linkpix-model-outfit-swap · git:20260821.b7c4a1b · 2026-08-21 · sha256 223b60cf07de1ecd
linkpix-model-outfit-swap git:20260821.b7c4a1bA
Immutable. This exact content is served forever at /api/v1/blob/223b60cf07de1ecd.
---
name: linkpix-model-outfit-swap
description: 上传服装图即可生成真人模特试穿效果,支持不同模特、体型和国家风格,帮助服装卖家快速制作商品展示图。当用户要求模特试穿、服装上身图、平铺图变上身效果、换装展示时必须触发。关键词:LinkPix、qhkit、换装、模特试穿、试穿图、上身图、服装上身、平铺变上身、虚拟试衣、服装展示图。
user-invocable: true
homepage: https://www.npmjs.com/package/@iqinghu/qhkit
metadata: {"openclaw":{"emoji":"👗","requires":{"bins":["qhkit"]},"install":[{"kind":"node","package":"@iqinghu/qhkit","bins":["qhkit"]}]}}
---
# AI电商模特换装工具 | LinkPix
服装平铺图/挂拍图变真人上身效果,或把服装穿到指定模特身上:底层是 `qhkit image` 自定义生图 + 参考图。
## 何时触发
- 「这件衣服生成模特上身图」「平铺图变试穿效果」
- 「换个体型/国家风格的模特穿这件」
## 使用配方
```bash
# 服装图 + 模特图(官方模板:图1 服装图、图2 模特图,顺序不能反)
qhkit image generate '{"modelLabel":"智慧模型","uploadedImages":["./服装图.jpg","./模特图.jpg"],"prompt":"将图片1的【衣服】换到图片2中【模特的身上】"}'
# 只有服装图:描述目标模特
qhkit image generate '{"modelLabel":"智慧模型","uploadedImages":["./服装平铺图.jpg"],"prompt":"让一位25岁左右的亚洲女性模特自然穿上图中这件服装,全身站姿,纯色影棚背景,服装版型、花色与细节保持完全一致,真实商业摄影质感"}'
```
官方提示词模板(与 LinkPix 工作台「模特换衣」功能同款):`将图片1的【衣服】换到图片2中【模特的身上】`。
- 模特描述维度:性别、年龄段、国家/肤色、体型、姿势、场景;跨境本地化时按目标市场写。
- 同一件衣服要多个模特版本:逐版本循环提交。
**模型选择**:默认 `智慧模型`(效果好、有免费额度,LinkPix 工作台各图片编辑功能同用此模型);要更强真实感或更快换 `图片 5.0 Pro`;多张产出之间要细节一致用 `图片 5.0 Lite`;用户明确要最好效果且不赶时间用 `专图模式`。
**尺寸**:`sizePreset` 逐模型独立,先查再传:`qhkit image options '{"queryParams":["sizePreset","imageCount"],"modelLabel":"智慧模型"}'`;`imageCount` 可选 1/2/4/6/8/10。
**提示词**:官方模板中的 `【】` 表示需填入/替换的内容,生成时保留【】并把实际内容写在里面即可;可在模板后追加细节要求。
**注意**:这是生成式重绘,不是像素级修图——主体细节可能有轻微差异,出图后应引导用户核对关键细节(文字、logo、商品结构)。
## 环境自举(缺什么装什么,不要因环境缺失放弃任务)
本技能依赖 `qhkit` 命令(npm 包 `@iqinghu/qhkit`),可完全独立安装。按顺序检测,缺失就地补齐:
1. **有 qhkit 吗?** `qhkit config show` 能跑通即就绪,跳到第 4 步。
2. **没有 qhkit 但有 node/npm**(OpenClaw/Hermes 机器部署流程保证自带 Node 22+)→ 全局安装(推荐):
```bash
npm i -g @iqinghu/qhkit --registry=https://registry.npmmirror.com
```
仅当全局安装因权限失败且无法提权时,才退而用 `npx @iqinghu/qhkit <命令> ...`(npx 必须写包全名)。
3. **连 node 都没有**(要求 Node ≥ 18):先装 Node 再回到第 2 步。
```bash
# Linux 二进制安装(无需 root 包管理器):
curl -fsSL https://registry.npmmirror.com/-/binary/node/v22.22.3/node-v22.22.3-linux-x64.tar.xz | tar -xJ -C /usr/local/lib/
export PATH="/usr/local/lib/node-v22.22.3-linux-x64/bin:$PATH"
```
macOS 用 `brew install node`;Windows 用 winget/官网安装包。arm64 机器把 `x64` 换成 `arm64`。
4. **密钥**:OpenClaw 机器存在 `/root/.openclaw/qinghu_config.json` 时自动复用、零配置。其他机器执行 `qhkit config set --token <密钥> --env prod`(密钥让用户从 https://www.iqinghu.com/workbench/dashboard/api-keys 获取),或设环境变量 `QHKIT_TOKEN`。
5. **自检**:`qhkit config show` 输出脱敏配置即全部就绪。
**升级**:出现以下任一信号,先升级再重试原命令——命令返回 `{"ok":false,"stage":"version",...}`(版本门禁,message 里就是升级命令,照做即可);stderr 提示有新版本;`options` 返回 `catalogNotice` 且用户恰好要用那个新模型;报「模式在线上已下架或配置变更,请升级 qhkit」。
```bash
npm i -g @iqinghu/qhkit@latest --registry=https://registry.npmmirror.com
```
安装/配置失败时把具体报错告诉用户(常见:无写权限 → 提示用户提权或改用 npx;无网络 → 让用户处理网络)。
## 调用契约
- 形式:`qhkit <命令> <action> '<json>'`,或 `qhkit <命令> <action> @params.json`(参数写进文件,避免 shell 转义问题,推荐)。
- stdout 恒为一行 JSON;失败为 `{"ok":false,"stage":"...","message":"..."}` 且退出码 1,把 message 原样转告用户。stderr 可能出现提示行,不是错误。
- 图片/视频参数直接填本地文件路径(CLI 自动上传换取 URL),素材已在公网时填 http(s) URL 也可。
- 标签类参数(`modelLabel`、`sizePreset`、`themeLabel` 等)必须与 `options` 返回的候选值逐字一致,不要自造或翻译;拿不准先调 `options`。
## 报价、轮询与交付
- **提交前确认(硬规则)**:`generate` 会创建任务、消耗积分,发起前必须把本次提交的关键参数一次性列给用户——模型/模板、出图张数或视频时长、尺寸与画质、语言、用到哪几张参考图,以及 `estimate` 报出的预计扣除积分(不支持 estimate 的命令如实说「以实际扣费为准」)——**等用户明确同意后才能执行提交**。参数全部来自用户原话时也要复述确认一遍(口头描述与实际枚举值可能有出入,任务提交后不可取消)。只读 action(`options` / `estimate` / `status` / `templates` 等)无需确认。
- **报价**:要把积分数字报给用户时,先跑 `qhkit image estimate '<与 generate 完全相同的参数>'`,报它返回的 `credits`(实扣值,秒回、无副作用);`enough:false` 时提前告知余额不足。不要引用文档快照报价。
- **轮询**:`image generate` 自带轮询,阻塞到出图(最长约 14 分钟),返回里直接有图片 URL,不需要再查 status。
- **交付**:产物 URL 在返回的 `images` 字段里,按当前环境的媒体交付约定发给用户;产物必须和「生成完成」写在同一轮回复,并附返回里的实扣 `credits`(「本次实际消耗 X 积分」)。
- **失败**:转述 CLI 的 message(已是面向用户的中文,常见:积分不足、内容审核未通过),不要重试轰炸。
## 能力边界
- 换脸(保衣换人脸)走「AI电商模特换脸工具 | LinkPix」;多姿势成套走「电商服装模特多姿势套图生成器 | LinkPix」;改服装颜色走「AI电商服装换色工具 | LinkPix」。