Beschreibung
nvzhuang ist ein GitHub-Repository, das eine virtuelle Anprobe-Website anbietet, die KI nutzt, um Referenzbilder für Damenbekleidung zu generieren. Das Projekt umfasst eine Sammlung von 1407 KI-generierten Referenzbildern und unterstützt sowohl englische als auch chinesische Suchanfragen, was es einem breiten Benutzerkreis zugänglich macht. Es integriert beliebte KI-Bildgenerierungsdienste wie OpenAI Images, Google Gemini und Doubao und bietet den Benutzern die Flexibilität, benutzerdefinierte Basis-URLs, API-Schlüssel und Modelle zu konfigurieren.
Weiterlesen
Ein zentrales Augenmerk des nvzhuang-Projekts liegt auf Sicherheit und robuster Bereitstellung. Das Dokument `AGENTS.md` umreißt strenge Sicherheitsrichtlinien für KI-Agenten und Mitarbeiter und betont ein „Null-Leck-Prinzip“. Dies schließt das absolute Verbot ein, echte API-Schlüssel, private Tokens, Passwörter oder Zertifikatsschlüssel in das Git-Repository zu committen. Stattdessen sind nur Konfigurationsdateien mit leeren oder Platzhalter-Schlüsselfeldern erlaubt. Persönliche Privatsphäre und sensible Informationen sind ebenfalls streng verboten in Code, Kommentaren, Commit-Nachrichten oder PR-Beschreibungen.
Der Backend-Dienst, der mit GoFrame erstellt wurde, integriert defensive Programmierpraktiken. Er gewährleistet mehrschichtige Fallback-Mechanismen, wie das automatische Laden von `config.example.yaml`, wenn `config.yaml` nicht explizit erstellt wurde. Der Dienstport ist auf `8000` fest codiert, wenn er nicht konfiguriert ist, um zufällige Hochportzuweisungen zu verhindern. Dockerfile- und Docker-Compose-Konfigurationen sind für die sofortige Einsatzbereitschaft ausgelegt und stellen sicher, dass Vorlagenkonfigurationen während der Build- und Orchestrierungsphasen vorhanden sind.
Frontend-Benutzereinstellungen, einschließlich persönlicher Modelleinstellungen und historischer Generierungsprotokolle, werden lokal im Browser des Benutzers (localStorage/IndexedDB) gespeichert und nicht auf der Festplatte oder in serverseitigen Protokollen vom Backend persistiert. Das Projekt implementiert auch strenge Validierungen für externe Eingaben und URL-Parameter und erlaubt nur Same-Origin oder lokale Loopback (`127.0.0.1`/`localhost`) für sensible Parameter wie `?tryon=`. Dies verhindert das stille Hijacking von Anfragen und die Exfiltration privater API-Schlüssel oder Benutzerfotos an untrusted Third-Party-Domains. Öffentliche Remote-Adressen sind strikt verpflichtet, HTTPS für die Übertragung von Anmeldeinformationen zu verwenden.
Bereitstellungsanweisungen werden für Docker Compose, Docker Run und direkte Befehlszeilen-Ausführung bereitgestellt, wobei alle den integrierten Fallback auf Port 8000 hervorheben. Das Frontend priorisiert Backend-Adressen aus Benutzereinstellungen, globalen Variablen und sicher validierten URL-Parametern, mit einem lokalen Fallback auf `http://127.0.0.1:8000` für den lokalen Zugriff. Das Projekt zielt darauf ab, eine sichere, flexible und einfach bereitzustellende Lösung für KI-gestützte virtuelle Anprobe-Erlebnisse zu bieten.
- KategorieKI-Produktfotografie
- PreismodellOpen Source
- BereitstellungCloud, Selbst gehostet
- PlattformenWeb
nvzhuang's Kernfunktionen
1407 KI-generierte Referenzbilder für Damenbekleidung
Funktionalität einer virtuellen Anprobe-Website
Unterstützt die Suche in Englisch und Chinesisch
Integration mit OpenAI Images
Integration mit Google Gemini
Integration mit Doubao (豆包)
Anpassbare Basis-URL, API-Schlüssel und KI-Modell
Strenge Sicherheitsrichtlinien für KI-Agenten und Mitarbeiter
Verbot, echte API-Schlüssel in das Git-Repository zu committen
Strenge Validierung für externe URL-Parameter (z. B. `?tryon=`)
Automatischer Fallback auf `config.example.yaml`, wenn `config.yaml` fehlt
Standard-Backend-Dienstport auf 8000 gesetzt
Frontend-Benutzereinstellungen lokal im Browser gespeichert
HTTPS-Vorgabe für öffentliche Remote-Backend-Adressen
Bereitstellungsoptionen für Docker Compose und Docker Run
Erste Schritte mit nvzhuang
Repository klonen: Holen Sie sich die Projektdateien aus dem GitHub-Repository.
Umgebungsvariablen konfigurieren: Kopieren Sie `backend/.env.example` nach `backend/.env` und fügen Sie Ihre API-Schlüssel ein (z. B. `ARK_API_KEY`, `OPENAI_API_KEY`, `GEMINI_API_KEY`).
Bereitstellung mit Docker Compose: Führen Sie `docker compose up -d` aus, um den Backend-Container zu erstellen und zu starten, der standardmäßig auf Port 8000 lauscht.
Bereitstellung mit Docker Run (Alternative): Verwenden Sie den Befehl `docker run` mit den entsprechenden Umgebungsvariablen und Portzuweisungen.
Direkt aus dem Quellcode ausführen (Alternative): Navigieren Sie zum Verzeichnis `backend`, setzen Sie die Umgebungsvariablen und führen Sie `go run main.go` aus.
Frontend aufrufen: Die statische Frontend-Seite verbindet sich automatisch mit dem Backend und priorisiert Benutzereinstellungen, globale Variablen oder lokale Fallbacks.
nvzhuang's Anwendungsfälle
- Virtuelle Bekleidungsanprobe
- Erforschung der KI-Bildgenerierung
- Inspiration für Modedesign
- Sichere Entwicklung von KI-Anwendungen
- Bereitstellung von Open-Source-KI-Projekten
