Descripción
nvzhuang es un repositorio de GitHub que ofrece un sitio web de prueba virtual que aprovecha la IA para generar imágenes de referencia de ropa femenina. El proyecto incluye una colección de 1407 imágenes de referencia generadas por IA y soporta consultas de búsqueda en inglés y chino, lo que lo hace accesible a una amplia base de usuarios. Se integra con servicios populares de generación de imágenes por IA como OpenAI Images, Google Gemini y Doubao, y proporciona flexibilidad para que los usuarios configuren URLs base personalizadas, claves API y modelos.
Leer más
Un enfoque central del proyecto nvzhuang es la seguridad y el despliegue robusto. El documento `AGENTS.md` describe estrictas pautas de seguridad para agentes de IA y colaboradores, enfatizando un «principio de cero filtraciones». Esto incluye la prohibición absoluta de comprometer claves API reales, tokens privados, contraseñas o claves de certificado en el repositorio de Git. En su lugar, solo se permiten archivos de configuración de plantilla con campos de clave vacíos o de marcador de posición. La privacidad personal y la información sensible también están estrictamente prohibidas en el código, comentarios, mensajes de confirmación o descripciones de PR.
El servicio backend, construido con GoFrame, incorpora prácticas de codificación defensiva. Asegura mecanismos de respaldo en múltiples capas, como cargar automáticamente `config.example.yaml` si `config.yaml` no se crea explícitamente. El puerto del servicio está codificado como `8000` cuando no está configurado, evitando asignaciones aleatorias de puertos altos. Las configuraciones de Dockerfile y Docker Compose están diseñadas para estar listas para usar, asegurando que las configuraciones de plantilla estén en su lugar durante las fases de construcción y orquestación.
Las configuraciones de usuario del frontend, incluyendo ajustes de modelos personales y registros de generación históricos, se almacenan localmente en el navegador del usuario (localStorage/IndexedDB) y no se persisten en disco ni en registros del lado del servidor por el backend. El proyecto también implementa una validación estricta para entradas externas y parámetros de URL, permitiendo solo el mismo origen o el bucle local (`127.0.0.1`/`localhost`) para parámetros sensibles como `?tryon=`. Esto previene el secuestro silencioso de solicitudes y la exfiltración de claves API privadas o fotos de usuarios a dominios de terceros no confiables. Se exige estrictamente que las direcciones remotas públicas utilicen HTTPS para la transmisión de credenciales.
Se proporcionan instrucciones de despliegue para Docker Compose, Docker Run y ejecución directa desde la línea de comandos, todas destacando el respaldo incorporado al puerto 8000. El frontend prioriza las direcciones del backend según la configuración del usuario, variables globales y parámetros de URL validados de forma segura, con un respaldo local a `http://127.0.0.1:8000` para acceso local. El proyecto tiene como objetivo proporcionar una solución segura, flexible y fácil de desplegar para experiencias de prueba virtual impulsadas por IA.
- CategoríaFotografía de producto con IA
- Modelo de preciosCódigo abierto
- ImplementaciónNube, Autoalojado
- PlataformasWeb
Características principales de nvzhuang
1407 imágenes de referencia de ropa femenina generadas por IA
Funcionalidad de sitio web de prueba virtual
Soporta búsqueda en inglés y chino
Integración con OpenAI Images
Integración con Google Gemini
Integración con Doubao (豆包)
URL base, clave API y modelo de IA personalizables
Pautas de seguridad estrictas para agentes de IA y colaboradores
Prohibición de comprometer claves API reales en el repositorio de Git
Validación estricta para parámetros de URL externos (por ejemplo, `?tryon=`)
Respaldo automático a `config.example.yaml` si falta `config.yaml`
Puerto del servicio backend predeterminado configurado en 8000
Configuraciones de usuario del frontend almacenadas localmente en el navegador
Exigencia de HTTPS para direcciones remotas públicas del backend
Opciones de despliegue con Docker Compose y Docker Run
Primeros pasos con nvzhuang
Clona el repositorio: Obtén los archivos del proyecto desde el repositorio de GitHub.
Configura las variables de entorno: Copia `backend/.env.example` a `backend/.env` y completa tus claves API (por ejemplo, `ARK_API_KEY`, `OPENAI_API_KEY`, `GEMINI_API_KEY`).
Despliega con Docker Compose: Ejecuta `docker compose up -d` para construir y comenzar el contenedor backend, que escuchará en el puerto 8000 por defecto.
Despliega con Docker Run (alternativa): Usa el comando `docker run` con las variables de entorno y mapeo de puertos apropiados.
Ejecuta directamente desde la fuente (alternativa): Navega al directorio `backend`, establece las variables de entorno y ejecuta `go run main.go`.
Accede al frontend: La página estática del frontend se conectará automáticamente al backend, priorizando la configuración del usuario, variables globales o un respaldo local.
Casos de uso de nvzhuang
- Prueba Virtual de Ropa
- Exploración de Generación de Imágenes por IA
- Inspiración para Diseño de Moda
- Desarrollo Seguro de Aplicaciones de IA
- Despliegue de Proyecto de IA de Código Abierto
