Descrição
nvzhuang é um repositório do GitHub que oferece um site de experiência virtual que utiliza IA para gerar imagens de referência de roupas femininas. O projeto inclui uma coleção de 1407 imagens de referência geradas por IA e suporta consultas de busca em inglês e chinês, tornando-o acessível a uma ampla base de usuários. Integra-se com serviços populares de geração de imagens por IA, como OpenAI Images, Google Gemini e Doubao, e oferece flexibilidade para que os usuários configurem URLs base, chaves de API e modelos personalizados.
Ler mais
Um foco central do projeto nvzhuang é a segurança e a implantação robusta. O documento `AGENTS.md` descreve diretrizes de segurança rigorosas para agentes de IA e colaboradores, enfatizando um "princípio de zero vazamento." Isso inclui a proibição absoluta de comprometer chaves de API reais, tokens privados, senhas ou chaves de certificado no repositório Git. Em vez disso, apenas arquivos de configuração de modelo com campos de chave vazios ou de espaço reservado são permitidos. A privacidade pessoal e informações sensíveis também são estritamente proibidas em código, comentários, mensagens de commit ou descrições de PR.
O serviço de backend, construído com GoFrame, incorpora práticas de codificação defensiva. Ele garante mecanismos de fallback em múltiplas camadas, como carregar automaticamente `config.example.yaml` se `config.yaml` não for explicitamente criado. A porta do serviço é codificada como `8000` quando não configurada, evitando atribuições aleatórias de portas altas. As configurações do Dockerfile e do Docker Compose são projetadas para prontidão imediata, garantindo que as configurações de modelo estejam em vigor durante as fases de construção e orquestração.
As configurações do usuário no frontend, incluindo configurações de modelo pessoal e registros de geração histórica, são armazenadas localmente no navegador do usuário (localStorage/IndexedDB) e não são persistidas em disco ou logs do lado do servidor pelo backend. O projeto também implementa validação rigorosa para entradas externas e parâmetros de URL, permitindo apenas a mesma origem ou loopback local (`127.0.0.1`/`localhost`) para parâmetros sensíveis como `?tryon=`. Isso previne o sequestro silencioso de solicitações e a exfiltração de chaves de API privadas ou fotos de usuários para domínios de terceiros não confiáveis. Endereços remotos públicos são estritamente obrigados a usar HTTPS para transmissão de credenciais.
Instruções de implantação são fornecidas para Docker Compose, Docker Run e execução direta na linha de comando, todas destacando o fallback embutido para a porta 8000. O frontend prioriza endereços de backend das configurações do usuário, variáveis globais e parâmetros de URL validados de forma segura, com um fallback local para `http://127.0.0.1:8000` para acesso local. O projeto visa fornecer uma solução segura, flexível e fácil de implantar para experiências de experiência virtual impulsionadas por IA.
- CategoriaFotografia de Produtos com IA
- Modelo de preçosCódigo aberto
- ImplantaçãoNuvem, Auto-hospedado
- PlataformasWeb
Recursos principais de nvzhuang
1407 imagens de referência de roupas femininas geradas por IA
Funcionalidade de site de experiência virtual
Suporte a busca em inglês e chinês
Integração com OpenAI Images
Integração com Google Gemini
Integração com Doubao (豆包)
URL base, chave de API e modelo de IA personalizáveis
Diretrizes de segurança rigorosas para agentes de IA e colaboradores
Proibição de comprometer chaves de API reais no repositório Git
Validação rigorosa para parâmetros de URL externos (por exemplo, `?tryon=`)
Fallback automático para `config.example.yaml` se `config.yaml` estiver ausente
Porta do serviço backend padrão definida para 8000
Configurações do usuário no frontend armazenadas localmente no navegador
Exigência de HTTPS para endereços de backend remotos públicos
Opções de implantação com Docker Compose e Docker Run
Primeiros passos com nvzhuang
Clone o repositório: Obtenha os arquivos do projeto do repositório do GitHub.
Configure as variáveis de ambiente: Copie `backend/.env.example` para `backend/.env` e preencha suas chaves de API (por exemplo, `ARK_API_KEY`, `OPENAI_API_KEY`, `GEMINI_API_KEY`).
Implante com Docker Compose: Execute `docker compose up -d` para construir e iniciar o contêiner backend, que ouvirá na porta 8000 por padrão.
Implante com Docker Run (alternativa): Use o comando `docker run` com as variáveis de ambiente apropriadas e mapeamento de porta.
Execute diretamente a partir da fonte (alternativa): Navegue até o diretório `backend`, defina as variáveis de ambiente e execute `go run main.go`.
Acesse o frontend: A página estática do frontend se conectará automaticamente ao backend, priorizando as configurações do usuário, variáveis globais ou fallback local.
Casos de uso de nvzhuang
- Experiência Virtual de Roupas
- Exploração de Geração de Imagens por IA
- Inspiração para Design de Moda
- Desenvolvimento Seguro de Aplicações de IA
- Implantação de Projetos de IA de Código Aberto
