feat(plugin): 仓库根成为 ZCode 插件，补齐 MCP/hooks/命令与评测

.gitattributes

@@ -0,0 +1,5 @@
+* text=auto eol=lf
+*.png binary
+*.jpg binary
+*.jpeg binary
+*.webp binary

.github/workflows/skill-eval.yml

@@ -62,6 +62,11 @@ jobs:
           python tools/corpus.py --selftest
           python tools/fix_stats.py --selftest
           python tools/atomize.py --selftest
+          python tools/mcp_server.py --selftest
+          python tools/vlm_review.py --selftest
+          python evals/real_trigger.py --selftest
+      - name: 插件清单与资源存在性
+        run: python tools/check_plugin.py
       - name: promptfoo 配置结构
         run: |
           npx --yes promptfoo@$PROMPTFOO_VERSION validate config \

.mcp.json

@@ -0,0 +1,9 @@
+{
+  "mcpServers": {
+    "ecom-prompt-studio": {
+      "command": "python",
+      "args": ["${CLAUDE_PLUGIN_ROOT}/tools/mcp_server.py"],
+      "env": {}
+    }
+  }
+}

.zcode-plugin/plugin.json

@@ -0,0 +1,17 @@
+{
+  "name": "ecom-prompt-studio",
+  "version": "2.1.0",
+  "description": "电商视觉五工作室提示词 SOP：34 个原子库、平台/品类/场景判据引擎、出图后平台机检与语料回流。",
+  "author": {
+    "name": "ADC1920"
+  },
+  "license": "MIT",
+  "skills": [
+    "./ecom-prompt-sop",
+    "./ecom-main-image-prompts",
+    "./ecom-detail-page-prompts"
+  ],
+  "commands": "./commands",
+  "hooks": "./hooks/hooks.json",
+  "mcpServers": "./.mcp.json"
+}

CHANGELOG.md

@@ -0,0 +1,35 @@
+# 变更记录
+
+本文件记录对外可见的形态变更。内部重构细节见 git log。
+
+## 2.1.0 — 2026-11-12
+
+装上就能用，不再是一半能力。
+
+### 新增
+
+- **ZCode 插件形态**：`.zcode-plugin/plugin.json` 声明三个技能、命令、hooks 与 MCP server，一次装齐。此前三个技能各自拷贝，脚本不随包走。
+- **MCP server**（`tools/mcp_server.py`）：四个工具，`query_atom` 定位原子、`get_template` 取模板与规则、`validate_prompt` 跑判据校验、`check_output` 平台机检。零依赖，标准库实现 JSON-RPC。
+- **出图后自动机检**（`hooks/check_after_image.py`）：`PostToolUse` 命中出图调用即跑平台机检，不过则把结果回注给模型。「机检不过不交付」从文档要求变成运行时强制。
+- **斜杠命令**：`/ecom:main`、`/ecom:detail`、`/ecom:sku`、`/ecom:reverse` 四条，不用记五工位术语。
+- **品牌锁规范**（`references/_brand-lock.md`）：十个必锁视觉字段与 prepend 写法，解跨图漂移。
+- **AIGC 标注义务库**（`references/_rules/aigc-disclosure.json`）：FTC、加州 SB 942、纽约 SB 8420-A、EU AI Act Art.50、国内标识办法五地判据，含图类型四分类与四条红线。
+- **视觉复核单生成器**（`tools/vlm_review.py`）：产出结构化复核清单，启发式分只提示，结论由人给。
+
+### 修复
+
+- `fix_stats.py` 的提示仍指向已删除的 `--generate` 闭环。改为说明 manifest 需由外部通道产出并给出字段格式。
+
+### 变更
+
+- 出图通道维持不内置（2026-11-10 移除），机检与视觉验收改为对任意通道产出做后置校验。
+
+## 2.0.0 — 2026-10-13
+
+- 产品锁定改为「参考图为主 + 保留/改动清单」，负面词改为输出边界句。
+- 新增套图风格锁、证据账本四级、AI 合规节。
+- 新增静态检查 `lint_skills.py` 与触发用例。
+
+## 1.0.0 — 2026-10-04
+
+首个公开版本：34 篇 SOP、五个工位、三个技能。

README.en.md

@@ -0,0 +1,99 @@
+# Ecom-Prompt-Studio
+
+Prompt engineering for e-commerce visuals: turning "how to write a prompt" into a searchable, checkable, regression-tested production process.
+
+Models can already write prompts. What's missing is three things — **criteria, examples, feedback** — and this repo is built around exactly those:
+
+- **Criteria**: the whole SOP decomposed into 197 prompt templates, 571 rule clauses, 181 checklist items, and 122 placeholders. Every one is machine-readable.
+- **Examples**: a positive-sample corpus, retrieved by similarity, so you can borrow wording that has already produced good images.
+- **Feedback**: platform machine checks after generation. What fails doesn't ship; the fix sentence goes back into the prompt and the loop runs again.
+
+Each subdirectory is a complete skill: copy it into your local skills directory and it works.
+
+## Quick start
+
+### As a ZCode plugin (recommended)
+
+The repo root is a plugin. Add the repo directory as a local marketplace, then install:
+
+```bash
+git clone https://github.com/ADC1920/Ecom-Prompt-Studio.git
+```
+
+In ZCode: **Plugin Marketplace → Add → Add Plugin Marketplace**, paste the cloned directory, then install `ecom-prompt-studio` from **Personal**.
+
+This installs all three skills, four slash commands, the post-generation check hook, and the MCP server in one step.
+
+### As plain skills
+
+```bash
+cp -r Ecom-Prompt-Studio/ecom-prompt-sop ~/.agents/skills/
+cp -r Ecom-Prompt-Studio/ecom-main-image-prompts ~/.agents/skills/
+cp -r Ecom-Prompt-Studio/ecom-detail-page-prompts ~/.agents/skills/
+```
+
+Note: copying only a skill directory ships the SOP text but not `tools/`. For machine checks and the MCP server, use the plugin install.
+
+## The five studios
+
+The SOP library is organized by studio. Decide the studio first, then locate exactly one atom.
+
+| Studio | Takes | Produces | Gate |
+|---|---|---|---|
+| **Main image** | full main-image set, single main image, buyer show, scene shot, white background | main-image plan + per-shot prompts + compliance check | retention list reused in every shot｜claims sourced｜first-image rules verified｜output boundary sentence |
+| **Detail page** | full detail page set, long image, page-by-page planning | page plan + per-page prompts | product lock before design｜adjacent pages differ｜anti-templating self-check |
+| **SKU batch & cross-platform** | multi-color/multi-pack batches, multi-product swaps, 3:4 to 1:1, in-image text translation | variant plan + per-image prompts + conversion results | variant ownership stated｜only count/color/layout change｜no cropping after conversion｜text translated not rewritten |
+| **Model & video** | model head/clothing swaps, multi-pose shots, e-commerce video generation | model set or video prompts with timeline shots | faces don't drift｜garment stays consistent｜face-exposure rules met｜video has a timeline |
+| **Reverse engineering** | competitor images and videos, old-image refresh, SKU layout replication | breakdown table + replaced prompts + do-not-inherit list | brand names replaced｜product traits not inherited｜own product locked｜video always gets a storyboard |
+
+Studio priority: reverse/refresh → reverse studio; batch variants → SKU studio; real people or video → model studio; detail-page output → detail studio; everything else → main-image studio. Buyer shows stay in the main-image studio despite the word "batch".
+
+## Three skills
+
+| Skill | Takes | Size |
+|---|---|---|
+| `ecom-prompt-sop` | five-studio SOP atom library: main image, detail page, SKU batch, model & video, reverse engineering | 1 `SKILL.md` + atom library |
+| `ecom-main-image-prompts` | main-image director: bare main-image requests with no category cue, plans the whole set around the buyer decision path | 1 `SKILL.md` + 2 reference files |
+| `ecom-detail-page-prompts` | detail-page director: bare detail-page requests with no category cue, plans page structure and per-page prompts by category | 1 `SKILL.md` + 1 reference file |
+
+The only routing rule: **category, action, or scenario cue present → SOP atom library; bare main image or bare detail page → hand off to the director skill.** This rule lives in `ecom-prompt-sop/SKILL.md` and the eval suite watches it.
+
+## Tooling
+
+| Script | What it does |
+|---|---|
+| `tools/atomize.py` | decompose SOPs into atoms, keep them self-contained, export readable text |
+| `tools/compose_prompt.py` | five-slot prompt assembly, adds platform constraints and checks required fields |
+| `tools/slop_check.py` | catches SD-era filler words, absolute claims, fake promotions, efficacy claims, AI tells |
+| `tools/rules_engine.py` | validates slots against platform, category, and scenario rule files |
+| `tools/check_image.py` | platform machine check after generation: white background, subject occupancy, ratio, resolution, file size, alpha channel, in-image text |
+| `tools/visual_audit.py` | consistency and AI-feel heuristics — hints only, never a verdict |
+| `tools/vlm_review.py` | generates a structured human review sheet; conclusions are always human |
+| `tools/fix_stats.py` | repair-sentence effectiveness from manifests |
+| `tools/corpus.py` | positive-sample corpus: add, similarity search, compile few-shot blocks |
+| `tools/lint_skills.py` | full static check, the first CI gate |
+| `tools/mcp_server.py` | MCP server exposing the atom library and checks as four tools |
+
+Machine checks run against images from **any** channel. This repo deliberately does not bundle an image-generation CLI: bring your own endpoint, then verify the output here.
+
+## MCP tools
+
+| Tool | Input | Output |
+|---|---|---|
+| `query_atom` | category, output, action | matching atom ids with evidence |
+| `get_template` | atom id, optional index | template text plus that atom's rules, checklists, placeholders |
+| `validate_prompt` | prompt, optional platform/scenario/category | slop check and rule-engine results |
+| `check_output` | image path, platform | platform machine-check results |
+
+## Evals and CI
+
+- `evals/cases.json` — 30 routing cases covering out-of-scope, prompt injection, and same-family disambiguation
+- `evals/router.js` — builds the routing prompt from the three live `SKILL.md` files
+- `evals/check_cases.py` — keeps the machine-readable cases and the human-readable view in sync
+- `.github/workflows/skill-eval.yml` — static checks, eight script self-tests, routing regression on push/PR, weekly quality sampling
+
+Routing regression feeds only the descriptions and routing table to a model and asserts the returned skill and atom. It catches "wrong skill" and "wrong atom" regressions; it does not judge prompt quality — that's what the quality sampling is for.
+
+## License
+
+MIT

README.md

@@ -12,7 +12,19 @@
 
 ## 快速开始
 
-两种运行方式，装法相同，都是把技能目录整体复制过去，保持 `<技能目录>/<技能名>/SKILL.md` 的层级：
+### 推荐：作为 ZCode 插件安装
+
+仓库根就是插件，三个技能、四条斜杠命令、出图后自动机检、MCP server 一次装齐：
+
+```bash
+git clone https://github.com/ADC1920/Ecom-Prompt-Studio.git
+```
+
+在 ZCode 里打开 **插件市场 → 添加 → 添加插件市场**，粘贴克隆下来的目录，然后在**个人**里安装 `ecom-prompt-studio`。
+
+只拷单个技能目录也能用，但那会丢掉 `tools/`：机检、规则引擎、语料检索、MCP 工具都不在技能目录里，SKILL.md 提到脚本的地方只能人工代劳。要完整能力就走插件。
+
+### 手动：只拷技能
 
 ```bash
 git clone https://github.com/ADC1920/Ecom-Prompt-Studio.git
@@ -104,20 +116,37 @@ atomize  compose  slop     check    visual   fix_stats
 | `tools/visual_audit.py` | 视觉验收：主体一致性（感知哈希 + 颜色直方图）与 AI 感启发式，只提示不判定 |
 | `tools/fix_stats.py` | 从 manifest 统计每条修复句的真实生效率，用来判断措辞要不要改 |
 | `tools/corpus.py` | 正样本语料：录入、相似度检索、编译成 few-shot 范例段 |
+| `tools/vlm_review.py` | 生成视觉复核单：启发式分只提示，结论由人给 |
+| `tools/mcp_server.py` | MCP server：把原子库与判据暴露成四个可调用工具 |
 | `tools/lint_skills.py` | 静态检查全集，CI 的第一道门 |
+| `tools/check_plugin.py` | 插件清单自校验：字段、资源存在性、路径越界、事件名合法性 |
+
+除 `check_image.py`、`visual_audit.py`、`vlm_review.py` 用到 Pillow 外全是标准库；带 `--selftest` 的都能离线验，不依赖密钥与网络。
 
-八个工具带 `--selftest`，离线可验，不依赖密钥与网络。除 `check_image.py` 与 `visual_audit.py` 用到 Pillow 外全是标准库。
+## 装机后自带的能力
+
+装成插件之后，下面这些不靠模型自觉，是运行时机制：
+
+| 机制 | 触发 | 效果 |
+|---|---|---|
+| 出图后自动机检 | 任何工具调用在 `out/` 下落了图，且命令里带 `--platform` | 跑平台机检，不通过就把结果回注给模型，提示修正重出 |
+| MCP 四个工具 | 模型自行调用 | `query_atom` 定位原子、`get_template` 取模板、`validate_prompt` 校验、`check_output` 机检 |
+| 斜杠命令 | 用户输入 `/ecom:main` 等 | 不用记五工位术语，直接进对应工位流程 |
+
+MCP 工具的意义在于把「读文档 → 判工位 → 读原子 → 挑模板」四步压成一次调用。不接 MCP 时这四步全靠模型自己走。
 
 `check_image.py` 的 OCR 会自己找 tesseract：不在 PATH 时扫常见安装路径，默认语言目录缺中文时去找用户级 tessdata。缺依赖就标 `skipped`，不会假装通过。
 
 ## 判据规则与语料
 
-SOP 给的是「方法」，下面两样给的是「判据与范例」：
+SOP 给的是「方法」，下面几样给的是「判据与范例」：
 
 - `references/_rules/`：平台（12）、品类（9）、场景（11）三份 JSON，把硬判据变成可校验规则——白底与占比阈值、禁用宣称、必填槽位、画面禁项、AI 标注义务
+- `references/_rules/aigc-disclosure.json`：AIGC 标注义务与法律依据，五地法条、图类型四分类、四条红线
+- `references/_brand-lock.md`：品牌锁十个必锁字段与 prepend 写法，解跨图漂移
 - `references/_corpus/`：验证过并出过好图的提示词样本，按相似度检索、编译成 few-shot
 
-规则管「不能写什么」，语料管「写成什么样才算够」。
+规则管「不能写什么」，语料管「写成什么样才算够」，品牌锁管「一套图看着像不像同一家」。
 
 ## 出图与授权
 
@@ -131,10 +160,12 @@ SOP 给的是「方法」，下面两样给的是「判据与范例」：
 
 技能选错是用户最容易感知的问题，所以触发回归是评测主线。CI 分三层：
 
-1. **静态检查**（每次 push / PR）：`lint_skills.py` + `check_cases.py` + `atomize.py check` + 九个工具自检 + promptfoo 配置结构校验，不需要密钥
+1. **静态检查**（每次 push / PR）：`lint_skills.py` + `check_cases.py` + `atomize.py check` + `check_plugin.py` + 十一个工具自检 + promptfoo 配置结构校验，不需要密钥
 2. **触发回归**（每次 push / PR）：promptfoo 跑 30 条提示，断言命中的技能名与**原子编号**。评测输入直接读三个 `SKILL.md`，路由表一改立刻生效
 3. **文本质量抽检**（每周一 + 手动）：按原子编号读 `source_text` 生成提示词，用 `llm-rubric` 按该 SOP 的硬规则评分
 
+三层之外还有一套**真实触发评测**（`evals/real_trigger.py`），只在里程碑手动跑：把技能目录交给真实引擎，看它是否自行加载并走到正确原子。前两层抓不到「装了但不触发」，这一层能，代价是慢且可能计费。
+
 三个技能各带一份 `EVAL.md` 答案键（能力边界题 / 生产决策题 / 应用任务 + 评分口径）。答案键不链接进 `SKILL.md`，`lint_skills.py` 会校验它存在且未被入口引用——避免被评的 agent 直接读到答案。
 
 模型经 DeepSeek 官方 provider 接入，密钥走仓库 Secret `DEEPSEEK_API_KEY`，不落任何文件。未配置时触发回归直接失败并报错，不会出现「没跑测试却全绿」。
@@ -143,7 +174,9 @@ SOP 给的是「方法」，下面两样给的是「判据与范例」：
 
 ```bash
 python tools/lint_skills.py
+python tools/check_plugin.py
 python evals/check_cases.py
+python evals/real_trigger.py --dry-run        # 看真实评测会跑哪些用例
 npx promptfoo@0.124.1 eval -c evals/promptfooconfig.yaml
 npx promptfoo@0.124.1 eval -c evals/promptfooconfig.quality.yaml
 ```
@@ -154,19 +187,28 @@ npx promptfoo@0.124.1 eval -c evals/promptfooconfig.quality.yaml
 
 ```text
 .
+├─ .zcode-plugin/plugin.json        # 插件清单：技能 + 命令 + hooks + MCP
+├─ .mcp.json                        # MCP server 声明（四个工具）
+├─ hooks/
+│  ├─ hooks.json                    # PostToolUse 匹配出图调用
+│  └─ check_after_image.py          # 出图后自动机检并回注结果
+├─ commands/                        # /ecom:main /detail /sku /reverse
 ├─ ecom-prompt-sop/
 │  ├─ SKILL.md                      # 五工作室入口：判工位 → 定位原子 → 取模板与规则
 │  ├─ EVAL.md                       # 评测答案键（评测者用，不被 SKILL.md 引用）
 │  └─ references/
 │     ├─ _atoms/                    # 原子库 + 索引 + 语义层 + 机械层
-│     ├─ _rules/                    # 平台 / 品类 / 场景判据
+│     ├─ _rules/                    # 平台 / 品类 / 场景判据 + AIGC 标注义务
 │     ├─ _corpus/                   # 正样本语料
 │     ├─ _index.json                # 篇目索引（槽位映射）
+│     ├─ _brand-lock.md             # 品牌锁十个字段
 │     └─ _prompt-slots.md           # 五槽位规范
 ├─ ecom-main-image-prompts/
 ├─ ecom-detail-page-prompts/
-├─ tools/                           # 拆解、组装、机检、闭环、验收、统计
-├─ evals/                           # promptfoo 配置、用例与断言脚本
+├─ tools/                           # 拆解、组装、机检、验收、统计、MCP、插件校验
+├─ evals/                           # promptfoo 配置、用例、断言脚本、真实触发评测
+├─ CHANGELOG.md
+├─ README.en.md
 └─ .github/workflows/skill-eval.yml # CI（三个 job：静态 / 触发回归 / 质量抽检）
 ```
 
@@ -175,6 +217,8 @@ npx promptfoo@0.124.1 eval -c evals/promptfooconfig.quality.yaml
 ## 已知限制
 
 - **AI 感阈值是经验值**：`visual_audit.py` 的饱和度、平滑度、死白、边缘密度这些判据，还没用真实的好图 / AI 图批次标定过，当提示用，不当结论
-- **语料库只有 2 条种子**：检索质量取决于样本量，现在属于「能用但不够准」
+- **语料库只有 2 条种子**：检索质量取决于样本量，现在属于「能用但不够准」。它靠真实出图积累，不能人工编造，所以这一步只能等实际使用
+- **VLM 复核不自动判图**：`vlm_review.py` 只生成复核单，不给结论。VLM 在「保留约束是否满足」这类细粒度判断上会失准，把它的分数当通过依据会把错误固化
 - **OCR 需要本地装 tesseract**：缺 pytesseract 或 tesseract 时这项走 skipped，不会误报通过；CI 环境没装，所以云端不检查图内文字
 - **模板抽取有少量噪声**：少数没有围栏代码块的篇目走裸段落规则，个别片段可能偏宽，未逐篇人工复核
+- **真实触发评测需自备引擎**：`evals/real_trigger.py` 只提供框架与判定逻辑，引擎命令与凭据由使用者提供，CI 里只跑它的离线自检

commands/ecom-detail.md

@@ -0,0 +1,22 @@
+---
+description: 出一套详情页提示词（详情页台）
+---
+
+# /ecom:detail
+
+按五工位详情页台出逐页方案。
+
+参数（都可选，缺了先问，不要猜）：`$ARGUMENTS`
+
+执行步骤：
+
+1. 用 `query_atom` 定位原子，产物填详情页。
+2. 用 `get_template` 取模板、规则与清单。
+3. 先出**页面规划**：每页的关键词与职责，相邻页主题不得重复。
+4. 再出**逐页提示词**：每页先写产品锁定约束，再写设计画面。
+5. 每页写清构图、景别、镜头、产品位置、信息布局、文字排版、背景材质、光影，不得只写「放标题」。
+6. 定稿前用 `validate_prompt` 自查。
+
+防模板化自检：整套关键词与信息模块换个产品也能用，就重写。
+
+没有品类线索的裸详情页方案，转 `ecom-detail-page-prompts` 技能。