Skip to content

feat(h3-image-executor): 1.9.0 二维码换真码,文字和图表由程序画,新增 GIF 动图 - #154

Open
liddalidd wants to merge 1 commit into
MiniMax-AI:mainfrom
liddalidd:feat/h3-image-executor-1.9.0
Open

liddalidd wants to merge 1 commit into
MiniMax-AI:mainfrom
liddalidd:feat/h3-image-executor-1.9.0

Conversation

@liddalidd

@liddalidd liddalidd commented Nov 20, 2026 •

Copy link
Copy Markdown
Contributor

H3-Image-Executor 升到 1.9.0:生图模型画不准的二维码、大段文字和数据图表,改由程序来画,并从交付文件读回核对。新增 GIF 动图:可以从一张参考图改出关键帧,也可以把交付的组图切格拼成 GIF、在相邻两格之间补过渡格;加载圈这类转圈动画由程序转出来。声明的访问和最低客户端版本都没有变。

测试环境与结果

  • macOS 15.0.1(Apple Silicon)上的 MiniMax Code 3.1.16 预览版(最早几次是更早的预览版),装的是 1.9.0 的开发版。

  • 在 MiniMax Code 里实跑过,规划和评审都是真实轮次:

    • 课本内页、识字挂图、电影海报、人体结构原理图上的程序排字;
    • 关键帧 GIF:雨天的故事、奔跑的小猫、表情包、像素风循环动画、加载圈;
    • 交付的六格组图拼成 GIF:追问「变成GIF」,没调生图,约 2 秒;
    • 两张数据图表:按需求里给的五年增长率画折线图,量回 11 处,最大偏差 0.06 像素,追问「变成柱状图」没调生图(0.1 像素);附一张图要求转成柱状图,量回 12 处(0.12 像素),图里的数需求原话里没有,交付时标出来请用户核对;
    • 二维码电子名片一次:4 张候选里 3 张换成真码、扫码通过,但一轮评审失败、参考图上传又遇到 HTTP 502,最后没交付。临时故障的处理就是因此改的。

    这些任务暴露的问题和改法写在插件 README 的 Tested environment 里,改完之后没有在 MiniMax Code 里逐项重跑。

  • 在真实的 H3-Image 接口上测、规划和评审换成固定答复(这两种轮次只能在 MiniMax Code 里跑):

    • 过渡格:拿六格组图会话的快照重放「重新变成gif」,一次生图 35–40 秒,6 步都补上,GIF 12 帧、1.7 MB;另一组六格组图 6 步都补上,831 KB;
    • 程序转圈:十二点加载圈只画一张图(18 秒),转出 24 帧、154 KB 的 GIF。
  • 模拟 Host 和接口的自动化回归:42 个测试脚本共 930 项检查,加上 2 个批量核对,全部通过。这些脚本依赖真机会话的素材,放在仓库外,没有随包提交。

  • 仓库根目录 npm run check:0 个 error;本包 3 个 warning,原因见下;92 个测试全部通过。

没有验证的

  • 过渡格:真实的过渡格规划写得准不准,真实评审挑得对不对。
  • 程序转圈和随包的 h3-gif 工具没在 MiniMax Code 里跑过。
  • 二维码没在 MiniMax Code 里跑到交付,也没用手机摄像头扫过(应用的核对用的是软件解码器)。
  • 真实的规划会不会在该用的时候写 panel_gif、motion_gif;漫画分镜、不规则格子能不能切准。
  • Windows(包括 Windows 上的字体)、上面以外的 MiniMax Code 版本、开发时所用以外的 H3-Image 接口。

剩余的 npm run check warning

  • ENTRY_STDOUT(miniapp/node/tools/h3-gif.mjs、h3-qr.mjs、h3-review.mjs):这三个是随 Skill 发布的命令行工具,由 Agent 用 node 单独运行,结果以 JSON 写到 stdout。Mini App 入口 server.mjs 不会 import 它们,所以这是子进程自己的输出,不是 Host 的。h3-review.mjs 在 1.8.1 就有同样的 warning。

声明的权限与最低客户端版本

  • 没有变化:agentAccess: ["session.run"]、toolAccess: ["call"],最低 MiniMax Code 3.1.6,没有新的网络主机。
  • 新增的 Agent 轮次(GIF 帧评审、过渡格规划、过渡格评审)走的是已声明的 session.run。
  • 包变大了:随包两款 OFL-1.1 字体共 9.9 MB,jsQR 1.4.0(Apache-2.0)约 250 KB,许可证文件都在 miniapp/node/vendor/ 里。
Written by Claude Opus 5.5

这一版改了什么

  • 二维码:把模型画的假码换成按需求内容生成的真码,从交付文件扫码验证,扫不出就打回重画。解码用随包的 jsQR 1.4.0。新增 h3-image-qrcode Skill 和 h3-qr 工具,面板以外的图也能换码。

  • 文字:一段 24 字以上、竖排或书法这类文字,先让模型画一张载体留空的底图,再由程序按原文逐字排上去。同一角色字号统一,正文首行缩进,脚注符号排成上标,一个字的偏旁可以单独上色。随包马善政、志莽行两款毛笔字体。

  • 数据图表:柱状、折线、饼图等由程序按数据画在模型留空的面板上,再从交付文件量回来核对。只改数、换类型、去掉图表都不调生图。

  • GIF 动图有三种做法:

    • 从一张参考图出发,一帧接一帧改出关键帧。一步跨度大的地方补过渡帧,没过评审被扔掉的帧按原计划补一帧。用户没给参考图时先画一张请他确认,一分钟没回应就自动开始。
    • 交付的组图切格拼成 GIF,组图不重画。相邻两格之间的过渡格在原组图上一次改出 2 张候选,程序先筛掉照抄前后格的,再由评审挑,挑中的锁到所在那一格的背景上。
    • 加载圈、转动的图标只画一张,由程序按圆心转出各帧。

    随包 h3-gif 命令行工具和 h3-image-gif Skill,聊天里的 Agent 也能拼 GIF、让图转起来并读回核对。

其他改动

  • 参考图检索的次数由规划定,搜不到时换个说法再搜一次;JPEG 解码器能读渐进式文件。
  • 各节点的工具调用上限按任务难度算。
  • H3-Image 接口返回 429、500、502、503、504,或上传接口报超时、限流、内部错误时,等 4 秒、12 秒各重试一次;Agent 回合失败时隔 8 秒、20 秒换新会话重试。还是失败的话,已经出好的图照常交付。
  • 色偏判定不再把暖光画面判成偏红;需求写明白纸、白底时检查纸色;多轮编辑时带上一张颜色合格的候选作对照。
  • 重跑只带原需求和手动上传的图。
  • 分享页内嵌 GIF,总共不超过 3 MB,超出的只放静态预览。
  • h3-review 一张图都解不开时不写文件,按失败退出。
  • exampleQueries 加了 6 条;两个根 README 里 H3 那一行同步更新。

Autofix with [code]smith
Open in [code]smith · Need help on this PR? Tag @codesmith-bot with what you need.

插件从 1.8.1 升到 1.9.0。生图模型画不准的二维码、长文字和数据图表改由程序来画,
画完从交付文件读回核对;另外新增 GIF 动图。

- 二维码:把模型画的假码换成按需求内容生成的真码,从交付文件扫码验证,扫不出就打回重画。
  解码用随包的 jsQR 1.4.0(Apache-2.0)。
- 文字:一段 24 字以上、竖排或书法这类文字,先让模型画一张载体留空的底图,再由程序按原文
  逐字排上去。同一角色字号统一,正文首行缩进,脚注符号排成上标,一个字的偏旁可以单独上色。
  随包马善政、志莽行两款 OFL-1.1 字体,共 9.9 MB。
- 数据图表:柱状、折线、饼图等由程序按数据画在模型留空的面板上,再从交付文件量回来核对。
  只改数、换类型、去掉图表都不调生图。
- GIF 动图有三种做法:
  - 从一张参考图出发,一帧接一帧改出关键帧。一步跨度大的地方补过渡帧,没过评审被扔掉的帧
    按原计划补一帧。用户没给参考图时先画一张请他确认,一分钟没回应就自动开始。
  - 交付的组图切格拼成 GIF,组图不重画。相邻两格之间的过渡格在原组图上一次改出 2 张候选,
    程序先筛掉照抄前后格的,再由评审挑,挑中的锁到所在那一格的背景上。
  - 加载圈、转动的图标只画一张,由程序按圆心转出各帧。
  随包 h3-gif 命令行工具和 h3-image-gif Skill,聊天里的 Agent 也能拼 GIF、让图转起来并读回核对。

其他改动:
- 参考图检索的次数由规划定,搜不到时换个说法再搜一次;JPEG 解码器能读渐进式文件。
- 各节点的工具调用上限按任务难度算。
- H3-Image 接口返回 429、500、502、503、504,或上传接口报超时、限流、内部错误时,
  等 4 秒、12 秒各重试一次;Agent 回合失败时隔 8 秒、20 秒换新会话重试。
  还是失败的话,已经出好的图照常交付。
- 色偏判定不再把暖光画面判成偏红;需求写明白纸、白底时检查纸色;多轮编辑时带上一张
  颜色合格的候选作对照。
- 重跑只带原需求和手动上传的图。
- 分享页内嵌 GIF,总共不超过 3 MB,超出的只放静态预览。
- h3-review 一张图都解不开时不写文件,按失败退出。
- 新增 h3-image-qrcode、h3-image-gif 两个 Skill,exampleQueries 加了 6 条;
  两个根 README 里 H3 那一行同步更新。

声明的访问(agentAccess: session.run,toolAccess: call)、网络请求的主机和最低客户端版本
(3.1.6)都没有变。新增的 Agent 轮次(GIF 帧评审、过渡格规划和过渡格评审)走的是已声明的
session.run。npm run check 0 错误,3 个 ENTRY_STDOUT 警告:h3-gif、h3-qr、h3-review 是给
Agent 在 shell 里跑的命令行工具,结果以 JSON 写到 stdout,server.mjs 不引用它们。

1.9.0 的开发版在 macOS 15 上的 MiniMax Code 3.1.16 及更早的预览版里跑过排字、关键帧 GIF、
组图拼 GIF 和数据图表;二维码跑过一次,没走到交付。过渡格和程序转圈只在真实的 H3-Image
接口上、配固定答复的规划和评审测过,h3-gif 工具没在 MiniMax Code 里跑过。各项怎么验证、
哪些没验证,见 README 的 Tested environment。
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Labels

None yet

Projects

None yet

Development

Successfully merging this pull request may close these issues.

2 participants