GLOBAL STYLE RUNTIME MVP v0.5

1. 目標

v0.5 的目的，是把前面幾版正式收束成一個可執行的最小運行流程：

Intent \to Search \to Compile \to Bind \to Package \to Generate

也就是把：

v0.1 畫風地圖
v0.2 Style Combiner
v0.3 Style Kernel Searcher
v0.4 Prompt Compiler + GAR Binding

整合成一個真正能跑的 Runtime MVP。

2. Runtime MVP 的最小輸入／輸出

2.1 輸入

使用者輸入可以最小化為：

{
  "query_text": "低飽和、空氣感、偏日式、不要太網紅臉",
  "target_medium": "illustration",
  "aspect_ratio": "3:4",
  "quality_preset": "high",
  "anti_homogenization_level": "high"
}

2.2 輸出

Runtime MVP 應輸出四種核心包：

search_result
compiled_prompt_package
gar_binding_package
execution_packet

最後形成：

R = (S, C, G, E)

其中：

$S$ ：Search result
$C$ ：Compiled prompt package
$G$ ：GAR binding package
$E$ ：Execution packet

3. 系統模組

Runtime MVP 建議拆成六個模組：

Module A — Query Intake

接收自然語言意圖與基本參數。

Module B — Style Kernel Searcher

呼叫 v0.3 搜尋器，找出：

最近畫師節點
最近 hybrid recipe
最近 path recipe

Module C — Prompt Compiler

呼叫 v0.4 編譯器，輸出：

neutral feature recipe
positive prompt
negative prompt
model profile suggestion

Module D — GAR Binder

將 prompt 與風格特徵綁到：

model profile
adapter strategy
control profile
reference policy
negative profile

Module E — Task Packet Assembler

產出下游執行包，例如：

AADS task packet
ComfyUI workflow seed
Diffusers config

Module F — Runner / Dispatcher

把封裝好的 packet 發往：

本地 ComfyUI
Diffusers pipeline
內部 agent
其他 rendering backend

4. 最小資料流

User Query
  ↓
Query Intake
  ↓
Style Kernel Searcher
  ↓
Prompt Compiler
  ↓
GAR Binder
  ↓
Task Packet Assembler
  ↓
Runner / Dispatcher
  ↓
Generation Backend

可形式化為：

q \to f_s(q)=s \to f_c(s)=c \to f_g(c)=g \to f_e(g)=e

5. AADS Task Packet

建議 AADS task packet 的最小結構為：

{
  "task_id": "aads://task/0001",
  "query_text": "低飽和、空氣感、偏日式、不要太網紅臉",
  "search_result_id": "query://style-kernel/001",
  "compiled_prompt_id": "compile://style-prompt/001",
  "gar_binding_id": "gar://binding/001",
  "target_medium": "illustration",
  "aspect_ratio": "3:4",
  "backend": "comfyui",
  "priority": "normal"
}

6. ComfyUI Workflow Seed

Runtime MVP 不直接綁死某一份工作流，而是先輸出「seed schema」。

它至少包含：

base model
positive prompt
negative prompt
image size
sampler preset
adapter slots
control slots
seed

如此可避免因不同環境的 ComfyUI 節點不一致而失效。

7. Diffusers Config Template

Diffusers 版可最小輸出：

model identifier
prompt
negative prompt
num inference steps
guidance scale
width / height
seed
optional adapters

8. Anti-Homogenization 在 Runtime 中的位置

反同質化不應只存在於 prompt 字串，而應存在於三層：

8.1 Search 層

避免總是選出相同熱門節點。

8.2 Compile 層

避免 prompt 被壓縮成單一審美模板。

8.3 Binding 層

限制直接作者名風格權重：

0 \leq w_{named\_style} \leq 0.35

並優先使用：

分解式 adapter
中性 reference board
composition / palette / material control

9. MVP 的成功條件

v0.5 不追求一次到位，而追求可驗證的最小成功條件：

能輸入自然語言 query。
能返回 search result。
能返回 compiled prompt。
能返回 GAR binding。
能輸出 task packet。
能被 ComfyUI / Diffusers / AADS 下游讀取。

10. 建議實作順序

Phase 1

先實作純資料流：

intake
searcher bridge
compiler bridge
binder bridge
packet assembler

Phase 2

再做輸出器：

ComfyUI seed exporter
Diffusers config exporter
AADS packet exporter

Phase 3

最後接真正的 runner：

local queue
retry
result logging
lineage tracking

11. 後續 v0.6 方向

當 v0.5 打通後，v0.6 最自然的是：

runtime benchmark
style divergence metrics
anti-homogenization scoring
asset lineage registry
automatic feedback loop

也就是：

Generate \to Evaluate \to Refine \to Rebind

12. 總結

v0.5 的本質不是再多一篇白皮書，而是把整個系統從：

理論與規格

推到：

可執行的最小運作結構

也就是你真正要的：

AI 自己接收意圖，自己找風格域，自己編譯，自己綁定，自己輸出執行包。