fix: limit kimi planning to reference image and extend timeout

app/(chat)/api/chat/route.ts

@@ -2908,8 +2908,6 @@ type ReplacementReferenceDecision = {
 };
 
 type ReplacementScenePlan = {
-  selectedProductImageIndexes: number[];
-  productSelectionReason: string;
   useModelImage: boolean;
   modelImageReason: string;
   sceneSummary: string;
@@ -2919,6 +2917,8 @@ type ReplacementScenePlan = {
   styleSummary: string;
   avoidSummary: string;
   generationPrompt: string;
+  selectedProductImageIndexes: number[];
+  productSelectionReason: string;
   analysisModelName?: string | null;
   analysisSource: "local_moonshot" | "configured_vision" | "heuristic";
 };
@@ -2960,22 +2960,6 @@ function parseReplacementScenePlan(
 
   try {
     const parsed = JSON.parse(jsonText) as Record<string, unknown>;
-    const rawIndexes = Array.isArray(parsed.selectedProductImageIndexes)
-      ? parsed.selectedProductImageIndexes
-      : Array.isArray(parsed.productImageIndexes)
-        ? parsed.productImageIndexes
-        : [];
-    const selectedProductImageIndexes = Array.from(
-      new Set(
-        rawIndexes
-          .map((value) => Number(value))
-          .filter((value) => Number.isFinite(value))
-          .map((value) =>
-            Math.max(1, Math.min(params.productImageCount, Math.round(value))),
-          ),
-      ),
-    ).slice(0, 3);
-
     const useModelImageRaw =
       normalizeBooleanLike(parsed.useModelImage) ??
       normalizeBooleanLike(parsed.needModelImage) ??
@@ -2988,14 +2972,6 @@ function parseReplacementScenePlan(
     );
 
     const scenePlan: ReplacementScenePlan = {
-      selectedProductImageIndexes:
-        selectedProductImageIndexes.length > 0
-          ? selectedProductImageIndexes
-          : [1].filter((value) => value <= params.productImageCount),
-      productSelectionReason: truncateReplacementAnalysisText(
-        parsed.productSelectionReason || parsed.selectionReason || parsed.productReason,
-        160,
-      ),
       useModelImage: params.hasModelImage ? Boolean(useModelImageRaw) : false,
       modelImageReason: truncateReplacementAnalysisText(
         parsed.modelImageReason || parsed.modelReason,
@@ -3026,6 +3002,14 @@ function parseReplacementScenePlan(
         220,
       ),
       generationPrompt,
+      selectedProductImageIndexes: Array.from(
+        { length: Math.min(Math.max(params.productImageCount, 1), 2) },
+        (_, index) => index + 1,
+      ),
+      productSelectionReason:
+        params.productImageCount > 1
+          ? "默认优先使用前两张产品图作为主视角与补充细节，其余角度不强制同时融入。"
+          : "默认使用当前唯一产品图作为主体参考。",
       analysisModelName: null,
       analysisSource: "heuristic",
     };
@@ -3064,9 +3048,9 @@ function buildHeuristicReplacementScenePlan(params: {
       params.productImageCount > 1
         ? "默认优先使用前两张产品图作为主视角与补充细节，其余角度不强制同时融入。"
         : "默认使用当前唯一产品图作为主体参考。",
-    useModelImage: params.hasModelImage,
+    useModelImage: false,
     modelImageReason: params.hasModelImage
-      ? "未完成场景级人物需求分析，先保留模特图作为可选补充参考。"
+      ? "前置分析未明确当前参考图存在人物展示需求，兜底阶段默认不使用模特图。"
       : "当前未提供模特图。",
     sceneSummary: params.shouldReplace
       ? "保持当前参考图版式与场景结构，只替换参考图中的产品主体。"
@@ -3386,13 +3370,11 @@ async function analyzeReplacementExecutionPlan(params: {
 }): Promise<ReplacementExecutionPlan> {
   if (params.planningRuntime) {
     try {
-      const analysisImageUrls = [
-        ...params.productImageUrls,
-        ...(params.modelImageUrl ? [params.modelImageUrl] : []),
-        params.referenceImageUrl,
-      ].filter(Boolean) as string[];
+      const replacementScenePlanningTimeoutMs =
+        params.planningRuntime.kind === "local_moonshot" ? 90_000 : 45_000;
+      const analysisImageUrls = [params.referenceImageUrl];
       const { inlineDataUrls } = await inlineVisionImages(analysisImageUrls, {
-        maxImages: 8,
+        maxImages: 1,
         maxSide: 900,
         timeoutMs: 12000,
         retries: 2,
@@ -3410,25 +3392,23 @@ async function analyzeReplacementExecutionPlan(params: {
       const analysisPrompt = [
         "你是电商详情替换流程中的“场景理解规划器”。",
         `当前要分析的参考图：${params.referenceLabel}`,
-        `产品图数量：${params.productImageUrls.length} 张。产品图全部属于同一产品的多角度/多细节白底图。`,
-        "这些产品图只是帮助你理解同一产品的结构、材质、颜色、比例和细节，不代表必须把所有角度都同时体现在这一张结果图里。",
-        "你必须根据最后一张参考图底板当前这一屏的机位、主体位置和露出范围，只选择最需要的 1-2 张产品图作为本屏主参考；只有在确实必要时才允许选择 3 张，禁止无理由把所有产品图都选上。",
+        "你现在只分析这一张参考图本身，不分析产品图，不分析模特图。",
+        "产品图和模特图会在后续生图阶段单独提供给生图模型使用，你这里不要尝试理解它们的具体外观，也不要要求必须使用所有输入图。",
         params.modelImageUrl
-          ? "还提供了 1 张模特图。只有当最后一张参考图底板当前这一屏本身存在人物展示需求时，才允许使用模特图；如果这一屏不需要人物，必须明确 useModelImage=false。"
+          ? "你只需要根据当前参考图判断：这一屏是否存在真实的人物展示需求；如果没有人物需求，useModelImage 必须为 false。"
           : "本轮没有模特图，useModelImage 必须为 false。",
-        "最后一张图片是唯一的详情参考图底板，它决定当前这一屏的版式、文字排版、机位、构图、留白和信息层级。",
+        "这张图片是唯一的详情参考图底板，它决定当前这一屏的版式、文字排版、机位、构图、留白和信息层级。",
         "请完成以下任务：",
         "1. 判断 shouldReplace：当前参考图里是否存在清晰、主要、适合被替换的家具商品主体。",
-        "2. 给出 selectedProductImageIndexes：从产品图中挑出最适合当前这一屏的产品角度索引（从1开始计数）。",
-        "3. 判断 useModelImage，并说明原因。",
-        "4. 提炼 sceneSummary、cameraSummary、placementSummary、preserveSummary、styleSummary、avoidSummary。",
-        "5. 输出 generationPrompt：这是一段给后续生图模型的本屏生成指令，必须明确“只按当前参考图这一屏需要使用产品角度图，不需要把所有产品图全部融进结果”。",
+        "2. 判断 useModelImage，并说明原因。",
+        "3. 提炼 sceneSummary、cameraSummary、placementSummary、preserveSummary、styleSummary、avoidSummary。",
+        "4. 输出 generationPrompt：这是一段给后续生图模型的本屏生成指令，描述这一屏需要的场景、机位、主体位置和必须保留的内容。",
         workflowPromptExcerpt
           ? `当前风格与场景限制（来自前置工作流与模式模板）:\n${workflowPromptExcerpt}`
           : "",
         "只返回严格 JSON，不要任何额外解释。",
         `JSON 格式：
-{"shouldReplace":true,"containsFurnitureProduct":true,"reason":"不超过30字","selectedProductImageIndexes":[1,2],"productSelectionReason":"不超过50字","useModelImage":false,"modelImageReason":"不超过40字","sceneSummary":"不超过80字","cameraSummary":"不超过60字","placementSummary":"不超过60字","preserveSummary":"不超过80字","styleSummary":"不超过80字","avoidSummary":"不超过80字","generationPrompt":"不超过300字"}`,
+{"shouldReplace":true,"containsFurnitureProduct":true,"reason":"不超过30字","useModelImage":false,"modelImageReason":"不超过40字","sceneSummary":"不超过80字","cameraSummary":"不超过60字","placementSummary":"不超过60字","preserveSummary":"不超过80字","styleSummary":"不超过80字","avoidSummary":"不超过80字","generationPrompt":"不超过300字"}`,
       ]
         .filter(Boolean)
         .join("\n");
@@ -3451,10 +3431,10 @@ async function analyzeReplacementExecutionPlan(params: {
           },
         ],
         system:
-          "你是高精度商品详情图场景规划器。重点是：多张产品图只是同一产品的多视角信息源，不是必须全部同时使用。你必须根据参考图当前这一屏的真实需求筛选少量最合适的产品图。",
+          "你是高精度商品详情图场景规划器。你只分析当前参考图本身，负责理解这一屏的场景、机位、主体位置和人物需求，不要臆测或依赖其他输入图片。",
         temperature: params.planningRuntime.kind === "local_moonshot" ? 1 : 0.1,
         maxTokens: 1200,
-        abortSignal: AbortSignal.timeout(45_000),
+        abortSignal: AbortSignal.timeout(replacementScenePlanningTimeoutMs),
       } as any);
 
       const parsedDecision = parseReplacementReferenceDecision(text);
@@ -6564,9 +6544,14 @@ export async function POST(request: Request) {
               await resolveReplacementScenePlanningRuntime({
                 models: replacementVisionModels,
               });
+            const replacementScenePlanningTimeoutMs =
+              replacementScenePlanningRuntime?.kind === "local_moonshot"
+                ? 90_000
+                : 45_000;
             console.info("[Chat API] Replacement scene planning runtime:", {
               kind: replacementScenePlanningRuntime?.kind || "none",
               modelName: replacementScenePlanningRuntime?.modelName || null,
+              timeoutMs: replacementScenePlanningTimeoutMs,
             });
             const stopKeepalive = startStreamKeepalive(
               writer,