## Context

当前系统使用 Stable Diffusion WebUI API 生成图片，通过 `sd_service.py` 中的 `SD_MODEL_PROFILES` 静态配置各模型的参数预设（快速/标准/精细三档）和 prompt 增强词。图片生成后经 `anti_detect_postprocess()` 做反 AI 检测后处理。`llm_service.py` 的 `get_sd_prompt_guide()` 向 LLM 提供绘图 Prompt 写作指南。

**现状痛点：**
- 各模型的"精细"档步数（35-40步）和分辨率偏低，SDXL 模型未充分利用 Hires Fix 提升细节
- `prompt_prefix` 中的中国人面孔特征词偏弱或措辞泛化（如 `asian girl` 无权重），欧美面孔偏向风险未完全规避
- `anti_detect_postprocess` 将噪声扰动与美化处理混在一起，无法独立调节美化强度
- LLM Prompt 指南缺少针对人物真实感/中国审美的专项指导词模板

**约束：**
- 不引入新的外部 Python 依赖
- Hires Fix 仅对 SDXL 模型启用（SD 1.5 显存不足）
- 现有 `txt2img` API 接口签名不做 breaking change，新参数均使用默认值向后兼容

## Goals / Non-Goals

**Goals:**
- 为各模型新增"高画质"预设档，SDXL 启用 Hires Fix 参数
- 系统性强化各模型 `prompt_prefix` 中的中国人审美特征词（精致五官、白皙透亮、杏眼、减龄感、中式气质）
- 将 `anti_detect_postprocess` 拆分为独立的 `beauty_enhance()` + `anti_detect_postprocess()` 两段，支持通过 `enhance_level` 参数控制美化强度
- 扩充 LLM Prompt 指南中的人物真实感描述规则，加入中国审美专项指导词模板
- 在 UI 绘图参数面板新增"美化强度"控件，通过 `services/content.py` 传递至后处理管线

**Non-Goals:**
- 不新增 SD 模型支持（不修改模型识别逻辑）
- 不做图片超分（Real-ESRGAN 等外部工具）
- 不修改 ReActor 换脸逻辑
- 不改变发布流程或队列逻辑

## Decisions

### 决策 1：Hires Fix 仅对 SDXL 模型启用

**选择：** 在 `txt2img` payload 中，当模型 `arch == "sdxl"` 且 `quality_mode` 为高画质档时注入 Hires Fix 参数（`enable_hr: true`, `hr_scale: 1.5`, `hr_upscaler: "4x-UltraSharp"`, `denoising_strength: 0.4`）。

**理由：** SD 1.5 模型显存通常不足以做 Hires Fix，SDXL 的 832×1216 基础分辨率放大 1.5x 可达 1248×1824，大幅提升皮肤/五官细节，代价是生成时间增加约 50%。

**替代方案：** 后处理做 PIL 超分 → 效果差、无 AI 重绘细节；全模型启用 → 触发 SD 1.5 OOM 风险。

---

### 决策 2：beauty_enhance 作为独立函数，enhance_level 控制强度

**选择：** 将原 `anti_detect_postprocess` 中的美化逻辑（锐化、色彩增强）抽取为 `beauty_enhance(img, level: float = 1.0) -> Image`，`level=0` 跳过，`level=1` 为默认，`level=2` 为强化。`anti_detect_postprocess` 保持仅做扰动逻辑，调用顺序：`beauty_enhance → anti_detect_postprocess`。

**理由：** 当前两者混在同一函数中，美化参数硬编码无法从 UI 调节；分离后可独立测试，且 UI 控件可直接映射到 `enhance_level`。

**替代方案：** 在 `anti_detect_postprocess` 中增加 flag 参数 → 函数职责混乱，不符合单一职责原则。

---

### 决策 3：中国审美词以"权重词组"方式注入 prompt_prefix

**选择：** 在各模型 `prompt_prefix` 中为中国人面孔特征词加入权重括号，如 `(almond eyes:1.2)`, `(delicate nose:1.1)`, `(porcelain skin:1.2)`, `(youthful appearance:1.1)`, `(chinese beauty:1.2)`，同时在 `negative_prompt` 中补充 `deep-set eyes, strong jawline, prominent brow ridge` 等欧美特征排除词。

**理由：** SD 权重词是最直接有效的方式；不引入新依赖；各模型独立配置可针对其风格微调权重值。

---

### 决策 4：LLM Prompt 指南新增中国审美人物描述模板

**选择：** 在 `get_sd_prompt_guide()` 中新增"人物描述词库"段落，按五官/肤色/气质/发型四个维度分别给出推荐词，并加一条规则：描述人物时优先从该词库选词，禁用 `beautiful girl` 等无导向泛化词。

**理由：** LLM 倾向于使用泛化美感词，不加约束时易生成欧美审美偏向的描述，规则化词库可强制对齐目标审美。

## Risks / Trade-offs

- **[风险] Hires Fix 生成时间大幅增加** → 缓解：仅在新增"极致 (约5分钟)"档才默认开启，其他档保持原速；UI 标注预计用时
- **[风险] 中国审美词过强导致所有图片千人一面** → 缓解：权重控制在 1.1-1.2 之间，不超过 1.3；`PERSONA_SD_PROFILES` 各人设保留差异化风格词
- **[风险] beauty_enhance 引入 numpy 依赖（实际已存在）** → 无风险，现有代码已 `import numpy`
- **[Trade-off] enhance_level UI 控件增加 UI 复杂度** → 接受：放在"高级设置"面板折叠区，不影响主流程

## Migration Plan

1. 修改 `sd_service.py`：更新各模型 `prompt_prefix`/`negative_prompt`，新增高画质预设，拆分 `beauty_enhance`
2. 修改 `llm_service.py`：更新 `get_sd_prompt_guide()` 指南内容
3. 修改 `services/content.py`：`generate_images` 新增 `enhance_level` 参数（默认 `1.0`，向后兼容）
4. 修改 `ui/tab_create.py`：在"高级设置"中新增"美化强度"滑块，范围 0.0-2.0，默认 1.0

无数据库迁移，无配置文件格式变更。回滚：git revert 即可。

## Open Questions

- Hires Fix 的 `hr_upscaler` 在用户环境中是否普遍可用（需确认 "4x-UltraSharp" 模型是否已下载）；若不存在应降级为 "Latent" 作为 fallback
- `beauty_enhance` 的最优参数值（锐化半径、色彩增益系数）需在实际出图中调试确认