museav-cli 2.2.0 → 2.4.0

package/dist/index.js

@@ -15,6 +15,8 @@ import { bindFeishu } from './commands/bind-feishu.js';
 import { printWelcome } from './commands/welcome.js';
 import { gen } from './commands/gen.js';
 import { reverse } from './commands/reverse.js';
+import { compressCmd, removeBgCmd, upscaleCmd, removeWatermarkCmd } from './commands/img-tools.js';
+import { projects, createProject, listAssets, addAsset, removeAsset } from './commands/projects.js';
 import { imageToTemplate } from './commands/image-to-template.js';
 import { upload } from './commands/upload.js';
 import { models } from './commands/models.js';
@@ -109,6 +111,18 @@ function withLazyClient(fn) {
         }
     };
 }
+// 本地命令（compress / remove-bg 等）：不碰中台、不需要任何凭证，只包一层统一的错误出口
+function asyncRun(fn) {
+    return async (...args) => {
+        try {
+            await fn(...args);
+        }
+        catch (e) {
+            process.stderr.write(`❌ ${e.message}\n`);
+            process.exit(1);
+        }
+    };
+}
 // products / assets 查的是租户自己后台的数据，不是 Studio 中台的，走独立的 TenantClient
 // （见 tenant-client.ts 顶部注释），只支持租户 apiKey 身份，不支持个人 login token。
 function withTenantClient(fn) {
@@ -152,11 +166,72 @@ program
     .option('--video', '生成视频（走 /api/videos 链路；模型档次如 artsdance-2-0-pro-260801，不传 --model 走 auto 路由）')
     .option('--duration <sec>', '视频时长（秒，仅 --video；由模型与上游支持范围决定）', (v) => Number(v))
     .option('--image <file>', '图生视频首帧图（仅 --video，自动上传）')
+    .option('--project <id|名>', '归档进该工作区（museav projects 查；账户身份才生效）')
     .action(withClient((client, opts) => gen(client, opts)));
+program
+    .command('compress <file>')
+    .description('本地压缩图片（sharp，免登录）：默认同目录 <名>-min.<格式>，不覆写原文件')
+    .option('--out <path>', '输出路径（默认 <名>-min.<格式>）')
+    .option('--max-edge <px>', '最长边缩到该像素（等比，inside）')
+    .option('--quality <1-100>', 'jpg/webp 质量，默认 82')
+    .option('--format <fmt>', '输出格式 jpg / png / webp（默认跟随原格式）')
+    .option('--overwrite', '允许覆盖已存在的输出文件')
+    .action(asyncRun((input, opts) => compressCmd(input, opts)));
+program
+    .command('remove-bg <file>')
+    .description('本地抠图去背景（ISNet/U2Net + onnxruntime，免登录）：输出带 alpha 的 PNG。首次使用自动下载模型（~170MB，缓存 ~/.museav-models）')
+    .option('--out <path>', '输出路径（默认 <名>-nobg.png）')
+    .option('--model <name>', 'isnet（默认，质量优先）/ u2net')
+    .option('--overwrite', '允许覆盖已存在的输出文件')
+    .action(asyncRun((input, opts) => removeBgCmd(input, opts)));
+program
+    .command('upscale <file>')
+    .description('本地超分放大（Real-ESRGAN + Vulkan GPU，免登录）：默认 4x 输出 PNG。首次使用自动下载引擎与模型（~65MB，缓存 ~/.museav-bin 与 ~/.museav-models）')
+    .option('--out <path>', '输出路径（默认 <名>-<N>x.png）')
+    .option('--scale <n>', '放大倍数 2 / 3 / 4，默认 4')
+    .option('--model <name>', 'realesrgan-x4plus（通用照片，默认）/ realesrgan-x4plus-anime（插画动漫）')
+    .option('--overwrite', '允许覆盖已存在的输出文件')
+    .action(asyncRun((input, opts) => upscaleCmd(input, opts)));
+program
+    .command('remove-watermark <file>')
+    .description('本地去水印（免登录）：纯像素启发式自动定位水印 → LaMa 掩码修复，零模型依赖。首次使用自动下载修复模型（~200MB）；复杂画面用 --mask 手工指定（白=去除区）')
+    .option('--out <path>', '输出路径（默认 <名>-clean.png）')
+    .option('--mask <file>', '手工掩码图（白色=要去除的区域），跳过自动定位')
+    .option('--overwrite', '允许覆盖已存在的输出文件')
+    .action(asyncRun((input, opts) => removeWatermarkCmd(input, opts)));
+// 工作区（项目）与项目素材库：平台 → 账户 → 工作区三层归属，素材挂工作区
+const projectsCmd = program
+    .command('projects')
+    .description('工作区（项目）管理：一个账户多个工作区，每个工作区有自己的素材库（人像库/产品库各管各的业务）')
+    .action(withClient((client) => projects(client)));
+projectsCmd
+    .command('create')
+    .description('新建工作区（每账户最多 5 个）')
+    .requiredOption('--name <name>', '工作区名称（最多 20 字）')
+    .action(withClient((client, opts) => createProject(client, opts)));
+const assetsCmd = projectsCmd
+    .command('assets')
+    .description('项目素材库：列出 / 上传 / 删除该工作区的素材（垫图母版，不压缩）');
+assetsCmd
+    .description('列工作区素材库')
+    .option('--project <id|名>', '工作区 id 或名称（必填，不传会明确报错）')
+    .action(withClient((client, opts) => listAssets(client, opts)));
+assetsCmd
+    .command('add <file>')
+    .description('上传素材进工作区素材库（图片/音频/视频，按字节判型；母版不压缩）')
+    .requiredOption('--project <id|名>', '工作区 id 或名称')
+    .option('--name <name>', '素材名，如「白T正面」')
+    .option('--tag <tag>', '标签，可重复（产品 / 人像 / 场景…）', (v, acc) => [...acc, v], [])
+    .action(withClient((client, file, opts) => addAsset(client, file, opts)));
+assetsCmd
+    .command('rm <id>')
+    .description('删除素材（硬删：R2 对象 + 记录）')
+    .action(withClient((client, id) => removeAsset(client, { id })));
 program
     .command('reverse <input>')
-    .description('读图：反推 SCULPT prompt，stdout 输出英文 prompt。主路本地 Ollama（qwen3-vl，快，无需登录）；本地不可用回落中台 API（会提示较慢）。只读图；要做成模板用 image-to-template')
-    .option('--api', '跳过本地 Ollama，强制走中台 API（慢，需登录）')
+    .description('读图：反推 SCULPT prompt，stdout 输出英文 prompt。默认走中台 API（需登录）；--local 显式切本地 Ollama（需自备 qwen3-vl）。只读图；要做成模板用 image-to-template')
+    .option('--api', '强制走中台 API（默认路径）')
+    .option('--local', '改用本地 Ollama 读图（需先 ollama pull qwen3-vl:8b；本地不可用时回落 API）')
     .action(withLazyClient((getClient, input, opts) => reverse(getClient, input, opts)));
 program
     .command('image-to-template <input>')
@@ -235,9 +310,10 @@ program
     .action(withClient((client) => balance(client)));
 program
     .command('jobs')
-    .description('查自己名下的出图工作流（个人 login 看自己的；租户 apiKey 看业务下全部）——服务端固定返回最近 50 条，limit/status 是本地过滤')
+    .description('查自己名下的出图工作流（个人 login 看自己的；租户 apiKey 看业务下全部）——服务端固定返回最近 50 条，limit/status/project 是本地过滤')
     .option('--limit <n>', '最多显示几条（在最近 50 条以内截取），默认 20', '20')
     .option('--status <status>', '按状态过滤: pending / processing / done / failed（本地过滤，不是服务端查询）')
+    .option('--project <id|名>', '只看归档进该工作区的任务（本地过滤）')
     .action(withClient((client, opts) => jobs(client, opts)));
 program
     .command('whoami')

package/dist/local-bg.d.ts

@@ -0,0 +1,17 @@
+export declare const BG_MODELS: {
+    readonly isnet: {
+        readonly file: 'isnet-general-use.onnx';
+        readonly url: 'https://github.com/danielgatis/rembg/releases/download/v0.0.0/isnet-general-use.onnx';
+        readonly label: 'ISNet（通用，质量优先）';
+    };
+    readonly u2net: {
+        readonly file: 'u2net.onnx';
+        readonly url: 'https://github.com/danielgatis/rembg/releases/download/v0.0.0/u2net.onnx';
+        readonly label: 'U2Net（经典通用）';
+    };
+};
+export type BgModelKey = keyof typeof BG_MODELS;
+/** 模型在位返回路径；不在则下载（流式，进度打 stderr）。下载失败抛 Error */
+export declare function ensureBgModel(key: BgModelKey): Promise<string>;
+/** 抠图主流程：输入图片路径 → 输出带 alpha 的 PNG Buffer */
+export declare function removeBackgroundLocal(inputPath: string, modelKey: BgModelKey): Promise<Buffer>;

package/dist/local-bg.js

@@ -0,0 +1,143 @@
+/**
+ * 本地抠图（去背景）—— remove-bg 的核心实现。
+ * 模型走 ONNX（ISNet / U2Net，均 Apache-2.0），推理走 onnxruntime-node（MIT），
+ * 前后处理走 sharp —— 整条链路许可证干净（imgly 那个 npm 包是 AGPL，不进依赖），
+ * 且三个依赖在 macOS / Windows / Linux 都有预编译，无平台特化代码。
+ * 模型文件首次使用时下载到 ~/.museav-models/ 缓存（一次性 ~170MB）。
+ */
+import { mkdir, writeFile, stat } from 'node:fs/promises';
+import { join } from 'node:path';
+import { homedir } from 'node:os';
+export const BG_MODELS = {
+    isnet: {
+        file: 'isnet-general-use.onnx',
+        // rembg 官方 release 托管的同一份模型（Apache-2.0，源自 xuebinqin/DIS）
+        url: 'https://github.com/danielgatis/rembg/releases/download/v0.0.0/isnet-general-use.onnx',
+        label: 'ISNet（通用，质量优先）',
+    },
+    u2net: {
+        file: 'u2net.onnx',
+        url: 'https://github.com/danielgatis/rembg/releases/download/v0.0.0/u2net.onnx',
+        label: 'U2Net（经典通用）',
+    },
+};
+const MODEL_DIR = join(homedir(), '.museav-models');
+const INPUT_EDGE = 1024;
+function modelPath(key) {
+    return join(MODEL_DIR, BG_MODELS[key].file);
+}
+/** 模型在位返回路径；不在则下载（流式，进度打 stderr）。下载失败抛 Error */
+export async function ensureBgModel(key) {
+    const dest = modelPath(key);
+    try {
+        const s = await stat(dest);
+        if (s.size > 10_000_000)
+            return dest; // 正常模型都是百 MB 级；太小的文件视为残缺重下
+    }
+    catch {
+        // 不存在，走下载
+    }
+    await mkdir(MODEL_DIR, { recursive: true });
+    const def = BG_MODELS[key];
+    process.stderr.write(`↓ 首次使用，下载 ${def.label}（~170MB，一次性，缓存到 ${MODEL_DIR}）...\n`);
+    const resp = await fetch(def.url);
+    if (!resp.ok || !resp.body)
+        throw new Error(`模型下载失败 HTTP ${resp.status}：${def.url}`);
+    const total = Number(resp.headers.get('content-length') || 0);
+    const chunks = [];
+    let got = 0;
+    const reader = resp.body.getReader();
+    for (;;) {
+        const { done, value } = await reader.read();
+        if (done)
+            break;
+        chunks.push(Buffer.from(value));
+        got += value.length;
+        if (total)
+            process.stderr.write(`  ${((got / total) * 100).toFixed(0)}%\r`);
+    }
+    process.stderr.write('\n');
+    const buf = Buffer.concat(chunks);
+    if (buf.length < 10_000_000)
+        throw new Error('模型下载不完整，请重试');
+    await writeFile(dest, buf);
+    return dest;
+}
+/** 抠图主流程：输入图片路径 → 输出带 alpha 的 PNG Buffer */
+export async function removeBackgroundLocal(inputPath, modelKey) {
+    // 动态加载：onnxruntime-node 是 optionalDependency，缺失时给安装指引而不是崩
+    let ort;
+    try {
+        ort = await import('onnxruntime-node');
+    }
+    catch {
+        throw new Error('onnxruntime-node 不可用。重装 CLI 即可补上：npm install -g museav-cli');
+    }
+    const sharp = await loadSharpOrThrow();
+    const modelFile = await ensureBgModel(modelKey);
+    const session = await ort.InferenceSession.create(modelFile);
+    // ── 预处理：EXIF 转正、去 alpha、RGB raw ──
+    const { data: rgb, info } = await sharp(inputPath).rotate().removeAlpha().raw().toBuffer({ resolveWithObject: true });
+    if (info.channels !== 3)
+        throw new Error(`预处理得到 ${info.channels} 通道（预期 3）`);
+    // ── 模型输入：拉伸到 1024×1024，(x/255 - 0.5)/0.5 归一化，HWC → CHW ──
+    const small = await sharp(rgb, { raw: { width: info.width, height: info.height, channels: 3 } })
+        .resize(INPUT_EDGE, INPUT_EDGE, { fit: 'fill' })
+        .raw()
+        .toBuffer();
+    const f32 = new Float32Array(3 * INPUT_EDGE * INPUT_EDGE);
+    const N = INPUT_EDGE * INPUT_EDGE;
+    for (let i = 0; i < N; i++) {
+        f32[i] = (small[i * 3] / 255 - 0.5) / 0.5;
+        f32[N + i] = (small[i * 3 + 1] / 255 - 0.5) / 0.5;
+        f32[2 * N + i] = (small[i * 3 + 2] / 255 - 0.5) / 0.5;
+    }
+    const feeds = {};
+    feeds[session.inputNames[0]] = new ort.Tensor('float32', f32, [1, 3, INPUT_EDGE, INPUT_EDGE]);
+    const results = await session.run(feeds);
+    const out = results[session.outputNames[0]];
+    const maskFlat = out.data;
+    if (maskFlat.length < N)
+        throw new Error(`模型输出尺寸异常（${maskFlat.length}）`);
+    // ── 后处理：min-max 归一化到 0-255，再缩回原图尺寸 ──
+    let lo = Infinity;
+    let hi = -Infinity;
+    for (let i = 0; i < N; i++) {
+        const v = maskFlat[i];
+        if (v < lo)
+            lo = v;
+        if (v > hi)
+            hi = v;
+    }
+    const range = hi - lo || 1;
+    const mask8 = Buffer.alloc(N);
+    for (let i = 0; i < N; i++)
+        mask8[i] = Math.round(((maskFlat[i] - lo) / range) * 255);
+    const maskFull = await sharp(mask8, { raw: { width: INPUT_EDGE, height: INPUT_EDGE, channels: 1 } })
+        .resize(info.width, info.height, { fit: 'fill' })
+        .raw()
+        .toBuffer();
+    // ── alpha 合成：直接构造 RGBA（alpha = mask），不依赖 composite 的混合语义 ──
+    const w = info.width;
+    const h = info.height;
+    const rgba = Buffer.alloc(w * h * 4);
+    for (let i = 0; i < w * h; i++) {
+        rgba[i * 4] = rgb[i * 3];
+        rgba[i * 4 + 1] = rgb[i * 3 + 1];
+        rgba[i * 4 + 2] = rgb[i * 3 + 2];
+        rgba[i * 4 + 3] = maskFull[i];
+    }
+    return sharp(rgba, { raw: { width: w, height: h, channels: 4 } }).png().toBuffer();
+}
+async function loadSharpOrThrow() {
+    try {
+        const m = await import('sharp');
+        const sharp = m.default ?? m;
+        // 造 1px 图跑通全链路：native binding 坏了在第一次真用时才炸，这里提前暴露
+        await sharp({ create: { width: 1, height: 1, channels: 3, background: '#000' } }).raw().toBuffer();
+        return sharp;
+    }
+    catch {
+        throw new Error('sharp 不可用。重装 CLI 即可补上：npm install -g museav-cli');
+    }
+}

package/dist/local-upscale.d.ts

@@ -0,0 +1,21 @@
+export declare const UPSCALE_MODELS: {
+    readonly 'realesrgan-x4plus': {
+        readonly label: '通用照片（默认）';
+    };
+    readonly 'realesrgan-x4plus-anime': {
+        readonly label: '插画/动漫';
+    };
+};
+export type UpscaleModel = keyof typeof UPSCALE_MODELS;
+/** 首次使用时准备好二进制与模型，返回 { exe, modelDir }。之后直接走缓存 */
+export declare function ensureUpscaleRuntime(): Promise<{
+    exe: string;
+    modelDir: string;
+}>;
+/** 超分主流程：返回输出文件的字节数组由引擎直写磁盘，这里只负责调度 */
+export declare function upscaleLocal(opts: {
+    input: string;
+    output: string;
+    scale: number;
+    model: UpscaleModel;
+}): Promise<void>;

package/dist/local-upscale.js

@@ -0,0 +1,115 @@
+/**
+ * 本地超分（放大）—— upscale 的核心实现。
+ * 引擎：upscayl-ncnn（Real-ESRGAN 的 ncnn/Vulkan 后端，AGPL-3.0 —— 它是独立进程
+ * 二进制而非链接进 npm 包，CLI 与之分发解耦，不构成合并作品；这与把 AGPL 代码
+ * 编进依赖是两回事）。
+ * 跨平台：macOS（universal）/ Windows / Linux 二进制都在 upscayl 官方 release；
+ * 解压统一走 `tar -xf`（Win10+/macOS/Linux 都自带 libarchive 版 tar，不依赖 unzip）；
+ * 二进制落地后 chmod +x（Windows 不需要）。全程 node:child_process execFile，零 shell。
+ */
+import { mkdir, writeFile, stat, chmod } from 'node:fs/promises';
+import { join } from 'node:path';
+import { homedir } from 'node:os';
+import { execFile } from 'node:child_process';
+import { promisify } from 'node:util';
+const run = promisify(execFile);
+// 锁定已实测的版本（20251207-174704，macOS universal 实测可用），升级要重新过测试
+const UPSCAYL_TAG = '20251207-174704';
+const UPSCAYL_BASE = `https://github.com/upscayl/upscayl-ncnn/releases/download/${UPSCAYL_TAG}/upscayl-bin-${UPSCAYL_TAG}`;
+// 模型从 Real-ESRGAN 官方 release 的 zip 里取（只取需要的两个，别拖全量）
+const MODEL_ZIP = 'https://github.com/xinntao/Real-ESRGAN/releases/download/v0.2.5.0/realesrgan-ncnn-vulkan-20220424-macos.zip';
+export const UPSCALE_MODELS = {
+    'realesrgan-x4plus': { label: '通用照片（默认）' },
+    'realesrgan-x4plus-anime': { label: '插画/动漫' },
+};
+const BIN_DIR = join(homedir(), '.museav-bin', 'upscayl');
+const MODEL_DIR = join(homedir(), '.museav-models');
+function platformAsset() {
+    if (process.platform === 'win32')
+        return { zip: `${UPSCAYL_BASE}-windows.zip`, exe: 'upscayl-bin.exe' };
+    if (process.platform === 'darwin')
+        return { zip: `${UPSCAYL_BASE}-macos.zip`, exe: 'upscayl-bin' };
+    return { zip: `${UPSCAYL_BASE}-linux.zip`, exe: 'upscayl-bin' };
+}
+async function exists(path) {
+    try {
+        await stat(path);
+        return true;
+    }
+    catch {
+        return false;
+    }
+}
+async function download(url, dest, label) {
+    const resp = await fetch(url);
+    if (!resp.ok || !resp.body)
+        throw new Error(`${label} 下载失败 HTTP ${resp.status}`);
+    const total = Number(resp.headers.get('content-length') || 0);
+    const chunks = [];
+    let got = 0;
+    const reader = resp.body.getReader();
+    for (;;) {
+        const { done, value } = await reader.read();
+        if (done)
+            break;
+        chunks.push(Buffer.from(value));
+        got += value.length;
+        if (total)
+            process.stderr.write(`  ${label} ${(got / 1048576).toFixed(1)}/${(total / 1048576).toFixed(0)}MB\r`);
+    }
+    process.stderr.write('\n');
+    await writeFile(dest, Buffer.concat(chunks));
+}
+/** 首次使用时准备好二进制与模型，返回 { exe, modelDir }。之后直接走缓存 */
+export async function ensureUpscaleRuntime() {
+    const { zip, exe } = platformAsset();
+    const exePath = join(BIN_DIR, exe);
+    const modelDir = join(MODEL_DIR, 'realesrgan');
+    const paramPath = join(modelDir, 'realesrgan-x4plus.param');
+    if (!(await exists(exePath))) {
+        await mkdir(BIN_DIR, { recursive: true });
+        const zipPath = join(BIN_DIR, `dl-${process.platform}.zip`);
+        process.stderr.write(`↓ 首次使用，下载超分引擎（~15MB，一次性，缓存到 ${BIN_DIR}）...\n`);
+        await download(zip, zipPath, '引擎');
+        // tar -xf 解压：Win10+/macOS/Linux 自带，比依赖 unzip 稳
+        await run('tar', ['-xf', zipPath, '-C', BIN_DIR], { windowsHide: true });
+        // zip 里是 upscayl-bin-<tag>-<os>/upscayl-bin，拍平到 BIN_DIR
+        const { readdir } = await import('node:fs/promises');
+        for (const entry of await readdir(BIN_DIR, { withFileTypes: true })) {
+            if (entry.isDirectory()) {
+                const { rename, readdir: rd } = await import('node:fs/promises');
+                for (const f of await rd(join(BIN_DIR, entry.name))) {
+                    await rename(join(BIN_DIR, entry.name, f), join(BIN_DIR, f));
+                }
+            }
+        }
+        if (process.platform !== 'win32')
+            await chmod(exePath, 0o755);
+        if (!(await exists(exePath)))
+            throw new Error(`解压后未找到 ${exe}，请检查 ${BIN_DIR}`);
+        const { unlink } = await import('node:fs/promises');
+        await unlink(zipPath).catch(() => { });
+    }
+    if (!(await exists(paramPath))) {
+        await mkdir(modelDir, { recursive: true });
+        const zipPath = join(MODEL_DIR, 'dl-models.zip');
+        process.stderr.write('↓ 首次使用，下载超分模型（~50MB，一次性）...\n');
+        await download(MODEL_ZIP, zipPath, '模型');
+        await run('tar', ['-xf', zipPath, '-C', MODEL_DIR, 'models/realesrgan-x4plus.param', 'models/realesrgan-x4plus.bin', 'models/realesrgan-x4plus-anime.param', 'models/realesrgan-x4plus-anime.bin'], { windowsHide: true });
+        const { rename, rm } = await import('node:fs/promises');
+        for (const f of ['realesrgan-x4plus.param', 'realesrgan-x4plus.bin', 'realesrgan-x4plus-anime.param', 'realesrgan-x4plus-anime.bin']) {
+            await rename(join(MODEL_DIR, 'models', f), join(modelDir, f)).catch(() => { });
+        }
+        await rm(join(MODEL_DIR, 'models'), { recursive: true, force: true }).catch(() => { });
+        await rm(zipPath, { force: true }).catch(() => { });
+        if (!(await exists(paramPath)))
+            throw new Error(`模型解压失败，请检查 ${modelDir}`);
+    }
+    return { exe: exePath, modelDir };
+}
+/** 超分主流程：返回输出文件的字节数组由引擎直写磁盘，这里只负责调度 */
+export async function upscaleLocal(opts) {
+    const { exe, modelDir } = await ensureUpscaleRuntime();
+    // 不走 shell 拼接；路径原样传参，空格/中文路径都安全
+    await run(exe, ['-i', opts.input, '-o', opts.output, '-s', String(opts.scale), '-n', opts.model, '-m', modelDir], { windowsHide: true });
+}

package/dist/local-vision.js

@@ -16,6 +16,14 @@ function ollamaHost() {
         host = `http://${host}`;
     return host.replace(/\/+$/, '');
 }
+// 各系统启动 Ollama 的正确姿势不同，提示语跟着平台走（Windows 没有 brew）
+function ollamaStartHint() {
+    if (process.platform === 'win32')
+        return '启动 Ollama 应用（开始菜单 / Ollama.exe），或命令行运行 ollama serve';
+    if (process.platform === 'darwin')
+        return 'brew services start ollama，或 ollama serve';
+    return 'systemctl --user start ollama，或 ollama serve';
+}
 /** 探活 + 模型在位检查。3 秒探不通就是没起服务，不等推理超时才发现 */
 export async function checkLocalVlm() {
     const host = ollamaHost();
@@ -32,7 +40,7 @@ export async function checkLocalVlm() {
         return { running: true, modelPresent: true, host };
     }
     catch {
-        return { running: false, modelPresent: false, host, reason: `Ollama 未运行（${host}），启动: ollama serve 或 brew services start ollama` };
+        return { running: false, modelPresent: false, host, reason: `Ollama 未运行（${host}），${ollamaStartHint()}` };
     }
 }
 /** SCULPT 系统提示词 —— 从中台 reverse-template.js 移植。本地路只做纯读图，

package/dist/local-watermark.d.ts

@@ -0,0 +1,21 @@
+export interface Bbox {
+    x1: number;
+    y1: number;
+    x2: number;
+    y2: number;
+}
+/**
+ * 纯像素启发式水印定位（零模型依赖）。
+ * 原理：半透明水印（角标/文字）是「低对比、高频、铺在大片区域的细碎纹理」，
+ * 把四角区域做中值模糊后与原图差分，叠字区会出现稳定的高差值像素团。
+ * 判定保守：角区差分像素占比在 [0.3%, 8%] 才算水印（太少=没叠字，
+ * 太多=画面本身纹理复杂，不硬修）；坐标 0-1000 归一化输出。
+ * 误检最坏是 LaMa 重绘一块（轻微损伤），另有 --mask 手工精确兜底。
+ */
+export declare function detectWatermarkBoxes(imagePath: string): Promise<Bbox[]>;
+/** 掩码修复主流程：mask 白色=要去除（Buffer 或文件路径）；输出 PNG Buffer。
+ *  模型是固定 512×512 输入——整图缩进去会毁分辨率，所以按掩码连通域逐块处理：
+ *  裁出带边距的局部 → letterbox 进 512 修复 → 只把掩码内的像素贴回原图。 */
+export declare function inpaintLocal(imagePath: string, mask: Buffer | string): Promise<Buffer>;
+/** 从检测框生成掩码 Buffer（框外扩 2%，白=去除区） */
+export declare function maskFromBoxes(imagePath: string, boxes: Bbox[]): Promise<Buffer>;