feat(viral-video): VLM提速(lite+并行) + 商品描述增强(6维度+summary) + 爆款结构19选注入 (#2133)

Co-authored-by: xiaoxia <dev@xiaoxiajianji.com>
Co-committed-by: xiaoxia <dev@xiaoxiajianji.com>

.env.example

@@ -215,6 +215,10 @@ DOUBAO_MODEL=doubao-seed-1-6-250615
 DOUBAO_BASE_URL=https://ark.cn-beijing.volces.com/api/v3
 DOUBAO_TIMEOUT=30
 DOUBAO_MAX_RETRIES=2
+# 视觉模型：pro 精度高，lite 速度快（viral-video 商品识别默认用 lite 提速）
+DOUBAO_VISION_MODEL=doubao-1-5-vision-pro-250915
+DOUBAO_VISION_LITE_MODEL=doubao-1-5-vision-lite-250915
+DOUBAO_VISION_USE_LITE=true
 
 # ==================== 积分/会员系统 (#1895) ====================
 # 积分系统总开关：默认 false（暂停积分系统）。

apps/worker/worker_app/tasks/viral_video.py

@@ -23,6 +23,7 @@ import json
 import logging
 import os
 import tempfile
+from concurrent.futures import ThreadPoolExecutor, as_completed
 from pathlib import Path
 
 from celery import Task, shared_task
@@ -40,6 +41,7 @@ from packages.domain.viral_video import (
     ViralVideoStage,
     ViralVideoStatus,
 )
+from packages.shared import get_shared_settings
 
 logger = logging.getLogger(__name__)
 
@@ -136,29 +138,41 @@ def _empty_copy_result(duration: int = 15, ratio: str = "9:16") -> dict:
 # ── 流水线各步骤 ────────────────────────────────────────────────────────
 
 
-_IMAGE_ANALYSIS_PROMPT = """请仔细观察这张图片，只基于图片中真实可见的内容进行分析，不要凭空想象。
+_IMAGE_ANALYSIS_SYSTEM_PROMPT = """你是资深电商商品视觉分析师，擅长从商品图片中提取结构化商品信息。严格遵守以下规则：
 
-必须输出严格的 JSON（不要 Markdown 代码块，不要额外解释），字段如下：
+1. 只基于图片中真实可见的内容进行分析，严禁编造图片中不存在的品牌、文字、规格、卖点或功效。
+2. 看不清、包装上没有、无法判断的字段统一填「无法判断」。
+3. 包装上的文字只 OCR 你能清晰看到的，模糊的不要瞎猜。
+4. 输出必须是严格 JSON（不要 Markdown 代码块，不要额外解释文字）。
+
+字段说明：
 {
-  "category": "产品大类，如护肤品/彩妆/食品/数码/服饰/家居等，若无法识别填『无法判断』",
-  "name": "产品名称（从包装/品牌/logo/文字推断；没有品牌时描述外观如『粉色包装面霜』）",
-  "brand": "品牌名（看 logo/包装文字；看不清填『未知』）",
-  "colors": ["主体颜色"],
-  "material_or_texture": "材质/质地描述（如玻璃瓶装/塑料软管/哑光质感/金属外壳等；无法判断填『无法判断』）",
+  "name": "商品全名（从包装 OCR 读出品牌+产品名+规格/容量/型号，如『李字无烟檀香型蚊香 30单盘装』）",
+  "brand": "品牌名（从 Logo/包装文字读出，如『李字』『奥妙(OMO)』；看不清填『无法判断』）",
+  "category": "商品品类（如『家用清洁/洗衣液』『日化驱蚊/盘式蚊香』『护肤/面霜』；非产品图填『非产品图』）",
+  "spec": "规格/型号/容量/净含量（从包装文字 OCR 读出，如『30单盘装』『3kg』『500ml』；无法判断填『无法判断』）",
+  "appearance": "外观与视觉特征（80-150字自然语言描述整体形状、颜色搭配、材质质感、尺寸感知，让没看到图的人能想象长什么样）",
+  "packaging": "包装设计细节（80-150字自然语言描述标签颜色分区、图案元素、图形标识、封口/塑封状态、瓶盖/泵头/罐型等）",
+  "text_on_package": ["包装上能清晰 OCR 读出的文字逐条列出，按主次：品牌名、产品名、卖点文案、功效描述、规格参数等，看不清的不列"],
+  "colors": ["主体颜色 2-4 个"],
+  "material_or_texture": "材质/质地（如玻璃瓶装/塑料软管/哑光质感/金属外壳/纸塑复合袋等；无法判断填『无法判断』）",
   "key_features": [
-    "3-5 条**图片中确实能看到**的外观特征/卖点描述（如『按压式泵头』『瓶身有金色装饰线』等），不要编图片里没有的功效"
+    "3-6 条图片中确实能看到的外观特征/视觉卖点（如『按压式泵头设计』『瓶身有金色装饰线条』『罐身带塑封痕迹』等），不要写功效词（除非包装上明确印了）"
   ],
-  "visual_style": "视觉风格（如简约高端/粉嫩少女/国潮/科技感/生活方式实拍等）",
-  "scene": "图片中的使用/展示场景（如白底棚拍/浴室场景/户外街拍/桌面静物等；纯白底填『白底产品图』）",
-  "target_audience_hint": "从视觉推断的目标人群（如年轻女性/男性商务/亲子家庭等；不确定填『通用』）",
-  "text_on_image": "图片上出现的可读文字（品牌名/Slogan/产品名等，没有则填『无』）"
-}
+  "visual_style": "整体视觉风格（如简约高端/粉嫩少女/国潮/科技感/家庭温馨/生活方式实拍等）",
+  "scene": "图片展示场景（如白底棚拍/浴室场景/户外街拍/桌面静物/手持实拍等；纯白底填『白底产品图』）",
+  "suitable_scenes": ["基于商品类型推断的 2-4 个适用/使用场景，如『家庭日常清洁』『卧室夜间驱蚊』"],
+  "target_audience": "从商品定位/包装风格推断的目标人群（如『家庭主妇/宝妈』『年轻租房群体』『男性商务人士』；不确定填『无法判断』）",
+  "selling_points": ["3-6 条可用于短视频营销的卖点（结合视觉+包装文字推断，尽量贴近电商话术）"],
+  "summary": "识别描述汇总：把上述各维度整合成一段 150-250 字的流畅中文自然段落，像电商详情页的商品介绍，口语化、有画面感，前端会直接展示这段文字"
+}"""
 
-严格要求：
-1. 任何字段无法确认时填『无法判断』或『未知』，不要猜。
-2. key_features 只能描述图片里肉眼可见的物理外观，不要写『补水保湿』『抗衰老』这类功效词（除非包装上明确印了）。
-3. 如果图片完全不是产品图（比如风景/人像/截图），category 填『非产品图』，name 填实际看到的内容。
-"""
+_IMAGE_ANALYSIS_USER_PROMPT = """请分析这张商品图片，按约定 JSON 字段完整输出。重点：
+1. name/brand/spec/text_on_package 必须从图片包装上 OCR 读取，不要凭空编造；
+2. appearance/packaging 两个字段要具体细致，80-150 字自然语言；
+3. summary 字段务必连贯成一段 150-250 字的中文导购描述，方便前端直接展示；
+4. 非产品图时 category 填『非产品图』，name 填实际看到的内容，其余字段按需填『无法判断』；
+5. 所有无法判断的字段统一填「无法判断」。"""
 
 
 def _vision_fallback(idx: int, reason: str, extra: dict | None = None) -> dict:
@@ -174,10 +188,63 @@ def _vision_fallback(idx: int, reason: str, extra: dict | None = None) -> dict:
     return d
 
 
-def _step_image_analysis(job: ViralVideoJob) -> dict:
-    """步骤 1: 图片 VLM 分析 — 识别产品特征、场景、卖点（加 None 防护）。"""
+def _analyze_single_image(
+    idx: int,
+    img_url: str,
+    vision_model: str,
+    timeout: int,
+) -> dict:
+    """单张图片 VLM 分析（线程池并行调用）。失败/None 返回 fallback dict。"""
+    from packages.shared.ai_service import call_vision
+
+    if not img_url or not isinstance(img_url, str):
+        return _vision_fallback(idx, "invalid_url")
     try:
-        from packages.shared.ai_service import call_vision
+        result = call_vision(
+            image_url=img_url,
+            prompt=_IMAGE_ANALYSIS_USER_PROMPT,
+            model=vision_model,
+            max_tokens=1024,
+            temperature=0.2,
+            timeout=timeout,
+            system_prompt=_IMAGE_ANALYSIS_SYSTEM_PROMPT,
+        )
+        if result is None:
+            logger.warning("[爆款视频] 图片 #%d call_vision 返回 None", idx)
+            return _vision_fallback(idx, "vision_none")
+        if isinstance(result, str):
+            logger.warning("[爆款视频] 图片 #%d VLM 返回非 JSON: %s", idx, result[:200])
+            return _vision_fallback(idx, "vision_text", {"_raw": result[:500]})
+        if isinstance(result, dict):
+            result.setdefault("_source", "vision")
+            result.setdefault("name", "未识别")
+            result.setdefault("brand", "无法判断")
+            result.setdefault("category", "无法判断")
+            result.setdefault("spec", "无法判断")
+            result.setdefault("appearance", "无法判断")
+            result.setdefault("packaging", "无法判断")
+            result.setdefault("text_on_package", [])
+            result.setdefault("colors", [])
+            result.setdefault("material_or_texture", "无法判断")
+            result.setdefault("key_features", [])
+            result.setdefault("visual_style", "通用")
+            result.setdefault("scene", "白底产品图")
+            result.setdefault("suitable_scenes", [])
+            result.setdefault("target_audience", "无法判断")
+            result.setdefault("selling_points", [])
+            result.setdefault("summary", "")
+            return result
+        logger.warning("[爆款视频] 图片 #%d VLM 返回意外类型 %s", idx, type(result))
+        return _vision_fallback(idx, "vision_unexpected_type")
+    except Exception as e:
+        logger.warning("[爆款视频] 图片 #%d 分析失败 err=%s", idx, e, exc_info=True)
+        return _vision_fallback(idx, "vision_exception", {"_error": str(e)[:200]})
+
+
+def _step_image_analysis(job: ViralVideoJob) -> dict:
+    """步骤 1: 图片 VLM 分析 — 识别产品特征（v1.6 优化：并行 + lite 模型提速）。"""
+    try:
+        from packages.shared.ai_service import call_vision  # noqa: F401
     except ImportError:
         logger.warning("[爆款视频] ai_service.call_vision 不可用，使用占位结果")
         return {"products": [_vision_fallback(0, "fallback_import_error")]}
@@ -186,36 +253,36 @@ def _step_image_analysis(job: ViralVideoJob) -> dict:
         logger.warning("[爆款视频] 任务无 images，跳过图片分析")
         return {"products": []}
 
-    results = []
-    for idx, img_url in enumerate(job.images):
-        if not img_url or not isinstance(img_url, str):
-            logger.warning("[爆款视频] 图片 #%d URL 非法", idx)
-            results.append(_vision_fallback(idx, "invalid_url"))
-            continue
-        logger.info("[爆款视频] 图片分析 #%d img=%s", idx, img_url[:160])
-        try:
-            result = call_vision(image_url=img_url, prompt=_IMAGE_ANALYSIS_PROMPT)
-            if result is None:
-                logger.warning("[爆款视频] 图片 #%d call_vision 返回 None", idx)
-                results.append(_vision_fallback(idx, "vision_none"))
-            elif isinstance(result, str):
-                # VLM 返回了非 JSON 文本（JSON 解析失败），记录原始文本但不要让 None 传播
-                logger.warning("[爆款视频] 图片 #%d VLM 返回非 JSON 文本: %s", idx, result[:200])
-                results.append(_vision_fallback(idx, "vision_text", {"_raw": result[:500]}))
-            elif isinstance(result, dict):
-                result.setdefault("_source", "vision")
-                # 防御：关键字段缺失则补默认
-                result.setdefault("name", "未识别")
-                result.setdefault("category", "无法判断")
-                result.setdefault("key_features", [])
-                result.setdefault("scene", "通用")
-                results.append(result)
-            else:
-                logger.warning("[爆款视频] 图片 #%d VLM 返回意外类型 %s", idx, type(result))
-                results.append(_vision_fallback(idx, "vision_unexpected_type"))
-        except Exception as e:
-            logger.warning("[爆款视频] 图片分析失败 img=%s err=%s", img_url[:120], e, exc_info=True)
-            results.append(_vision_fallback(idx, "vision_exception", {"_error": str(e)[:200]}))
+    # 选择视觉模型：lite 速度优先（doubao_vision_use_lite=True 默认），pro 备用
+    try:
+        _s = get_shared_settings()
+        vision_model = _s.doubao_vision_lite_model if _s.doubao_vision_use_lite else _s.doubao_vision_model
+        vision_timeout = 30 if _s.doubao_vision_use_lite else 60
+    except Exception:
+        vision_model = "doubao-1-5-vision-lite-250915"
+        vision_timeout = 30
+
+    results: list[dict] = [None] * len(job.images)  # type: ignore
+    max_workers = min(4, max(1, len(job.images)))
+    logger.info(
+        "[爆款视频] 开始并行图片分析 n=%d model=%s timeout=%d workers=%d",
+        len(job.images),
+        vision_model,
+        vision_timeout,
+        max_workers,
+    )
+    with ThreadPoolExecutor(max_workers=max_workers) as pool:
+        future_to_idx = {
+            pool.submit(_analyze_single_image, idx, url, vision_model, vision_timeout): idx
+            for idx, url in enumerate(job.images)
+        }
+        for fut in as_completed(future_to_idx):
+            idx = future_to_idx[fut]
+            try:
+                results[idx] = fut.result()
+            except Exception as e:
+                logger.warning("[爆款视频] 图片 #%d future 异常 err=%s", idx, e, exc_info=True)
+                results[idx] = _vision_fallback(idx, "future_exception", {"_error": str(e)[:200]})
 
     return {"products": results}
 
@@ -319,6 +386,7 @@ _SCRIPT_GENERATION_PROMPT = """你是一名资深短视频导演，擅长为 AI
 - 画幅比例：{ratio}
 - 产品图片数量：{n_images} 张（将作为 reference_images 传给视频模型，第1张通常作为首帧/主产品图）
 - 参考风格（可选）：{style_hint}
+- 爆款结构（用户指定，必须严格遵循）：{viral_structure_block}
 
 ## 任务
 请撰写**一段完整的编导分镜脚本**，包含视频总览、场景光线、逐镜头时间轴、硬性约束、负面提示词，以及自然口语化的口播对白。
@@ -371,10 +439,13 @@ _SCRIPT_GENERATION_PROMPT = """你是一名资深短视频导演，擅长为 AI
 5. **时长控制**：所有 shots 的 time_range 加起来必须等于 {duration} 秒，单镜 2-8 秒。
 6. **硬性约束和负面词必须包含**：不要删减，可根据产品类型追加。
 7. **voiceover_script 必须是纯口播文本**：不含任何标记、括号、说明，字数按中文每秒 3-4 字估算（{duration}秒约{approx_chars}字）。
+8. **严格遵循爆款结构**：如果上方「爆款结构」字段不为「未指定」，必须严格按该结构的节奏/段落顺序编排文案与镜头，开场钩子、痛点、反转、案例、行动号召等节点要与结构对应，不要打乱顺序。
 """
 
 
 def _build_products_summary(image_analysis: dict) -> str:
+    """把 VLM 返回的商品分析结果拼给文案/分镜生成 prompt 用。
+    优先用 summary（自然段落）；没有时用结构化字段兜底拼一段。"""
     products = (image_analysis or {}).get("products", []) or []
     if not products:
         return "- （无图片信息，请自由创作自然生活化场景）"
@@ -383,34 +454,60 @@ def _build_products_summary(image_analysis: dict) -> str:
         if not isinstance(p, dict):
             continue
         name = p.get("name") or "产品"
+        # 优先 VLM 生成的 summary 段（自然语言，给编导模型看效果最好）
+        summary = (p.get("summary") or "").strip()
+        if summary and len(summary) >= 30:
+            lines.append(f"- 图{i+1} {name}：{summary}")
+            continue
+        # 结构化字段兜底
         brand = p.get("brand") or ""
         cat = p.get("category") or ""
+        spec = p.get("spec") or ""
+        appearance = p.get("appearance") or ""
+        packaging = p.get("packaging") or ""
         colors = p.get("colors") or []
         mat = p.get("material_or_texture") or ""
         style = p.get("visual_style") or ""
         scene = p.get("scene") or ""
-        audience = p.get("target_audience_hint") or ""
-        text_on_img = p.get("text_on_image") or ""
+        audience = p.get("target_audience") or p.get("target_audience_hint") or ""
+        # text_on_package 可能是数组（新格式）或字符串（旧格式）
+        text_list = p.get("text_on_package") or []
+        if isinstance(text_list, str):
+            text_on_img = text_list
+        else:
+            text_on_img = "；".join([str(x) for x in text_list[:8]]) if text_list else (p.get("text_on_image") or "")
         feats = p.get("key_features") or p.get("features") or []
+        sellings = p.get("selling_points") or []
+        scenes = p.get("suitable_scenes") or []
         parts = [f"图{i+1} {name}"]
         if brand and brand not in ("未知", "无法判断"):
             parts.append(f"品牌={brand}")
         if cat and cat not in ("无法判断", "非产品图"):
             parts.append(f"品类={cat}")
+        if spec and spec != "无法判断":
+            parts.append(f"规格={spec}")
+        if appearance and appearance != "无法判断":
+            parts.append(f"外观={appearance}")
+        if packaging and packaging != "无法判断":
+            parts.append(f"包装={packaging}")
         if colors:
             parts.append(f"颜色={','.join(colors)}")
-        if mat and mat not in ("无法判断",):
+        if mat and mat != "无法判断":
             parts.append(f"材质={mat}")
         if style:
             parts.append(f"风格={style}")
         if scene and scene not in ("通用",):
-            parts.append(f"场景={scene}")
-        if audience and audience != "通用":
+            parts.append(f"展示场景={scene}")
+        if scenes:
+            parts.append(f"适用场景={','.join([str(x) for x in scenes[:4]])}")
+        if audience and audience not in ("通用", "无法判断"):
             parts.append(f"目标人群={audience}")
         if text_on_img and text_on_img not in ("无",):
-            parts.append(f"图片文字={text_on_img}")
+            parts.append(f"包装文字={text_on_img[:300]}")
         if feats:
             parts.append("外观特征=" + "；".join([str(x) for x in feats[:6]]))
+        if sellings:
+            parts.append("营销卖点=" + "；".join([str(x) for x in sellings[:5]]))
         lines.append("- " + "，".join(parts))
     return "\n".join(lines)
 
@@ -594,6 +691,13 @@ def _step_script_generation(job: ViralVideoJob, intent: dict, image_analysis: di
         intent_str = "推广产品"
         tone = "亲切自然"
 
+    # 爆款结构：用户在 STEP1/STEP2 选的中文结构名，必须严格注入 prompt 指导 AI 编排
+    _vs = (job.viral_structure or "").strip()
+    if _vs:
+        viral_structure_block = f"【{_vs}】—— 请严格按照这个爆款结构的节奏/段落顺序编排镜头、台词和情绪节点（开场钩子、痛点、反转、案例、行动号召等按结构走），不要打乱顺序"
+    else:
+        viral_structure_block = "未指定（自由编排，但仍需有钩子开头+产品展示+行动号召的基本节奏）"
+
     prompt = _SCRIPT_GENERATION_PROMPT.format(
         products_summary=products_summary,
         intent=intent_str,
@@ -606,6 +710,7 @@ def _step_script_generation(job: ViralVideoJob, intent: dict, image_analysis: di
         n_images=len(job.images or []),
         style_hint=style_hint,
         approx_chars=approx_chars,
+        viral_structure_block=viral_structure_block,
     )
 
     try:

packages/config/base.py

@@ -94,7 +94,9 @@ class SharedSettings(BaseSettings):
     doubao_base_url: str = "https://ark.cn-beijing.volces.com/api/v3"
     doubao_timeout: int = 30
     doubao_max_retries: int = 2
-    doubao_vision_model: str = "doubao-1-5-vision-pro-250915"
+    doubao_vision_model: str = "doubao-1-5-vision-pro-250915"  # 高精度视觉（备用）
+    doubao_vision_lite_model: str = "doubao-1-5-vision-lite-250915"  # 快速视觉（商品识别默认，速度优先）
+    doubao_vision_use_lite: bool = True  # viral-video 图片分析默认用 lite 提速
     doubao_embedding_model: str = "doubao-embedding-large-text-240915"
     doubao_video_model: str = "doubao-seedance-2-5-260628"
     doubao_video_timeout: int = 600  # 视频生成轮询总超时（秒）

packages/shared/ai_client.py

@@ -40,6 +40,7 @@ class DoubaoClient:
         self.timeout: int = settings.doubao_timeout
         self.max_retries: int = settings.doubao_max_retries
         self.vision_model: str = settings.doubao_vision_model
+        self.vision_lite_model: str = settings.doubao_vision_lite_model
 
     def embed_text(self, text: str, timeout: int | None = None) -> list[float] | None:
         """调用豆包文本 Embedding API，返回浮点向量；失败返回 None。"""
@@ -154,6 +155,7 @@ class DoubaoClient:
         max_tokens: int = 2048,
         temperature: float = 0.3,
         timeout: int | None = None,
+        model: str | None = None,
     ) -> Optional[str]:
         """调用豆包视觉理解 API（OpenAI 兼容多模态格式）.
 
@@ -204,7 +206,7 @@ class DoubaoClient:
             "Content-Type": "application/json",
         }
         payload: dict[str, Any] = {
-            "model": self.vision_model,
+            "model": model or self.vision_model,
             "messages": vision_messages,
             "temperature": temperature,
             "max_tokens": max_tokens,

packages/shared/ai_service.py

@@ -514,14 +514,26 @@ def call_llm(prompt: str, temperature: float = 0.7) -> object:
         return raw
 
 
-def call_vision(image_url: str, prompt: str) -> object:
+def call_vision(
+    image_url: str,
+    prompt: str,
+    *,
+    model: str | None = None,
+    max_tokens: int = 1024,
+    temperature: float = 0.2,
+    timeout: int = 45,
+    system_prompt: str | None = None,
+) -> object:
     """调用豆包视觉大模型分析图片，返回解析后的 JSON 或原文字符串；失败返回 None。
 
-    Bug #2114 (VLM 牛头不对马嘴根因修复):
-    之前误走 client.chat_completion(用文本模型 doubao-seed-1.6)，多模态 content list 被当成
-    纯文本发给文本模型 → 模型要么看不到图、要么抛 400，静默被 except 吞掉 → 返回 None →
-    _step_image_analysis fallback 到 {"name":"未识别"} → 后续文案/分镜完全没图的信息。
-    现改走 vision_completion，走视觉模型 doubao-1-5-vision-pro-250915。
+    Args:
+        image_url: 可公网访问的图片 URL（直接传给豆包视觉模型，无需本地下载）。
+        prompt: 用户侧文本提示。
+        model: 覆盖默认视觉模型（如 vision_lite_model 提速用），None 走配置默认。
+        max_tokens: 输出上限，商品识别用 800~1200 足够，避免长输出拖慢首 token。
+        temperature: 温度。
+        timeout: 单次请求超时（秒）。
+        system_prompt: 覆盖默认 system prompt（viral-video 商品分析会传专门的详细 prompt）。
     """
     client = get_doubao_client()
     if not client.is_available:
@@ -531,28 +543,33 @@ def call_vision(image_url: str, prompt: str) -> object:
         logger.warning("[call_vision] 空 image_url，跳过视觉分析")
         return None
 
-    system_prompt = (
-        "你是资深电商视觉分析师。请严格基于用户提供的图片观察回答，"
-        "图片里没有的信息不要凭空想象或编造；看不清或无法判断时明确说"
-        "「图片中无法判断」，不要猜测。输出必须是严格 JSON，不要附加 Markdown 或解释文字。"
-    )
+    if system_prompt is None:
+        system_prompt = (
+            "你是资深电商视觉分析师。请严格基于用户提供的图片观察回答，"
+            "图片里没有的信息不要凭空想象或编造；看不清或无法判断时明确说"
+            "「无法判断」，不要猜测。输出必须是严格 JSON，不要附加 Markdown 或解释文字。"
+        )
     messages = [
         {"role": "system", "content": system_prompt},
         {"role": "user", "content": prompt},
     ]
 
+    used_model = model or getattr(client, "vision_model", "?")
     logger.info(
-        "[call_vision] 调用豆包视觉模型 vision_model=%s image_url=%s prompt_len=%d",
-        getattr(client, "vision_model", "?"),
+        "[call_vision] 调用豆包视觉模型 model=%s image_url=%s prompt_len=%d max_tokens=%d timeout=%d",
+        used_model,
         image_url[:120],
         len(prompt),
+        max_tokens,
+        timeout,
     )
     raw = client.vision_completion(
         messages=messages,
         images=[image_url],
-        temperature=0.2,
-        max_tokens=2048,
-        timeout=60,
+        temperature=temperature,
+        max_tokens=max_tokens,
+        timeout=timeout,
+        model=model,
     )
     if raw is None:
         logger.warning("[call_vision] 视觉模型返回 None (image_url=%s)", image_url[:80])

scripts/render_env.sh

@@ -57,7 +57,7 @@ if [ "$TARGET_ENV" = "staging" ]; then
 fi
 
 # 共用 secrets 直接导出（如果存在）
-SHARED_SECRETS="OSS_ACCESS_KEY_ID OSS_ACCESS_KEY_SECRET COSYVOICE_API_KEY DASHSCOPE_API_KEY MEDIAKIT_API_KEY DOUBAO_API_KEY DOUBAO_MODEL DOUBAO_BASE_URL DOUBAO_VISION_MODEL WECHAT_APP_ID WECHAT_APP_SECRET TIKHUB_API_KEY APIZERO_API_KEY GPU_WORKER_TOKEN"
+SHARED_SECRETS="OSS_ACCESS_KEY_ID OSS_ACCESS_KEY_SECRET COSYVOICE_API_KEY DASHSCOPE_API_KEY MEDIAKIT_API_KEY DOUBAO_API_KEY DOUBAO_MODEL DOUBAO_BASE_URL DOUBAO_VISION_MODEL DOUBAO_VISION_LITE_MODEL DOUBAO_VISION_USE_LITE WECHAT_APP_ID WECHAT_APP_SECRET TIKHUB_API_KEY APIZERO_API_KEY GPU_WORKER_TOKEN"
 for var in $SHARED_SECRETS; do
   value="${!var:-}"
   # 已经在环境中了，无需额外操作

tests/unit/test_2035_coverage.py

@@ -18,6 +18,8 @@ class _FakeSettings:
     doubao_timeout = 10
     doubao_max_retries = 0
     doubao_vision_model = "test-vision"
+    doubao_vision_lite_model = "test-vision-lite"
+    doubao_vision_use_lite = False
     doubao_embedding_model = "test-embedding"
 
 

tests/unit/test_health_routes.py

@@ -44,7 +44,7 @@ class TestCheckDatabase:
         assert result["type"] == "postgresql"
         assert result["message"] == "Database connection successful"
         mock_psycopg.connect.assert_called_once_with(
-            "postgresql+psycopg://test:test@localhost/test", connect_timeout=3
+            "postgresql://test:test@localhost/test", connect_timeout=3
         )
         mock_cur.execute.assert_called_once_with("SELECT 1")
         mock_conn.close.assert_called_once()
@@ -96,7 +96,7 @@ class TestCheckMigrations:
         assert result["status"] == "healthy"
         assert result["message"] == "Database migrations applied"
         mock_psycopg.connect.assert_called_once_with(
-            "postgresql+psycopg://test:test@localhost/test", connect_timeout=3
+            "postgresql://test:test@localhost/test", connect_timeout=3
         )
         mock_conn.close.assert_called_once()