ai-pose-gallery-zh:4345 条参考、11568 张图,一周 5000 star 的 出图工作台拆给你看

一个上线一周左右冲到5000 多 star的开源项目，做的事情听起来不复杂：把日本画师散落三个站点、全日文元数据的 AI 绘画参考图库，汉化、镜像、再包成一个能直接出图的工作台。但点进仓库会发现，图库只是它最基础的一层。

原作者是日本创作者ギア（@giaaibusi），手上有三个公开站点：姿势库、服装库、人像库，元数据全是日文，彼此独立，也没有批量下载。中文版维护者 Anhao 把三个站合并到了一个仓库里。

合并后的体量可以直接看数字：4345 条全中文索引、11568 张本地高清图，仓库整体约 1.1GB。

每张图都同时存了缩略图和高清原图，所以纯静态托管、断网浏览都成立。这也是仓库体积过 GB 的直接原因，--depth 1只能省掉 Git 历史，省不了图片本身。

镜像一堆图片本身没什么技术含量，并发下载器加断点续传就能干完。这个项目工程上真正花了心思的，是元数据怎么翻译。

姿势库是一套受控词表：同一个动作概念，在分类名、姿势名、检索标签里会反复出现。如果每条记录各翻各的，同一个词出现三个中文说法，筛选和搜索立刻失灵——读者搜「侧身」，库里写的是「侧面」和「侧立」，谁也搜不到谁。

维护者的做法是建一份去重后的日中词典，每个唯一概念只翻一次，再用脚本批量重新生成三份中文 JSON 和检索索引。早期姿势库阶段词典有 323 个词条，三库合一之后又补上了服装款式、51 种发型这些新类目。想改译法，只动词典一个文件，然后重跑脚本。

配套还有一个verify.py，逐文件校验图片是否存在、大小是否正常、文件头对不对。一万多张图靠人工核对不现实，这种校验脚本是镜像类项目的标配，也是它敢把全量资源直接提交进仓库的底气。

如果只做到汉化和镜像，这就是个备份站。v2.0 加进来的「AI 角色合成台」把它变成了另一类东西。

玩法是挑三张参考图组配方：人像定脸和发型，服装定穿搭，姿势定动作。姿势槽位还能在素体白模和深度图之间一键切换，需要控姿态就切深度图接 ControlNet。素材齐了之后，系统按选择自动拼出一张三合一参考图，同时组装好纯中文的结构化提示词，内置12 种画风预设，从写实写真、日系二次元到 3D 潮玩手办都有。

出图环节接了5 条通道：Google Gemini、OpenAI GPT Image、阿里云百炼 Qwen、火山方舟 Doubao，以及本地 ComfyUI。前四个都是云端 API，在配置页填上自己的 Key 就能用，国内的千问和豆包也在原生支持列表里。生成记录走浏览器IndexedDB 持久化，切换页面不会中断正在跑的请求，也避开了 localStorage 的容量上限。

前端是 React 19 加 TypeScript 7、Vite 8、Tailwind 4 和 shadcn/ui 这一套，手机、平板、PC 同一套响应式页面。跨域问题靠一个 Cloudflare Workers 的/api/proxy同源代理解决，代理默认只放行五大官方接口域名。这个代理上线初期缺白名单，被人提了安全 issue 指出它会变成可匿名调用的开放转发端点，维护者当天就加上了域名限制和请求体大小约束。

仓库根目录躺着__init__.py，这意味着 clone 到ComfyUI/custom_nodes/下面，它就是一个即插即用的原生插件，而且不要求装额外 Python 依赖，直接复用 ComfyUI 自带的 torch、Pillow 和 aiohttp。

插件在画布里提供4 个节点：姿势、服装、人像各一个，再加一个三合一合成配方节点。节点内置了 4345 条数据的中文可视化选图器，可以按分类、视角、发型筛选或者直接中文搜索，选完输出 IMAGE 张量和中英文提示词。

还有一条线容易被忽略：skills/目录里放了8 个 SKILL.md 格式的 Agent 技能包。每个技能配一份 catalog.csv，用相对路径指向仓库里的图片，不重复存图，软链到本地 Agent 的 skills 目录后，Agent 就能直接检索这套图库，把姿势、服装、人像当生图或生视频的参考素材。

不少人看到 ComfyUI 就以为要先搭一套本地环境，其实不需要。5 条出图通道里只有最后一条依赖本机 ComfyUI，剩下四个云端接口和全部图库浏览功能，一个浏览器就够。

最省事的方式是直接打开在线演示站。想跑在本地，机器上有 Node.js 20 以上和 pnpm 就行：

起服务后默认在http://localhost:5173，浏览图库、组配方、拼参考图、导出提示词全部离线可用；要真正出图，再去配置页填云端 API 的 Key。

项目 10 月 27 日才建仓，issue 区还在集中处理移动端报错、工作流节点兼容这类年轻项目常见的小毛病，但修复节奏很快，外部贡献的 PR 已经在往男性姿势、新服装库这些方向扩。

如果你已经在用 AI 出图、又总苦于参考图散落各处和提示词描述不准，现在就值得上手试；只是好奇想看个热闹，直接逛在线站足矣，不必急着拉下那 1.1GB。至于这种「把素材、词表、工作流和 Agent 接口打包成一个仓库」的做法会不会成为参考类项目的新范式，可以再观察一阵子。

如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。

THANKS FOR READING