见相 Seeform

用简单的自然语言，让照片成为你想要的样子。

它是什么

见相（Seeform）是一个嵌入宿主 Agent 的视觉判断与转化 Skill。宿主理解用户对话，Seeform 结合原图事实形成跨编辑器视觉策略，Adapter 在声明的能力边界内执行，并交付一个可信、可直接使用的结果。

Seeform 的核心体验是：

一张照片 + 一句感觉或用途
-> 一个可信、可直接使用的结果

Seeform 在后台完成观察、判断、策略选择、能力路由和结果检查。默认交付一个最有把握的结果；只有存在重要分歧或真实性风险时，才展示候选或请求一次确认。用户可以随时用自然语言继续调整。

在宿主 Agent 集成时，宿主负责对话、任务上下文和真实反馈，Seeform 负责把 host_context 与原图事实编译为 VisualStrategy，经过 Policy Gate 与能力协商后再由 Adapter 执行。Seeform 不要求用户重复描述上下文，也不把宿主上下文当作图像证据。

用户可以说“人物好看一点”“真实但更有状态”或“适合发小红书”。明确且低风险的请求直接处理；必要时 Seeform 才用一句判断说明处理方向。它不把内部的观察、诊断、路由和证据契约变成多轮问卷。

我始终相信，每一张照片都承载着意义、经历和回忆。

一张照片没有出现在你的社交媒体上，未必是因为它没有价值。可能只是构图没有被发现，光线没有被利用，色彩缺少层次，主体没有被突出，情绪没有被表达，场景还没有形成自己的视觉语言。

照片本身拥有的潜力，只是还没有被看见。

见相不只是给照片套用风格。它会先理解照片，发现照片的问题与潜力，再根据你想表达的感觉和使用场景，给出一个有理由的视觉观点，寻找合适的视觉语言和具体的改变。

为什么有用

你可以从一句感觉开始：

“温柔一点。”
“真实，但更有完成度。”
“像生活中最好的一刻。”
“人物状态很好，只是照片还没有成立。”

见相把这些抽象的感觉，转化为对构图、光线、色彩、主体、空间和质感的具体判断，帮助照片更接近它原本拥有的意义，也更接近你想表达的样子。

它不预设统一的审美，也不把每张照片处理成同一种风格。它关注的是：

这张照片已经拥有了什么，以及怎样才能让它被更好地看见。

开始使用

从 Releases 下载最新部署包，并将其安装到支持 Agent Skill 的宿主中。

当前 MVP 支持：

图片文件读取与完整性检查；
最小 Visual Transformation Plan 校验；
曝光、对比度和饱和度调整；
裁切与尺寸适配；
带矩形区域和可选羽化的局部可逆调整；
原图和候选图的工程比较；
候选血缘、完整能力报告和 JSON / HTML 证据记录；
contract_version="1.0" 的结构化 Host Context、策略 hash、Adapter 能力协商、评价分权和反馈路由；
结构化 JSON 缓存键、幂等键和显式瞬态错误重试边界；
diagnosis 路径的可选 StrategyCompiler、命中后重验证的结构化缓存和 audit case 隔离；
profile 1.1 ExecutionContext、输入安全门、扩展协商状态和纯函数评价汇总；

使用时只需提供一张照片，以及一句感觉或用途。使用场景和希望保留的内容可直接说出，也可以在低风险时由系统采用可逆默认值。

如何工作

一张照片 + 一句感觉或用途
-> 一个可信、可直接使用的结果

观察、诊断、视觉策略、能力路由与结果检查在后台按需参与。见相不从滤镜开始，也不替用户决定什么才是美。存在真正的视觉分歧时才展示少量候选；改动可能影响身份、现场事实、真实性或不可逆性时才请求确认或给出安全替代；用户可以持续用自然语言纠正方向。

与普通 AI 修图的区别

普通 AI 修图通常从一个动作或效果开始：美颜、调色、磨皮、换背景、扩图、消除或套用风格，重点是快速执行既定操作。

Seeform 的差异在于：

从“我想表达什么”开始，而不是从滤镜或参数开始；
直接交付结果，并在必要时解释照片哪里没有成立与为什么这样处理；
根据照片、用途和用户语言形成策略，不默认套用平台审美；
只有真实分歧时才比较不同视觉策略及其代价；
明确允许改变、必须保留和停止条件；
低风险时不增加确认步骤，高风险时才用一次简短确认替代参数访谈；
从明确用户决定与重复反馈中形成可解释的个人视觉偏好。

Seeform 不声称底层编辑能力天然比成熟影像产品更强。模型负责生成，编辑器负责执行，Seeform 负责理解、判断、提案、约束、比较和反馈闭环。

能力边界

当前版本是面向 Agent 宿主的 Skill MVP，不是独立的照片编辑应用。

V0 文件读取：已具备；
V1 真实视觉观察：默认不可用；可通过宿主文件桥或本地 llama.cpp + Qwen3-VL GGUF adapter 按现场启用；
V2 基础编辑：核心支持 Pillow 确定性 L1/L2，以及有 Plan 约束的矩形局部 L3 调整；不代表生成式 L3/L4；
V3 工程比较：核心支持已有候选、父候选、尺寸、SHA-256、结构化像素指标和报告生成，不代表审美判断；
StrategyEvaluation：没有真实视觉 evaluator 时返回 needs_human，工程比较不能代替用户接受；
最终确认：只能由宿主提交的真实 UserFeedback 完成。

缓存默认关闭。启用后，解析损坏会重新计算、写失败不会中断主流程、有效对象的绑定 hash 不符会失败关闭。新 profile 1.1 Plan 使用逐尝试 ExecutionContext；已绑定旧 profile 1.0 hash 的 v1 Plan 继续走无 Context 的兼容执行。AdapterBroker 将在第二个真实 Executor 到位后再加入。

见相曾在外部 WorkBuddy 宿主上完成过一个真实合照案例的观察、候选生成和工程比较，但该案例仍等待用户确认，不能当作内置 V1 能力或普遍质量证明。

当前版本不默认磨皮、变白、变瘦、改脸型、改变年龄感或生成新的真实事实。

本地验证

python -m venv .venv
.\.venv\Scripts\python.exe -m pip install -e ".[test]"
.\.venv\Scripts\python.exe -m pytest -q

安装后统一通过 seeform 执行：

seeform --case .\case.json --output .\output

直接使用 Skill bundle 时，在 skills/visual-art-direction 下运行 python -m scripts --case .\case.json --output .\output；两种形式进入同一个 scripts.runner:main。

本地 Qwen3-VL 观察使用 --llama-cpp-config 接入已启动的 loopback llama-server。模型、 mmproj、启动命令和配置示例见 skills/visual-art-direction/references/llama-cpp-local-observation.md。

项目结构

skills/visual-art-direction/
├── SKILL.md
├── references/
└── scripts/

tests/
dist/

版本

当前公开版本：v0.1.0

部署包：seeform-visual-art-direction-v0.1.0.zip

许可证

Apache License 2.0，详见 LICENSE。

English

Seeform is a tool-agnostic visual decision and transformation skill for AI agents. It turns visual intent into a concise viewpoint, image diagnosis, editing decisions, and verifiable changes while keeping identity, scene relationships, and authenticity in view.

The product contract is documented in PRODUCT.md.

Seeform

At a glance

README