职业头像生成

为什么需要它

把一张普通自拍或证件照变成职业头像，看起来是一句 prompt 就能完成的事，实际落地却处处是坑：风格描述词在不同模型间并不通用，客户端拼凑的长 prompt 容易被上游画布节点覆盖，更常见的结果是人脸一致性和职业感两头都不沾。职业头像生成把这件事收敛成一次 image_edit 调用：服务端用固定的风格配方组装提示词，客户端只负责提供参考人像和结构化选项。

技能如何工作

核心流程分四步：

• 分析参考图：从用户提供的人像中判断性别与年龄，填入 payload.options
• 提交任务：POST /api/v1/llm/invoke，model 固定为 ixhlink-skills-career-avatar-gen，capability 为 image_edit
• 付费重试：命中 HTTP 402 时调起微信支付，支付成功后用完全相同的 JSON body 重试
• 轮询取图：慢任务异步执行，轮询至 status = succeeded 后从 data.result.data[].url 取回图片

选项字段包括 gender、age、profession、clothing、background 等，其中 profession 决定商务、科技、医疗等风格走向。最关键的一条约束是：不要在客户端拼长 prompt，风格配方由服务端画布节点固定应用，客户端重写风格长文只会引入偏差。

适用边界与注意点

• 必须有参考图：至少 1 张人像，无图时直接提示上传，不存在凭空生成
• 以图为准：文字描述与图片冲突时，默认以图片为准
• 单次付费：2 元一次，订单用后不可复用；调用前需确认 Agent 已具备微信支付能力
• 结果自检：出图后核对人脸一致性、头肩 1:1 构图和职业风格匹配度，不通过时调整 options 重新提交
• 失败排查：400 多为参考图缺失或 options 不足，404 多为模型未启用或 capability 不匹配