最近收尾了一个轻量化的微信小程序项目，叫 形象分析助手 ，核心是上传一张正面人像，输出多维度的颜值打分、皮肤状态分析、气质风格判断，还有三庭五眼的结构拆解。顺道分享下从产品逻辑到工程落地的思路，以及小项目用 AI 辅助开发的一些体感。 一、产品逻辑：不只是套几何公式的颜值打分 市面上很多同类工具本质上就是纯套三庭五眼比例算分，结果和普通人的实际观感偏差很大。我们的思路是，把传统面部美学标准、多位形象美学博主的分析框架，和世俗普遍的美丑判断逻辑做了融合，重新做了维度加权，而不是单一几何数值说了算。 整个分析拆成了三层： 基础几何层 ：面部比例、对称度、五官形态这些可量化的特征，是计算的基础但不是唯一标准； 皮肤状态层 ：肤质、瑕疵分布、肤色均匀度等维度，对应真实观感里的 “皮肤好不好”； 气质风格层 ：基于五官锐度、面部线条、比例特征做风格判断，比如清冷、甜美、干练、柔和这类偏向。 最终的综合分不是生硬的几何得分，是更贴近日常观感的综合评价。除了分数，每个维度都有对应的拆解说明，另外单独做了三庭五眼的进阶结构页，给想深究面部结构的用户看。 二、工程链路：小程序 + 云函数 + 第三方 AI 接口 典型的轻量化小程序架构，没有自建服务器，全量跑在微信云开发上，成本低、迭代快。 1. 前端：压缩 + 状态机 + 边界处理 选图 / 拍照后，先用 wx.compressImage 配合自研的压缩逻辑，把图片体积控制在合理范围，避免上传和内容安全审核超时。 用状态机把「未选图 → 校验中 → 可分析 → 报告生成中 / 报错」整个流程拆解开，弱网、重试的时候界面不会乱跳。所有异常分支 —— 用户取消选图、图片过大、网络异常、审核不通过 —— 都做了统一格式化的错误提示，给用户可理解的行动指引，而不是裸堆栈报错。 2. 云端：云函数做安全转发与校验 所有敏感逻辑全部收拢在云函数侧：第三方 AI 接口的密钥、内容安全检测调用都在服务端完成，前端只拿最终结果。相当于在用户和分析接口之间加了一层代理，既避免密钥暴露在前端，也统一做了输入校验和异常兜底。 这里踩过云函数超时的坑，针对大文件、慢链路场景，配合前端压缩 + 分步处理，基本把超时概率压到了很低的水平。 3. 分析层：特征映射 + 规则化文案 第三方接口返回原始人脸属性，我们没有直接用它自带的分数，而是自己做了一层特征映射：把原始的关键点坐标、数值指标，套进我们自己的美学分析框架里，重新计算维度分和综合分。 文案部分用规则拼接的方式生成：按分数段、按优势 / 短板维度匹配对应的描述，保证输出稳定可控，不会出现大模型生成的离谱内容。 三、隐私设计：把敏感信息的风险锁进流程里 人脸属于敏感生物信息，这部分从架构设计第一天就定了底线，不是事后补的隐私文案。 照片仅用于本次形象分析，全程走微信云加密传输； 原始照片和生成报告默认 24 小时自动清理，不做长期存储； 所有人脸数据都不会用于 AI 模型训练，也不会共享给任何第三方； 用户随时可以手动删除历史记录，是物理删除不是标记删除，不留存痕迹。 毕竟是工具类产品，隐私是底线，不能为了功能丢了底线。 四、关于 AI 辅助开发的体感 这次开发里大量细节是和 AI 结对完成的，但不是 “一键生成整个产品” 那种。我自己做产品设计、联调、最终拍板，AI 充当的是效率助手： 查官方文档 ：各种基础库的 API 差异、云函数的常见坑，先让 AI 扫一遍文档和社区 issue ，我再真机验证，省了很多翻文档的时间； 代码样板 ：云函数模板、Promise 封装、错误处理这些通用逻辑，先出一版能跑的，我再按微信平台的规则收紧； 边界补全 ：各种异常分支、错误文案，AI 很适合列清单式补全，最后我再统一成产品化的表达； 文案输出 ：报告结构、维度命名、免责声明，批量生成几版，我再筛掉太营销、太玄乎的表述，保留克制的说法。 但 AI 不会替你扛审核政策，也代替不了真机联调，尤其是小程序这种平台规则细碎的场景，最终还是要自己过一遍。 最后 发出来一方面是想收集下真实场景的反馈，比如不同机型、弱网、大图这些场景的 bug ；另一方面也是交流下「小程序 + 云函数 + 第三方 AI 接口」这条轻量化链路的工程经验，尤其是小团队做这类 AI 工具的时候，怎么控质量、怎么做最小可验证迭代。 感兴趣的朋友微信搜「形象分析助手」就能找到，有问题或者建议欢迎在评论区聊。

  • 情报分类：服务器与云资源
  • 分类依据：内容涉及服务器、云资源或网络线路
  • 信息来源：服务器 / V2EX
  • 发布时间：2026/10/3 12:14:31