我要说": "先说",
+            "我认为": "我觉得",
+            "我相信": "我觉得",
+            "事实上": "其实",
+            "实际上": "其实",
+            "毫无疑问": "",
+            "不可否认": "",
+            "客观来说": "",
+            "坦白说": "",
+            "具体而言": "就是",
+            "简而言之": "就是说",
+            "换句话说": "就是",
+            "归根结底": "说白了",
+            "由此可见": "",
+            "正如我所说": "",
+            "正如前文所述": "",
+            "在我看来": "我觉得",
+            "从某种程度上说": "",
+            "在一定程度上": "",
+            "非常值得推荐": "真的可以试试",
+            "强烈推荐": "真心推荐",
+            "性价比极高": "性价比很高",
+            "给大家安利": "安利",
+            "为大家推荐": "推荐",
+            "希望对大家有所帮助": "",
+            "希望能帮到大家": "",
+            "以上就是": "",
+            "感谢阅读": "",
+            "感谢大家的阅读": "",
         }
         for old, new in ai_phrases.items():
             t = t.replace(old, new)
-        # 去掉 "首先" "其次" "最后" 的分点罗列感
+
+        # ========== 第二层: 去掉分点罗列感 ==========
         t = re.sub(r'(?m)^首先[，,：:\s]*', '', t)
         t = re.sub(r'(?m)^其次[，,：:\s]*', '', t)
         t = re.sub(r'(?m)^最后[，,：:\s]*', '', t)
         t = re.sub(r'(?m)^再者[，,：:\s]*', '', t)
-        # 去掉AI常见的空洞开头
+        t = re.sub(r'(?m)^另外[，,：:\s]*', '', t)
-        for prefix in ["嗨大家好！", "嗨，大家好！", "大家好，", "大家好！", "哈喽大家好！"]:
+        # 去序号: "1. " "2、" "①" 等
+        t = re.sub(r'(?m)^[①②③④⑤⑥⑦⑧⑨⑩]\s*', '', t)
+        t = re.sub(r'(?m)^[1-9][.、）)]\s*', '', t)
+
+        # ========== 第三层: 去掉AI常见的空洞开头 ==========
+        for prefix in ["嗨大家好！", "嗨，大家好！", "大家好，", "大家好！",
+                        "哈喽大家好！", "Hello大家好！", "嗨~", "hey~",
+                        "各位姐妹大家好！", "各位宝子们好！"]:
             if t.startswith(prefix):
                 t = t[len(prefix):].strip()
+
+        # ========== 第四层: 标点符号真人化 ==========
+        # AI 特征: 每句话都有完整标点 → 真人经常不加标点或只用逗号
+        sentences = t.split('\n')
+        humanized_lines = []
+        for line in sentences:
+            if not line.strip():
+                humanized_lines.append(line)
+                continue
+            # 随机去掉句末句号 (真人经常不打句号)
+            if line.rstrip().endswith('。') and random.random() < 0.35:
+                line = line.rstrip()[:-1]
+            # 随机把部分逗号替换成空格或什么都不加 (模拟打字不加标点)
+            if random.random() < 0.15:
+                # 只替换一个逗号
+                comma_positions = [m.start() for m in re.finditer(r'[，,]', line)]
+                if comma_positions:
+                    pos = random.choice(comma_positions)
+                    line = line[:pos] + ' ' + line[pos+1:]
+            humanized_lines.append(line)
+        t = '\n'.join(humanized_lines)
+
+        # ========== 第五层: 随机添加真人口语化元素 ==========
+        # 在段落开头随机插入口语衔接词
+        oral_connectors = [
+            "对了 ", "哦对 ", "话说 ", "然后 ", "就是说 ", "emmm ", "嗯 ",
+            "说真的 ", "不是 ", "离谱的是 ", "我发现 ",
+        ]
+        paragraphs = t.split('\n\n')
+        if len(paragraphs) > 2:
+            # 在中间段落随机加1-2个口语衔接词
+            inject_count = random.randint(1, min(2, len(paragraphs) - 2))
+            inject_indices = random.sample(range(1, len(paragraphs)), inject_count)
+            for idx in inject_indices:
+                if paragraphs[idx].strip() and not any(paragraphs[idx].strip().startswith(c.strip()) for c in oral_connectors):
+                    connector = random.choice(oral_connectors)
+                    paragraphs[idx] = connector + paragraphs[idx].lstrip()
+            t = '\n\n'.join(paragraphs)
+
+        # ========== 第六层: 句子长度打散 ==========
+        # AI 特征: 句子长度高度均匀 → 真人笔记长短参差不齐
+        # 随机把一些长句用换行打散
+        lines = t.split('\n')
+        final_lines = []
+        for line in lines:
+            # 超过60字的行, 随机在一个位置断句
+            if len(line) > 60 and random.random() < 0.3:
+                # 找到中间附近的标点位置断句
+                mid = len(line) // 2
+                best_pos = -1
+                for offset in range(0, mid):
+                    for check_pos in [mid + offset, mid - offset]:
+                        if 0 < check_pos < len(line) and line[check_pos] in '，。！？、,':
+                            best_pos = check_pos
+                            break
+                    if best_pos > 0:
+                        break
+                if best_pos > 0:
+                    final_lines.append(line[:best_pos + 1])
+                    final_lines.append(line[best_pos + 1:].lstrip())
+                    continue
+            final_lines.append(line)
+        t = '\n'.join(final_lines)
+
+        # ========== 第七层: 随机注入微小不完美 ==========
+        # 真人打字偶尔有重复字、多余空格等
+        if random.random() < 0.2:
+            # 随机在某处加一个波浪号或省略号
+            insert_chars = ['~', '...', '～', '..']
+            lines = t.split('\n')
+            if lines:
+                target = random.randint(0, len(lines) - 1)
+                if lines[target].rstrip() and not lines[target].rstrip()[-1] in '~～.。！？!?':
+                    lines[target] = lines[target].rstrip() + random.choice(insert_chars)
+                t = '\n'.join(lines)
+
+        # ========== 第八层: 清理 ==========
+        # 去掉连续3个以上的 emoji
+        t = re.sub(r'([\U0001F600-\U0001F9FF\u2600-\u27BF])\1{2,}', r'\1\1', t)
         # 清理多余空行
         t = re.sub(r'\n{3,}', '\n\n', t)
+        # 清理行首多余空格 (手机打字不会缩进)
+        t = re.sub(r'(?m)^[ \t]+', '', t)
+
         return t.strip()
 
     @staticmethod
     def _humanize(text: str) -> str:
-        """后处理: 去除 AI 输出中常见的非人类痕迹"""
+        """后处理: 深度去除 AI 评论/回复中的非人类痕迹"""
         t = text.strip()
         # 去掉前后引号包裹
         if (t.startswith('"') and t.endswith('"')) or (t.startswith("'") and t.endswith("'")):
             t = t[1:-1].strip()
         # 去掉 AI 常见的前缀
-        for prefix in ["回复：", "回复:", "评论：", "评论:", "以下是", "好的，"]:
+        for prefix in ["回复：", "回复:", "评论：", "评论:", "以下是", "好的，",
+                        "当然，", "当然！", "谢谢你的", "感谢你的", "好的！",
+                        "嗯，"]:
             if t.startswith(prefix):
                 t = t[len(prefix):].strip()
         # 去掉末尾多余的句号（真人评论很少用句号结尾）
         if t.endswith("。"):
             t = t[:-1]
+        # 去掉末尾的"哦" "呢" 堆叠 (AI 常见)
+        t = re.sub(r'[哦呢呀哈]{2,}$', lambda m: m.group()[0], t)
+        # 替换过于完整规范的标点为口语化
+        if random.random() < 0.25 and '，' in t:
+            # 随机去掉一个逗号
+            comma_pos = [m.start() for m in re.finditer('，', t)]
+            if comma_pos:
+                pos = random.choice(comma_pos)
+                t = t[:pos] + ' ' + t[pos+1:]
+        # 随机去掉末尾感叹号（真人不是每句都加！）
+        if t.endswith('！') and random.random() < 0.3:
+            t = t[:-1]
         # 限制连续 emoji（最多2个）
         t = re.sub(r'([\U0001F600-\U0001F9FF\u2600-\u27BF])\1{2,}', r'\1\1', t)
         return t

main.py

@@ -386,9 +386,11 @@ def one_click_export(title, content, images):
     saved_paths = []
     if images:
         for idx, img in enumerate(images):
-            path = os.path.join(folder_path, f"图{idx+1}.png")
+            path = os.path.join(folder_path, f"图{idx+1}.jpg")
             if isinstance(img, Image.Image):
-                img.save(path)
+                if img.mode != "RGB":
+                    img = img.convert("RGB")
+                img.save(path, format="JPEG", quality=95)
             saved_paths.append(os.path.abspath(path))
 
     # 尝试打开文件夹
@@ -422,8 +424,10 @@ def publish_to_xhs(title, content, tags_str, images, local_images, mcp_url, sche
         os.makedirs(temp_dir, exist_ok=True)
         for idx, img in enumerate(images):
             if isinstance(img, Image.Image):
-                path = os.path.abspath(os.path.join(temp_dir, f"ai_{idx}.png"))
+                path = os.path.abspath(os.path.join(temp_dir, f"ai_{idx}.jpg"))
-                img.save(path)
+                if img.mode != "RGB":
+                    img = img.convert("RGB")
+                img.save(path, format="JPEG", quality=95)
                 image_paths.append(path)
 
     # 添加本地上传的图片
@@ -2082,8 +2086,10 @@ def auto_publish_once(topics_str, mcp_url, sd_url_val, sd_model_name, model, per
         image_paths = []
         for idx, img in enumerate(images):
             if isinstance(img, Image.Image):
-                path = os.path.abspath(os.path.join(backup_dir, f"图{idx+1}.png"))
+                path = os.path.abspath(os.path.join(backup_dir, f"图{idx+1}.jpg"))
-                img.save(path)
+                if img.mode != "RGB":
+                    img = img.convert("RGB")
+                img.save(path, format="JPEG", quality=95)
                 image_paths.append(path)
 
         if not image_paths:

sd_service.py

@@ -1,13 +1,18 @@
 """
 Stable Diffusion 服务模块
 封装对 SD WebUI API 的调用，支持 txt2img 和 img2img，支持 ReActor 换脸
+含图片反 AI 检测后处理管线
 """
 import requests
 import base64
 import io
 import logging
 import os
-from PIL import Image
+import random
+import math
+import struct
+import zlib
+from PIL import Image, ImageFilter, ImageEnhance
 
 logger = logging.getLogger(__name__)
 
@@ -262,6 +267,109 @@ def get_sd_preset(name: str, model_name: str = None) -> dict:
 DEFAULT_NEGATIVE = SD_MODEL_PROFILES[DEFAULT_MODEL_PROFILE]["negative_prompt"]
 
 
+# ==================== 图片反 AI 检测管线 ====================
+
+def anti_detect_postprocess(img: Image.Image) -> Image.Image:
+    """对 AI 生成的图片进行后处理，模拟手机拍摄/加工特征，降低 AI 检测率
+
+    处理流程:
+    1. 剥离所有元数据 (EXIF/SD参数/PNG chunks)
+    2. 微小随机裁剪 (模拟手机截图不完美)
+    3. 微小旋转+校正 (破坏像素完美对齐)
+    4. 色彩微扰 (模拟手机屏幕色差)
+    5. 不均匀高斯噪声 (模拟传感器噪声)
+    6. 微小锐化 (模拟手机锐化算法)
+    7. JPEG 压缩回环 (最关键: 引入真实压缩伪影)
+    """
+    if img.mode != "RGB":
+        img = img.convert("RGB")
+
+    w, h = img.size
+
+    # Step 1: 微小随机裁剪 (1-3 像素, 破坏边界对齐)
+    crop_l = random.randint(0, 3)
+    crop_t = random.randint(0, 3)
+    crop_r = random.randint(0, 3)
+    crop_b = random.randint(0, 3)
+    if crop_l + crop_r < w and crop_t + crop_b < h:
+        img = img.crop((crop_l, crop_t, w - crop_r, h - crop_b))
+
+    # Step 2: 极微旋转 (0.1°-0.5°, 破坏完美像素排列)
+    if random.random() < 0.6:
+        angle = random.uniform(-0.5, 0.5)
+        img = img.rotate(angle, resample=Image.BICUBIC, expand=False,
+                         fillcolor=(
+                             random.randint(240, 255),
+                             random.randint(240, 255),
+                             random.randint(240, 255),
+                         ))
+
+    # Step 3: 色彩微扰 (模拟手机屏幕/相机色差)
+    # 亮度微调
+    brightness_factor = random.uniform(0.97, 1.03)
+    img = ImageEnhance.Brightness(img).enhance(brightness_factor)
+    # 对比度微调
+    contrast_factor = random.uniform(0.97, 1.03)
+    img = ImageEnhance.Contrast(img).enhance(contrast_factor)
+    # 饱和度微调
+    saturation_factor = random.uniform(0.96, 1.04)
+    img = ImageEnhance.Color(img).enhance(saturation_factor)
+
+    # Step 4: 不均匀传感器噪声 (比均匀噪声更像真实相机)
+    try:
+        import numpy as np
+        arr = np.array(img, dtype=np.float32)
+        # 生成不均匀噪声: 中心弱边缘强 (模拟暗角)
+        h_arr, w_arr = arr.shape[:2]
+        y_grid, x_grid = np.mgrid[0:h_arr, 0:w_arr]
+        center_y, center_x = h_arr / 2, w_arr / 2
+        dist = np.sqrt((y_grid - center_y) ** 2 + (x_grid - center_x) ** 2)
+        max_dist = np.sqrt(center_y ** 2 + center_x ** 2)
+        # 噪声强度: 中心 1.0, 边缘 2.5
+        noise_strength = 1.0 + 1.5 * (dist / max_dist)
+        noise_strength = noise_strength[:, :, np.newaxis]
+        # 高斯噪声
+        noise = np.random.normal(0, random.uniform(1.5, 3.0), arr.shape) * noise_strength
+        arr = np.clip(arr + noise, 0, 255).astype(np.uint8)
+        img = Image.fromarray(arr)
+    except ImportError:
+        # numpy 不可用时用 PIL 的简单模糊代替
+        pass
+
+    # Step 5: 轻微锐化 (模拟手机后处理)
+    if random.random() < 0.5:
+        img = img.filter(ImageFilter.SHARPEN)
+        # 再做一次轻微模糊中和, 避免过度锐化
+        img = img.filter(ImageFilter.GaussianBlur(radius=0.3))
+
+    # Step 6: JPEG 压缩回环 (最关键! 引入真实压缩伪影)
+    # 模拟: 手机保存 → 社交平台压缩 → 重新上传
+    quality = random.randint(85, 93)  # 质量略低于完美, 像手机存储
+    buf = io.BytesIO()
+    img.save(buf, format="JPEG", quality=quality, subsampling=0)
+    buf.seek(0)
+    img = Image.open(buf).copy()  # 重新加载, 已包含 JPEG 伪影
+
+    # Step 7: resize 回原始尺寸附近 (模拟平台缩放)
+    # 微小缩放 ±2%
+    scale = random.uniform(0.98, 1.02)
+    new_w = int(img.width * scale)
+    new_h = int(img.height * scale)
+    if new_w > 100 and new_h > 100:
+        img = img.resize((new_w, new_h), Image.LANCZOS)
+
+    logger.info("🛡️ 图片反检测后处理完成: crop=%dx%d→%dx%d, jpeg_q=%d, scale=%.2f",
+                w, h, img.width, img.height, quality, scale)
+    return img
+
+
+def strip_metadata(img: Image.Image) -> Image.Image:
+    """彻底剥离图片所有元数据 (EXIF, SD参数, PNG text chunks)"""
+    clean = Image.new(img.mode, img.size)
+    clean.putdata(list(img.getdata()))
+    return clean
+
+
 class SDService:
     """Stable Diffusion WebUI API 封装"""
 
@@ -463,6 +571,8 @@ class SDService:
         images = []
         for img_b64 in resp.json().get("images", []):
             img = Image.open(io.BytesIO(base64.b64decode(img_b64)))
+            # 反 AI 检测后处理: 剥离元数据 + 模拟手机拍摄特征
+            img = anti_detect_postprocess(img)
             images.append(img)
         return images
 
@@ -513,6 +623,8 @@ class SDService:
         images = []
         for img_b64 in resp.json().get("images", []):
             img = Image.open(io.BytesIO(base64.b64decode(img_b64)))
+            # 反 AI 检测后处理
+            img = anti_detect_postprocess(img)
             images.append(img)
         return images