prompt

human_analysis_service.py

@@ -95,7 +95,7 @@ def create_highlighted_visualization(image: Image.Image, masks, output_path: str
     # Save
     Image.fromarray(result_np).save(output_path)
 
-def analyze_demographics_with_qwen(image_path: str, model_name: str = 'qwen-vl-max') -> dict:
+def analyze_demographics_with_qwen(image_path: str, model_name: str = 'qwen-vl-max', prompt_template: str = None) -> dict:
     """
     调用 Qwen-VL 模型分析人物的年龄和性别
     """
@@ -104,19 +104,24 @@ def analyze_demographics_with_qwen(image_path: str, model_name: str = 'qwen-vl-m
         abs_path = os.path.abspath(image_path)
         file_url = f"file://{abs_path}"
         
+        # 默认 Prompt
+        default_prompt = """请仔细观察这张图片中的人物头部/面部特写：
+1. 识别性别 (Gender)：男性/女性
+2. 预估年龄 (Age)：请给出一个合理的年龄范围，例如 "25-30岁"
+3. 简要描述：发型、发色、是否有眼镜等显著特征。
+
+请以 JSON 格式返回，包含 'gender', 'age', 'description' 字段。
+不要包含 Markdown 标记。"""
+
+        final_prompt = prompt_template if prompt_template else default_prompt
+
         # 构造 Prompt
         messages = [
             {
                 "role": "user",
                 "content": [
                     {"image": file_url},
-                    {"text": """请仔细观察这张图片中的人物头部/面部特写：
-1. 识别性别 (Gender)：男性/女性
-2. 预估年龄 (Age)：请给出一个合理的年龄范围，例如 "25-30岁"
-3. 简要描述：发型、发色、是否有眼镜等显著特征。
-
-请以 JSON 格式返回，包含 'gender', 'age', 'description' 字段。
-不要包含 Markdown 标记。"""}
+                    {"text": final_prompt}
                 ]
             }
         ]
@@ -144,7 +149,8 @@ def process_face_segmentation_and_analysis(
     image: Image.Image, 
     prompt: str = "head", 
     output_base_dir: str = "static/results",
-    qwen_model: str = "qwen-vl-max"
+    qwen_model: str = "qwen-vl-max",
+    analysis_prompt: str = None
 ) -> dict:
     """
     核心处理逻辑：
@@ -209,7 +215,7 @@ def process_face_segmentation_and_analysis(
         cropped_img.save(save_path)
         
         # 3. 识别
-        analysis = analyze_demographics_with_qwen(save_path, model_name=qwen_model)
+        analysis = analyze_demographics_with_qwen(save_path, model_name=qwen_model, prompt_template=analysis_prompt)
         
         # 构造返回结果
         # 注意：URL 生成需要依赖外部的 request context，这里只返回相对路径或文件名