TECHNOLOGY

引擎拆解

支撑「图像 coding agent」的引擎

首页说它会自己干活。这一页，告诉你它怎么做到的。底层是一个 coding agent 式的推理引擎：两层上下文压缩、模型自动降级链、结构化视频线、三层一致性锚 —— 让任何模型,哪怕 Qwen,都能在你本地稳定交付整套视觉。

Tools

工具

图片编排能力

一句话,排出一整套风格统一、可继续编辑的视觉

智能体把需求拆成多张子图,在同一块分层画布上并行生成、统一构图与色调,再逐张落到可回退的图层工程里 —— 不是一次性出图,而是把整套电商 / 品牌物料编排好交付。

实时演示 · 智能体在分层画布上编排一整套电商视觉

·分层画布:每张图都是非破坏性图层工程,蒙版 / 调整 / 局部随时回退
·成套一致:一款货 → 主图 / 详情 / 多色变体,主体与风格跨图统一
·多模型择优:按子任务在 16 个模型间自动选型,不用记参数
·本地直读直写:读项目素材、成片写回硬盘,不强制上云

02Video Generation

视频生成能力

静帧长成短片 —— 逐镜可控的图生视频时间线

把编排好的画面直接拉进视频线:每个镜头的首帧、尾帧、参考片、配音都由智能体填好并可视编辑,沿时间线串成一支完整的品牌短片 —— 全程非黑盒,逐镜可改。

实时演示 · 视频线逐镜填充首尾帧与参考片,串成品牌短片

·图生视频:从成套静帧直接生成镜头,主体与风格延续
·逐镜可控:首帧 / 尾帧 / 参考片 / 配音逐个镜头独立设定
·时间线编排:多镜头拼接成片,节奏与转场可调
·模型调度:Veo / Seedance 等视频模型按镜头需求自动选用

03Local Operation

本地操作能力

不止生成 —— 还能直接在你本机读写文件、改代码、跑命令

智能体不是只会出图的聊天框:它能列目录、读文件、grep 定位、改代码、新建目录、删旧脚本、跑构建并做类型检查 —— 全部在你本机完成,破坏性操作前先列清单等你确认,素材与代码不离开本地。

实时演示 · 智能体在你本机读取 / 改写 / 删除文件并跑构建,全程不上云

·文件系统:列目录 / 读写 / 编辑 / 新建目录 / 删除,直达你的工作区
·代码与检索:glob / grep 定位,改完跑 LSP 类型检查兜底
·Shell:执行构建、批处理等命令,产物写回本地目录
·权限分级:删除 / 改写等破坏性操作先确认,不擅自动手

§ UNDER THE HOOD

驱动这一切的智能体引擎

上面是能力,下面是支撑能力的引擎层 —— 完整工具箱与工程纵深,面向想深入了解的人(技术文档)。

§ TOOLS

77 TOOLS · 13 CATEGORIES

智能体的完整工具箱

Agent 在每一轮循环中,从这 77 个工具里挑选下一步要调用的那个。按职能分为 11 类,权限按风险三级分级。

Generation

生成4 tools

Agent 的核心生成能力

Generate Image生成图像

generate_image

Inline Image工作流内生成

generate_image_inline

Generate Video生成视频

generate_video

Batch批量生成

generate_batch

Editing & Analysis

编辑与分析5 tools

视觉理解 + AI 修图

EditAI 修图

edit_image

Capture截屏画布

screen_capture

Analyze图像分析

analyze_image

Product产品分析

analyze_product

Set Params调整参数

set_params

Filesystem

文件系统8 tools

本地直读直写,零云端中转

List Directory列出目录

list_directory

Read读文件

read_file

Write写文件

write_file

Edit File编辑文件

edit_file

Glob通配搜索

glob_search

Grep全文搜索

grep_in_files

Create Dir建目录

create_directory

Delete删除文件

delete_file

Shell & I/O

系统3 tools

操作系统级访问

Shell终端命令

shell_execute

Export导出文件

export_file

Import导入文件

import_file

Network

网络2 tools

联网获取上下文

Search联网搜索

web_search

Fetch网页抓取

web_fetch

Tasks

任务6 tools

崩溃零损失任务系统

Create建任务

task_create

Update更新任务

task_update

List任务列表

task_list

Get取任务

task_get

Stop停止任务

task_stop

Output任务输出

task_output

User Interaction

用户对话3 tools

高敏感操作必须二次确认

Reply回复用户

Ask提问用户

ask_user_question

Confirm请求确认

ask_confirmation

Multi-Agent

代理协作7 tools

Agent 雇佣 Agent

Spawn派生代理

spawn_agent

Register注册代理

register_agent

List Agents代理列表

list_agents

Job Status任务状态

agent_job_status

Products产品列表

list_products

Active Product当前产品

get_active_product

Find Product查找产品

find_product

Workflow

工作流4 tools

Plan Mode + 工具发现

Plan Mode进入计划模式

enter_plan_mode

Exit Plan退出计划

exit_plan_mode

Tool Search工具发现

tool_search

Sleep延时

sleep

Memory & Team

记忆 / 协作7 tools

长对话不失忆 + 团队消息

Save Memory保存记忆

save_memory

Send Message发送消息

send_message

Read Mailbox读取邮箱

read_mailbox

Team Create建团队

team_create

Team List团队列表

team_list

Team Delete解散团队

team_delete

Team Message团队消息

team_message

Code & Schedule

代码 / 调度12 tools

Cron + LSP + Worktree

Todo Write写待办

todo_write

Todo Read读待办

todo_read

Worktree进入工作树

enter_worktree

Exit Worktree退出工作树

exit_worktree

LSP Diagnose代码诊断

lsp_diagnostics

LSP Definition查定义

lsp_definition

LSP References查引用

lsp_references

LSP Hover悬停信息

lsp_hover

Cron定时调度

cron_create

Cron List定时列表

cron_list

Cron Delete删除定时

cron_delete

Capabilities查模型能力

query_model_capabilities

Asset Library

素材库8 tools

资产分类 + 全局画风锚,跨镜一致性

Init Library初始化素材库

init_asset_library

Create Category建分类

create_category

Delete Category删分类

delete_category

Style Anchor设画风锚

set_style_anchor

Search Assets查素材

search_assets

Import Assets导入素材

import_assets

Add Asset添加素材

add_asset

Remove Asset移除素材

remove_asset

Video Line & Voice

视频线 / 配音8 tools

连续分镜 + 角色音色,长片一气呵成

Set Shot设置分镜

set_shot

Search Videos查视频

search_videos

Stitch Videos拼接视频

stitch_videos

Reorder Shots重排分镜

reorder_videos

Cast Voices角色配音表

cast_character_voices

Gen Speech生成配音

generate_speech

Clone Voice克隆音色

clone_voice

List Voices音色列表

list_voices

§ ENGINEERING

十个工程纵深

上面是清单。下面是清单背后的真功夫——这十个工程点决定了 Agent 不是噱头,而是可以交付电商生产的工业级系统。

Loop Reasoning

循环推理

不是流水线,是 200 轮闭环

市面上大多数 AI Agent 本质是流水线——把大模型调用串成一条预设步骤,遇到临场变化立刻僵住。

FigCraft 的图像 Agent 是真正的循环推理:每一轮都重新观察画布、参考图、历史决策,动态决定下一步调哪个工具。单次任务最多支持 200 轮闭环推理。

·每轮 LLM 重新判断,不按预设脚本走
·工具调用结果立即反馈到下一轮决策
·单工具失败不会让整个任务崩溃,Agent 会诊断错误后改变策略

Permission Tiers

工具三级权限

解决 AI 拿着钱乱跑的焦虑

Agent 手上的 77 个工具按风险严格分级,让品牌方安心交权给 AI。

·只读工具(分析图片、搜索参考、截屏画布)→ 并行执行,速度最快
·破坏性工具(生图、修图、合成、导出)→ 串行执行,避免并发冲突
·高敏感工具(终端命令、覆盖本地文件、批量删除)→ 每次弹窗二次确认,Agent 无法绕过
·工具可返回 terminal 信号立即结束循环,防止无意义继续烧 token

Shared-Subject Strategy

服装多 SKU 一致性

四模式 × 三锚定

服装品牌最头疼的问题:同一款冲锋衣 30 个颜色拍出来全是不同人穿的——AI 生图时随机性让主体发散。

FigCraft 为电商图专门设计了四种生成模式 × 三种锚定策略,保证一组图里主体严格一致。

·四模式:单图 / 独立变体 / 共享主体 / 序列演化——系统自动识别任务类型
·锚定策略一 · 上传锚定:每一张图都回参用户原始照片,主体最贴近真实
·锚定策略二 · 英雄图锚定:首张定调,后续全部参考首图,风格最统一
·锚定策略三 · 链式锚定:任意一张图可以参考之前任意一张,想继承某张的光线/构图/配色都行
·每张图的锚定决策必须写进执行计划,客户在批准前能看见能改

Plan Approval

零意外消耗

任何多步操作必须先出计划

Agent 启动多步任务前,必须先把完整步骤展示给用户:「将生成 1 张白底主图 + 3 张雪山场景 + 2 张沙漠场景,预计消耗 12 积分,每张锚定用户上传图」。

用户三选项:一键批准执行 / 取消 / 用自然语言修改。只有批准后 Agent 才真正花钱。

·批准前零积分消耗:计划阶段不调用生图
·支持多轮修订:不满意可以反复让 Agent 重出计划
·批准过的计划自动归档,事后可追溯每一笔积分的去向

Tool Result Cache

智能缓存

防模型健忘症反复调用

中等智能的大模型有个常见毛病:同一个工具反复调用,一遍不够调两遍,每次都烧 token。

我们在 Agent 单次运行内做了工具结果缓存——相同的只读工具 + 相同参数,第二次直接复用上一次的结果。

·同一 run 内只读工具结果自动缓存复用
·缓存键基于工具名 + 参数哈希,精确识别
·单次复杂任务可节省 30-50% 的 token 消耗

Context Memory

长对话不失忆

双层记忆体系

服装品牌一次拍摄会生成上百张图,对话滚到几十轮。普通框架这时候要么爆上下文、要么胡言乱语。

我们做了两层记忆:短期靠 token 预算管理 + 自动摘要,长期靠持久化记忆 + 固定池。

·短期:token 超过 100k 阈值时,自动调 LLM 把早期对话摘要成一段话
·长期:每次压缩生成的摘要写入本地持久化,下次启动自动注入系统提示词
·固定池:每张图都附带来源元信息(用户上传还是 AI 生成、第几轮、什么 prompt)
·Agent 在第 80 轮对话里依然记得第 3 轮用户上传过什么图

Task Persistence

崩溃零损失任务系统

递增 ID · 位置索引 · 本地持久化

企业环境下,应用崩溃、断电、关机重启是常事。传统 AI 工具一崩溃,当前任务全部丢失。

我们的任务系统采用三层设计,崩溃恢复零损失。

·任务 ID 用递增字符串(1 / 2 / 3)而非 UUID,降低模型记忆负担,调度更稳
·子任务用位置索引(0 / 1 / 2),模型不用记长字符串
·本地持久化最多 100 个任务历史,随时查看随时恢复
·重启自动修复:所有「假进行中」任务降级为 paused,不会出现幽灵任务

Network Resilience

网络容错

API 抖动不影响出图

调用第三方大模型 API 的人都懂——偶尔超时、偶尔 500、偶尔限流。Agent 必须把这些都吃下来。

·API 120s 超时(长思考模型留够时间)
·3 次重试 + 指数退避(500ms → 1s → 2s)
·4xx 客户端错误立即失败不重试,5xx / 429 / 超时自动重试
·响应格式异常也当失败处理,触发重试而非返回空
·空响应显式报错(可能是安全过滤 / max_tokens 被 thinking 吃光),不静默退出

Dynamic Prompt

系统提示词每轮重建

永远看到最新画布

大多数 Agent 的系统提示词是「一次性定死」——开机注入一次,后续对话里 Agent 不知道画布变了、你换了模型、新上传了参考图。

我们的 Agent 每一轮循环都重新构建系统提示词,把当前画布状态、参考图池、选中物体、可用模型能力全部动态注入。

·画布有图 / 空白 / 比例 / 分辨率实时感知
·参考图池总览逐索引标注,Agent 不会搞混
·可用模型 + 当前模型能力(多参考 / inpainting / 最大 N 张)实时传入
·用户切换模型后 Agent 立即知道新模型能做什么不能做什么

Event Stream

全程可见

每一步都不是黑盒

Agent 在思考什么、调了什么工具、返回了什么结果、为什么请求确认——全部实时推送给前端 UI。

客户能看见 Agent 每一次决策,信任感完全不同于「转圈圈等结果」的黑盒工具。

·事件类型:thinking / tool_call / tool_result / message / permission_request / error
·工具调用参数实时展示,客户能反向学习 Agent 怎么思考
·错误信息友好化:提示切换模型、简化请求等具体可操作建议

§ IMAGE AGENT

这就是图像智能体。

不是 prompt 级,是任务级。用户描述需求,Agent 自己拆解、调度、执行、交付。从 1 张产品图到一整套品牌视觉系统,从单个 SKU 到 30 个颜色的多变体一致性,从静图到视频——全程不需要你切工具、记参数、调模型。

不是聊天框,是工作站。77 个工具、16 个顶级模型、本地素材直读、成片写回硬盘、敏感品牌图零云端留存。这是为电商图像生产场景从零打磨的图像智能体。

下载桌面端 →预约一场深度演示