1

server/biz/dao/dataset_image.go

@@ -63,11 +63,14 @@ func (d *datasetImageDao) GetById(ctx context.Context, id int64) (*entity.Datase
 	return one, nil
 }
 
-// ListByDataset 某数据集全部图片（文件名倒序，详情页逐行展示用）
+// ListByDataset 某数据集全部图片（按文件名编号倒序，详情页逐行展示用）。
+// 文件名形如 <前缀>_<编号>.jpg（无前缀为时间戳数字名），须提取下划线后的数字按数值倒序：
+// 字符串序会把 pheasant_101.jpg 排在 pheasant_2.jpg 之前（'1'<'9'），导致最大编号落到底部
 func (d *datasetImageDao) ListByDataset(ctx context.Context, datasetId int64) ([]*entity.DatasetImage, error) {
 	var list []*entity.DatasetImage
 	err := g.DB().Model(consts.TableDatasetImage).Ctx(ctx).
-		Where("dataset_id", datasetId).OrderDesc("filename").Scan(&list)
+		Where("dataset_id", datasetId).
+		Order("CAST(substr(filename, instr(filename, '_') + 1) AS INTEGER) DESC").Scan(&list)
 	if err != nil {
 		if common.IsNoRows(err) {
 			return []*entity.DatasetImage{}, nil

server/biz/service/dataset.go

@@ -609,6 +609,8 @@ func (s *datasetService) buildPromptFromTemplate(ctx context.Context, datasetNam
 	scene := pickCfgByDataset(ctx, datasetName, "imageGen.sceneByDataset", "imageGen.scenes")
 	action := pickCfgByDataset(ctx, datasetName, "imageGen.actionByDataset", "imageGen.actions")
 	light := pickCfg(ctx, "imageGen.lights")
+	// 轮廓色词按物种（白化个体如白雉鸡配浅色，默认深色剪影）
+	tone := g.Cfg().MustGet(ctx, "imageGen.speciesTone."+species, "深色").String()
 	// 距离描述从表单固定值生成（25 → "25米外"）
 	distWord := fmt.Sprintf("%d米外", dist)
 	// 尺寸提示：按物理公式把表单距离换算成目标在图中的像素高与画面占比
@@ -622,6 +624,7 @@ func (s *datasetService) buildPromptFromTemplate(ctx context.Context, datasetNam
 	for k, v := range map[string]string{
 		"{scene}": scene, "{species}": species, "{count}": countWord,
 		"{action}": action, "{light}": light, "{distanceWord}": distWord, "{sizeHint}": sizeHint,
+		"{tone}": tone,
 	} {
 		out = strings.ReplaceAll(out, k, v)
 	}
@@ -722,7 +725,7 @@ func (s *datasetService) AdminGenerateImages(ctx context.Context, req *dto.Admin
 		return provider.Generate(genCtx, prompt, req.Size)
 	}
 	// 命名：数据集属性 name_prefix（创建/编辑表单维护）非空时按 <前缀>_<两位序号>.jpg 顺序编号
-	// （延续数据集内已有最大序号，参考野鸡目录 pheasant_NN.jpg 惯例）；无前缀按时间戳命名。
+	// （延续数据集内已有最大序号，参考既有图片目录的连续编号惯例）；无前缀按时间戳命名。
 	// 注意：gtime.Time.Format 是 PHP 风格格式符，Go 数字布局须用 .Time.Format，否则原样透传
 	prefix := dataset.NamePrefix
 	nextIdx := 1

server/config.yml

@@ -40,16 +40,20 @@ imageGen:
   timeoutSeconds: 600   # 每张生成超时（默认 120；z-image-turbo 首次加载含模型入显存，稳态秒级~分钟级）
   # 通用提示词模板（管理端填「动物名称」时启用，每张随机取池组装）：{species} 优先用表单填写的名称，
   # 未填则按数据集名取 speciesByDataset 池（再未配置直接用数据集名）；{count} 为数量词（固定 "1只"，每张仅 1 个目标；原表单
-  # 数量选择已取消）；{scene}/{action}/{light} 池内随机；物种只写名字不写羽毛细节
-  # （细节会把镜头拉近，详见技术设计）。不带拍摄角度描述（2026-08-28）：角度描述会与目标位置耦合，
-  # 仰拍使贴地目标沉底、固定俯拍构图单一——交由模型平视先验自由构图，目标自然落在中部/上部
-  promptTemplate: "野外大远景实拍：广角镜头下{scene}，{distanceWord}有且仅有{count}{species}的小小身影{sizeHint}在{action}，{species}离镜头很远，只是很小的深色轮廓，隐约可辨，画面绝大部分是{scene}，没有任何靠近镜头的动物，{light}，写实野外摄影，真实照片质感"
+  # 数量选择已取消）；{scene}/{action}/{light} 池内随机；{tone} 为物种轮廓色词（默认深色，白化个体配浅色）；
+  # 物种只写名字不写羽毛细节（细节会把镜头拉近，详见技术设计）。不带拍摄角度描述（2026-08-28）：
+  # 角度描述会与目标位置耦合，仰拍使贴地目标沉底、固定俯拍构图单一——交由模型平视先验自由构图，
+  # 目标自然落在中部/上部
+  promptTemplate: "野外大远景实拍：广角镜头下{scene}，{distanceWord}有且仅有{count}{species}的小小身影{sizeHint}在{action}，{species}离镜头很远，只是很小的{tone}轮廓，隐约可辨，画面绝大部分是{scene}，没有任何靠近镜头的动物，{light}，写实野外摄影，真实照片质感"
   speciesByDataset:            # 数据集名 → 物种池（表单未填动物名称时随机取一个）
     鸽子: [家鸽,火斑鸠,虎纹斑鸠,珠颈斑鸠,灰斑鸠]
-    雉鸡: [雉鸡]
+    雉鸡: [雉鸡,白雉鸡]
     兔子: [兔子]
     鸭子: [野鸭]
     鹌鹑: [鹌鹑]
+  speciesTone:                 # 物种轮廓色词（模板 {tone} 占位，未配置默认深色）：远景小目标深色剪影易辨，
+                               # 白化个体（白雉鸡）用「深色轮廓」描述与白色羽毛矛盾，须配浅色
+    白雉鸡: 浅色
   scenes:                      # 环境场景池（统一远景原则：每条含开阔/延伸向远方/地平线元素，
                                # 把地平线推开、消除近拍暗示；同一短语在模板中出现两次，须两处都读得通）
     - "一望无际的玉米地，玉米秆两米多高，田间土路和田埂延伸向地平线"
@@ -70,6 +74,7 @@ imageGen:
       - "田边茂密的草丛和矮灌丛连绵延伸到远方"
       - "荒草坡和灌木丛连成一片，一直铺向远处地平线"
       - "收割后的农田边缘杂草丛生，矮灌丛点缀延伸到远方"
+      - "稀疏灌木点缀的草坡，一直延伸到远处的林地边缘"
     兔子:
       - "枯黄的草坡和荒草地一直延伸到远方"
       - "弃耕地和田埂长满野草，延伸向远处的林地"
@@ -98,7 +103,8 @@ imageGen:
     灰斑鸠: 18
     火斑鸠: 15
     虎纹斑鸠: 18
-    野鸡: 55
+    雉鸡: 55
+    白雉鸡: 55
     兔子: 35
     野鸭: 35
     鹌鹑: 12

server/技术设计.md

@@ -332,7 +332,7 @@ Android 客户端启动 GET /api/v1/app/update（公开，无需 token；iOS 不
 - 生成同步执行（count 1..8，每张超时 `imageGen.timeoutSeconds`，默认 120s；localai 建议 600），逐张落盘 + 入库（记录 prompt 便于追溯）；中途失败返回错误（已成功的图保留，不删除——付费资产原则）
 - prompt 手填覆盖；留空走 `imageGen.promptTemplate` 通用模板逐张组装（物种池 speciesByDataset 按数据集名、数量词=animalCount、场景/动作/光线池随机，每张独立组装保持多样性；物种只写名字不写羽毛细节，细节会拉近镜头）；**遵守项目提示词规范：不得包含目标位置描述**（位置由模型自行推理，前端模板与校验文案落实此约束）
 - **生成图距离/数量校验（2026-08-28）**：表单填 `distance`(米,固定值) 与 `animalCount` 后逐张启用；**距离校验已取消（2026-08-28）**：生成即入库，无逐张拒检；参数与公式见 git 历史（物理公式 d=体高×focalPx÷像素高）
-- **VLM 藏匿位补检（两阶段第二阶段）**：`/datasets/images/vlm-review` 单图接口；qwen3.8-9b(+mmproj) 以「图片+物种(生成 prompt 与物种池匹配)+场景光线线索+已确认框坐标(排除)」推理藏匿位，输出归一化 bbox JSON（范围校验+与已有框重叠去重），追加 ≤3 个 class=1 疑似框进同一 labels_json；VL 与 z-image 显存互斥（12G 装不下两者），批量补检在生成队列空闲后执行；qwen3.8-9b yaml 自带 mmproj 实为多模态模型（生成校验）；自动标注框数按置信度降序裁剪 ≤ animal_count（存 dataset_image.animal_count 列），估算距离 = 物种站高 × focalPx ÷ 最大框高像素（focalPx=`图高/2/tan(vfov/2)`，站高按物种查 `imageGen.speciesHeights`，单位 cm 换算为米，未配置物种代码兜底 35cm；**2026-08-28 语义修正**：speciesHeights 为站高（垂直尺度，鸟=脚到头顶、兽=蹲坐高），勿用体长——与提示词「高度」描述及检测框高自洽；避免跨物种共用一个标定系数）（K=1.8：6%≈30m、4.5%≈40m，K 隐含镜头视场角假设）；**镜头固定主摄（2026-08-28 定案）**：vfov 固定 `imageGen.assumedVfovDeg=52°`（手机默认主摄；曾随机 [15,90] 覆盖面广但目标像素波动 7~57px 不可控，曾试超广角 90 亦否决）；**场景/动作按数据集（2026-08-28）**：`imageGen.sceneByDataset`/`actionByDataset` 按数据集名配池（鸭→水面、雉鸡→灌丛草丛、兔→草坡荒地、鹌鹑→草丛），未配置回退通用 scenes/actions；**拍摄角度（2026-08-28，已废弃角度描述）**：不带任何拍摄角度描述——演进：固定「上部三分之一」区域描述对文生图模型遵循力弱（生成物落底）→ 加固定俯拍（目标上移成功但构图单一，用户否决）→ 池内随机俯/平/仰（仰拍使贴地目标必然沉底，用户否决）→ 只留俯拍/平视（用户仍嫌啰嗦）→ **完全去掉角度描述**（2026-08-28 定案）：交由模型平视先验自由构图，目标自然落在画面中部/上部；模板只靠「{species}离镜头很远，只是很小的深色轮廓」（物种名替代泛称「目标」，不限定鸟类——物种池含兔子等非鸟物种）维持远景感，手填提示词仅追加数量约束；不合格丢弃重生成，单张上限 3 次（`consts.GenValidateMaxAttempts`），连续不合格整体报错（已合格张数保留）
+- **VLM 藏匿位补检（两阶段第二阶段）**：`/datasets/images/vlm-review` 单图接口；qwen3.8-9b(+mmproj) 以「图片+物种(生成 prompt 与物种池匹配)+场景光线线索+已确认框坐标(排除)」推理藏匿位，输出归一化 bbox JSON（范围校验+与已有框重叠去重），追加 ≤3 个 class=1 疑似框进同一 labels_json；VL 与 z-image 显存互斥（12G 装不下两者），批量补检在生成队列空闲后执行；qwen3.8-9b yaml 自带 mmproj 实为多模态模型（生成校验）；自动标注框数按置信度降序裁剪 ≤ animal_count（存 dataset_image.animal_count 列），估算距离 = 物种站高 × focalPx ÷ 最大框高像素（focalPx=`图高/2/tan(vfov/2)`，站高按物种查 `imageGen.speciesHeights`，单位 cm 换算为米，未配置物种代码兜底 35cm；**2026-08-28 语义修正**：speciesHeights 为站高（垂直尺度，鸟=脚到头顶、兽=蹲坐高），勿用体长——与提示词「高度」描述及检测框高自洽；避免跨物种共用一个标定系数）（K=1.8：6%≈30m、4.5%≈40m，K 隐含镜头视场角假设）；**镜头固定主摄（2026-08-28 定案）**：vfov 固定 `imageGen.assumedVfovDeg=52°`（手机默认主摄；曾随机 [15,90] 覆盖面广但目标像素波动 7~57px 不可控，曾试超广角 90 亦否决）；**场景/动作按数据集（2026-08-28）**：`imageGen.sceneByDataset`/`actionByDataset` 按数据集名配池（鸭→水面、雉鸡→灌丛草丛、兔→草坡荒地、鹌鹑→草丛），未配置回退通用 scenes/actions；**拍摄角度（2026-08-28，已废弃角度描述）**：不带任何拍摄角度描述——演进：固定「上部三分之一」区域描述对文生图模型遵循力弱（生成物落底）→ 加固定俯拍（目标上移成功但构图单一，用户否决）→ 池内随机俯/平/仰（仰拍使贴地目标必然沉底，用户否决）→ 只留俯拍/平视（用户仍嫌啰嗦）→ **完全去掉角度描述**（2026-08-28 定案）：交由模型平视先验自由构图，目标自然落在画面中部/上部；模板只靠「{species}离镜头很远，只是很小的{tone}轮廓」（物种名替代泛称「目标」，不限定鸟类——物种池含兔子等非鸟物种；`{tone}` 轮廓色词按 `imageGen.speciesTone.<物种>` 取，默认深色剪影，**白雉鸡配浅色**——白羽个体用「深色轮廓」描述会与模型渲染矛盾，2026-08-28）维持远景感，手填提示词仅追加数量约束；不合格丢弃重生成，单张上限 3 次（`consts.GenValidateMaxAttempts`），连续不合格整体报错（已合格张数保留）
 
 ### 训练通道（runner 抽象，决策：同机/异机不确定 → 可配置）