apps/worker/worker_app/tasks/viral_video.py

@@ -404,6 +404,60 @@ def _analyze_single_image(
         product_nodes = [n for n in nodes if n["tag"] == "product"]
         scene = xp.text_of(raw_text, "scene") or "通用"
         mood = xp.text_of(raw_text, "mood") or ""
+        # #2184: #2177 XML 重构后人物信息放在顶层 <people has_person count gender age_range pose expression/>，
+        # 不再是 <product> 的 portrait_prompt 属性。需从顶层 people 标签提取并拼装 portrait_prompt。
+        portrait_prompt = "无人像"
+        try:
+            people_node = xp.find_first(raw_text, "people")
+            if people_node:
+                _pa = people_node.get("attrs") or {}
+                _has_person = xp.attr_bool(_pa.get("has_person"), False)
+                if _has_person:
+                    _gender = _pa.get("gender", "无法判断") or "无法判断"
+                    _age = _pa.get("age_range", "无法判断") or "无法判断"
+                    _hair = _pa.get("hair", "无法判断") or "无法判断"
+                    _skin = _pa.get("skin_tone", "无法判断") or "无法判断"
+                    _face = _pa.get("face_shape", "无法判断") or "无法判断"
+                    _outfit = _pa.get("outfit", "无法判断") or "无法判断"
+                    _pose = _pa.get("pose", "无法判断") or "无法判断"
+                    _expr = _pa.get("expression", "无法判断") or "无法判断"
+                    _count = xp.attr_int(_pa.get("count"), 1)
+                    _parts = []
+                    if _gender != "无法判断":
+                        _g = _gender + ("性" if not _gender.endswith("性") else "")
+                        _parts.append(_g)
+                    if _age != "无法判断":
+                        _parts.append(_age)
+                    _parts.append("人物")
+                    if _hair != "无法判断":
+                        _parts.append(_hair)
+                    if _skin != "无法判断":
+                        _parts.append(f"{_skin}肤色")
+                    if _face != "无法判断":
+                        _parts.append(f"{_face}脸型")
+                    if _outfit != "无法判断":
+                        _parts.append(f"身着{_outfit}")
+                    if _pose != "无法判断":
+                        _parts.append(f"姿态{_pose}")
+                    if _expr != "无法判断":
+                        _parts.append(f"表情{_expr}")
+                    portrait_prompt = "，".join(_parts)
+                    logger.info(
+                        "[爆款视频] 图片 #%d 解析<people>: count=%d gender=%s age=%s hair=%s skin=%s face=%s outfit=%s pose=%s expr=%s → %s",
+                        idx,
+                        _count,
+                        _gender,
+                        _age,
+                        _hair,
+                        _skin,
+                        _face,
+                        _outfit,
+                        _pose,
+                        _expr,
+                        portrait_prompt,
+                    )
+        except Exception as _pe:
+            logger.warning("[爆款视频] 图片 #%d 解析<people>标签异常: %s，回退无人像", idx, _pe)
         for p in product_nodes:
             a = p["attrs"]
             text_on_pkg = a.get("text_on_package", "")
@@ -419,6 +473,10 @@ def _analyze_single_image(
             appearance = a.get("appearance", "") or "无法判断"
             packaging = a.get("packaging", "") or "无法判断"
             summary = a.get("summary", "") or f"{brand} {name}"
+            # 优先取 product 属性上的 portrait_prompt（兼容旧schema），否则用顶层 <people> 解析结果
+            _pp_from_attr = a.get("portrait_prompt", "")
+            if _pp_from_attr and _pp_from_attr != "无人像":
+                portrait_prompt = _pp_from_attr
             return {
                 "name": name,
                 "brand": brand,
@@ -429,10 +487,26 @@ def _analyze_single_image(
                 "key_features": feat_list or [features] if features else ["无法判断"],
                 "scene": scene,
                 "mood": mood,
-                "portrait_prompt": a.get("portrait_prompt", "无人像"),
+                "portrait_prompt": portrait_prompt,
                 "summary": summary,
                 "_source": "xml",
             }
+        # 没有 product 标签但有 <people has_person="true"> 也要能取到人物描述（兜底）
+        if portrait_prompt != "无人像":
+            return {
+                "name": "未识别",
+                "brand": "无法判断",
+                "category": "无法判断",
+                "appearance": "无法判断",
+                "packaging": "无法判断",
+                "text_on_package": [],
+                "key_features": ["无法判断"],
+                "scene": scene,
+                "mood": mood,
+                "portrait_prompt": portrait_prompt,
+                "summary": "未识别",
+                "_source": "xml_no_product",
+            }
         return _vision_fallback(idx, "no_product_tag")
 
     def _normalize(raw, source: str) -> dict:

packages/application/viral_video/prompts.py

@@ -50,7 +50,7 @@ _IMAGE_ANALYSIS_SYSTEM = f"""你是电商商品视觉分析师，负责从商品
 请严格按下面的标签格式输出，标签名一个都不能改，不要输出任何解释，不要用代码块：
 <products> 下面每个产品用一个 <product> 标签，属性 name 是产品名、features 是外观特征、position 是 main 或 secondary、image_index 是第几张图（从0开始）。
 <colors> 下面每个主要颜色用一个 <color> 标签，属性 hex 是色值、name 是颜色名、coverage 是占比小数。
-<people> 用一个标签，属性 has_person、count、gender、age_range、pose、expression 分别描述人物情况。
+<people> 用一个标签，属性 has_person、count、gender、age_range、hair（发型发色）、skin_tone（肤色）、face_shape（脸型）、outfit（穿着）、pose（姿态）、expression（表情）分别描述人物外貌。有人物时属性尽量具体（如hair="黑色长直发"、outfit="白色衬衫"），无人像时除has_person=false外其他填"无法判断"。
 <mood> 标签写画面整体情绪氛围。
 <visible_text> 下面每处可见文字用一个 <text_item> 标签，属性 text 是文字内容、position 是位置。
 <scene> 标签写场景描述。
@@ -73,7 +73,7 @@ _IMAGE_ANALYSIS_EXAMPLE = """<products>
 <color hex="#D32F2F" name="红色" coverage="0.4"/>
 <color hex="#FFFFFF" name="白色" coverage="0.5"/>
 </colors>
-<people has_person="false" count="0" gender="无法判断" age_range="无法判断" pose="无法判断" expression="无法判断"/>
+<people has_person="false" count="0" gender="无法判断" age_range="无法判断" hair="无法判断" skin_tone="无法判断" face_shape="无法判断" outfit="无法判断" pose="无法判断" expression="无法判断"/>
 <mood>干净、实用</mood>
 <visible_text>
 <text_item text="多功能油污净" position="瓶身正面"/>