图片处理批量去背景与尺寸规范化在线工具 AI 提示词 (Prompts)

这篇 Prompt 能帮你做什么

目标：让 AI 直接产出一个“可运行/可部署”的在线图片批处理工具：上传多张图片（PNG/JPG/WebP），自动去背景（基于分割模型或传统算法可配置），并按规则统一尺寸与输出格式，最后打包下载。

适用场景：电商主图批量处理、内容运营素材统一尺寸、设计团队交付前的图片规范化、历史素材库批量清洗。

交付物要求（硬约束）

AI 输出必须包含：完整项目代码、清晰文件树、可复制运行命令、Docker 部署说明、以及测试用例或 QA checklist。工具必须能在本地跑通并可一键部署到服务器。

功能清单（建议做成可勾选）

1) 多文件上传（支持拖拽、批量选择）；2) 去背景：提供“快速模式/高质量模式”，并允许选择背景填充（透明/白色/指定颜色）；3) 尺寸规范化：支持按最长边等比缩放、固定宽高裁切、留白填充；4) 输出格式：PNG/JPEG/WebP，可选质量；5) 批量导出：ZIP 下载；6) 处理日志：每张图的耗时/失败原因；7) 隐私：默认不持久化，处理完即删除临时文件。

Prompt（复制到你的 AI 里直接用）

你是一名资深全栈工程师和 DevOps 工程师。请为我生成一个“在线图片批量去背景与尺寸规范化工具”的完整可运行项目。

业务目标：用户在网页上传多张图片（JPG/PNG/WebP），服务器端完成去背景 + 尺寸规范化 + 格式转换，并打包 ZIP 供下载。严禁任何“生成新图片/出图/海报/渲染图”方向内容；只允许处理用户上传的现有图片。

技术栈要求（可选其一，但必须完整可运行）：

方案 A：Node.js 20 + Express + Type + Sharp（尺寸/格式处理）+ 可选 rembg（通过 Python 子进程或独立服务）
方案 B：Python 3.11 + FastAPI + Pillow + rembg（ONNX/CPU 版本），前端用简单的 HTML + JS 或者 Vite

硬性交付物：

项目文件树（tree）
所有源代码（前端+后端）
本地运行命令（含依赖安装）
Dockerfile + docker-compose.yml（可选）与一键启动说明
配置说明（环境变量、端口、上传大小限制）
测试：至少包含 6 条可执行的测试用例（单元或集成），或给出可操作的 QA Checklist（至少 12 条）

功能细节：

上传：支持多文件；限制单文件大小与总大小；前端显示进度
处理参数：背景模式（透明/白/自定义色）、尺寸策略（等比缩放/裁切/留白）、目标尺寸（如 1024x1024 或自定义）、输出格式与质量
去背景实现：提供“快速/高质量”两档；失败时给出可读错误，并允许跳过该文件继续其他文件
输出：返回 ZIP；ZIP 内保持原始文件名（去掉非法字符）并生成处理清单 manifest.json（包含每张图的输入/输出、参数、耗时、状态）
安全：不要记录或回传用户图片内容；临时文件按任务完成后清理；对上传做 MIME 校验与扩展名白名单；防止路径穿越
性能：任务队列与并发控制；建议默认并发 2-4；给出可调参数

输出格式要求：

先给出 10 行以内的项目概览
给出文件树
逐文件输出代码（用清晰的文件路径标题分隔）
给出运行命令与示例请求（curl）
给出 Docker 部署、Nginx 反代示例（可选）
给出测试/QA 部分

请确保项目可以在 CPU 环境运行；如果需要模型文件，请给出自动下载与缓存策略，并在 README 中说明体积与首次启动耗时。

部署与验收建议

部署建议：优先使用 Docker 部署到一台普通 CPU 服务器；设置上传大小限制与超时；开启 HTTPS。验收时用 20 张不同尺寸/格式图片跑通完整流程，并核对 manifest.json 与输出压缩包内容一致。

QA Checklist（可直接拷贝给测试）

1) 上传 JPG/PNG/WebP 各 3 张；2) 单张超限是否拦截；3) 总大小超限是否提示；4) 非图片文件是否拒绝；5) 去背景失败是否只影响单张；6) 并发处理是否不崩；7) 输出 ZIP 是否包含全部成功文件；8) 文件名是否被安全清理；9) 参数变更后结果是否变化；10) 任务完成后临时目录是否清空；11) manifest.json 是否包含耗时与状态；12) HTTPS 反代后是否正常下载。