三生镜开发笔记：让 AI 生成「不随机」

三生镜（Mirror of Lives）还在 Building。它做的事很简单：上传一张脸，AI 锁定你的「前世命格身份」（书生 / 剑客 / 将军 / 女官 / 僧人……），再生成一张古风水墨画像配人设解说。

但有一个反直觉的设计约束，决定了整个技术方案：

同一张脸，必须永远得到同一个前世。

为什么「不随机」才是对的

AI 生成天然随机。同一张照片连传两次，大模型大概率给出两个不同的身份、两张不同的画像。对大多数 AI 玩具来说这无所谓，甚至是卖点。

但「前世命格」不一样。如果用户重传一次就变成另一个人，「命格」这个概念当场崩塌——它会从「注定」退化成「抽卡」。产品的情绪价值全靠那一句「这就是你的前世」，而这句话只有在结果稳定时才成立。

所以「同图同命」不是技术细节，是产品的命根子。

怎么做到的

核心是把「随机生成」改造成「确定性映射」：

照片 → 压缩成缩略图 → FNV-1a 32 位哈希 → 作为种子/缓存键
                                         ↓
                          命格身份 + 画像 URL（本地缓存）

1. 图像哈希做指纹。 对压缩后的 PNG 缩略图算 FNV-1a 32 位哈希，得到一个稳定指纹。同一张脸 → 同一个哈希。
2. 哈希驱动身份。 用哈希决定命格身份的映射，而不是让模型每次自由发挥。
3. 本地缓存兜底。 首次分析与生成的结果（命格 + 画像 URL）按哈希缓存在本地，重复上传直接命中缓存——既保证「同图同命」，又省掉一次昂贵的生成。

几个取舍

• 纯前端，无自建后端。 脸不上传到我的服务器，分析与生成全部走 AI 中台（ai.chuchuang.work）：视觉用 GPT-4o（兜底 Qwen3-VL），画像用 Gemini 2.5 Flash。隐私更轻，维护成本也更低。
• 复用底座，不造轮子。 AI 能力直接接现有的 AI Gateway，新产品零成本接入——这正是「任何新产品都建立在现有底座之上」的实践。
• 视觉签名优先。 铜镜外框 + 古风水墨，是这个 App 的辨识度来源。娱乐工具的传播，长得不一样比功能多更重要。

接下来

三生镜还没上架（即将上线）。上线后第一个要验证的不是收入，而是传播：一个「同图同命」的前世画像，用户愿不愿意截图分享出去。这决定了它是 Scale 还是 Kill。