lovart3/app/api/pick-object/route.ts

import { NextResponse } from "next/server";
import { generateText } from "ai";
import { getEnabledAiModelsWithProvider } from "@/lib/db/queries";
import { getLanguageModelById } from "@/lib/ai/dynamic-provider";

export const runtime = "nodejs";
export const maxDuration = 30;

// 位置词库
const POSITION_OPTIONS = [
  '左上区域', '中央顶部', '右上区域',
  '左侧中部', '中央区域', '右侧中部',
  '左下区域', '中央底部', '右下区域'
] as const;

interface PickObjectRequest {
  imageUrl: string;         // 图片 URL
  clickX: number;           // 点击位置 X (0-1)
  clickY: number;           // 点击位置 Y (0-1)
}

interface PickObjectResult {
  name: string;
  position: string;
  confidence: number;
  boundingBox: {
    x: number;
    y: number;
    width: number;
    height: number;
  };
}

export async function POST(request: Request) {
  try {
    const body: PickObjectRequest = await request.json();
    const { imageUrl, clickX, clickY } = body;
    
    console.log('[PickObject] 收到请求:', { imageUrl: imageUrl?.substring(0, 50), clickX, clickY });
    
    // 验证参数
    if (!imageUrl) {
      return NextResponse.json({
        success: false,
        error: '缺少图片 URL',
      }, { status: 400 });
    }
    
    if (typeof clickX !== 'number' || typeof clickY !== 'number') {
      return NextResponse.json({
        success: false,
        error: '缺少点击坐标',
      }, { status: 400 });
    }
    
    // 获取 Qwen VL 模型（复用现有逻辑）
    const allModels = await getEnabledAiModelsWithProvider();
    const qwenModel = allModels.find(
      (m) => m.provider.type === "alibaba" && m.model.supportsVision
    );
    
    if (!qwenModel) {
      console.log("[PickObject] No Qwen VL model found");
      return NextResponse.json({
        success: false,
        error: 'Qwen VL 模型未配置',
      }, { status: 500 });
    }
    
    console.log('[PickObject] 使用模型:', qwenModel.model.modelId, qwenModel.model.displayName);
    
    const model = await getLanguageModelById(qwenModel.model.id);
    if (!model) {
      console.log("[PickObject] Failed to get language model");
      return NextResponse.json({
        success: false,
        error: '无法加载模型',
      }, { status: 500 });
    }
    
    // 构建 prompt（严格限制输出格式）
    const prompt = `
请识别图片中用户点击位置（坐标 ${(clickX * 100).toFixed(0)}%, ${(clickY * 100).toFixed(0)}%）最近的那个具体物品。

【重要】只识别点击位置最近的那个小物品，不要识别大范围的家具或背景。
例如：用户点击花瓶位置 → 返回"花瓶"而不是"桌子"或"屏风"

【输出要求 - 严格遵守】
返回纯 JSON，无其他文字：
{
  "name": "物品名称",
  "position": "位置描述",
  "confidence": 0.95
}

【name 格式】≤6字，简洁具体
正确：橙色花瓶、白色杯子、木质椅子、吊灯
错误：木质屏风（太大范围）、一个漂亮的花瓶（太长）

【position 格式】固定4字，从以下选择：
${POSITION_OPTIONS.join('、')}
`.trim();

    console.log('[PickObject] 调用 Qwen VL 模型...');

    // 调用 Qwen VL 模型（复用现有的 generateText）
    const { text: responseText } = await generateText({
      model,
      messages: [
        {
          role: 'user',
          content: [
            {
              type: 'image',
              image: imageUrl, // 直接使用图片 URL
            },
            {
              type: 'text',
              text: prompt,
            },
          ],
        },
      ],
      temperature: 0.1,
      maxTokens: 300,
    } as any);
    
    console.log('[PickObject] Qwen 返回内容:', responseText?.substring(0, 200));
    
    if (!responseText) {
      return NextResponse.json({
        success: false,
        error: 'AI 未返回结果',
      }, { status: 500 });
    }
    
    // 解析 JSON 结果
    let result: PickObjectResult;
    try {
      // 尝试从返回内容中提取 JSON
      const jsonMatch = responseText.match(/\{[\s\S]*\}/);
      if (!jsonMatch) {
        throw new Error('未找到 JSON');
      }
      const parsed = JSON.parse(jsonMatch[0]);
      
      // 验证和修正名称
      let name = parsed.name || '物品';
      if (name.length > 8) {
        name = name.substring(0, 6);
      }
      
      // 验证位置是否在词库中
      let position = parsed.position;
      if (!POSITION_OPTIONS.includes(position as any)) {
        // 根据点击位置推算
        const posX = clickX < 0.33 ? '左' : clickX > 0.66 ? '右' : '中央';
        const posY = clickY < 0.33 ? '上' : clickY > 0.66 ? '下' : '中';
        if (posX === '中央') {
          position = posY === '中' ? '中央区域' : posY === '上' ? '中央顶部' : '中央底部';
        } else {
          position = posY === '中' ? `${posX}侧中部` : `${posX}${posY}区域`;
        }
      }
      
      // 确保 confidence 有效
      let confidence = parsed.confidence;
      if (typeof confidence !== 'number' || confidence < 0 || confidence > 1) {
        confidence = 0.85;
      }
      
      result = {
        name,
        position,
        confidence,
        boundingBox: { x: clickX, y: clickY, width: 0, height: 0 }, // 不再使用，保持兼容
      };
      
    } catch (parseError) {
      console.error('[PickObject] JSON parse error:', parseError, 'Content:', responseText);
      
      // 返回默认结果
      const posX = clickX < 0.33 ? '左' : clickX > 0.66 ? '右' : '中央';
      const posY = clickY < 0.33 ? '上' : clickY > 0.66 ? '下' : '中';
      const position = posX === '中央' 
        ? (posY === '中' ? '中央区域' : posY === '上' ? '中央顶部' : '中央底部')
        : (posY === '中' ? `${posX}侧中部` : `${posX}${posY}区域`);
      
      result = {
        name: '物品',
        position,
        confidence: 0.5,
        boundingBox: { x: clickX, y: clickY, width: 0, height: 0 },
      };
    }
    
    console.log('[PickObject] 识别结果:', result);
    
    return NextResponse.json({
      success: true,
      object: result,
    });
    
  } catch (error) {
    console.error('[PickObject] Error:', error);
    return NextResponse.json({
      success: false,
      error: `识别失败: ${error instanceof Error ? error.message : '未知错误'}`,
    }, { status: 500 });
  }
}