PickingList — 拼装模型取件表平台

高达 / 机甲拼装模型（Gunpla）的取件表（Parts Picking List）Web 平台。

• 管理员：上传官方 PDF 说明书 → 多模态大模型识别提取 → 人工复核/编辑 → 发布取件表。
• 普通用户：按 等级 → 作品系列 → 型号 分类浏览，或关键字搜索，查看取件表（整模型总表 / 按步骤分组）。

文档

• 产品需求文档：PRD.md

技术栈

• Next.js 16（App Router）+ TypeScript + Tailwind v4
• Prisma 7 + SQLite（本地 MVP，驱动适配器 better-sqlite3）
• Anthropic Claude API（claude-opus-4-8，原生读 PDF 做结构化提取）
• 本地文件存储（存储层抽象为适配器，后期可切云存储）

本地运行

前置：Node 20+、pnpm（npm i -g pnpm）。

pnpm install
cp .env.example .env        # 按下方说明填写 GEMINI_API_KEY / AUTH_SECRET / 管理员密码哈希
pnpm prisma generate        # 生成 Prisma 客户端
pnpm prisma db push         # 创建本地 SQLite 库(dev.db)
pnpm db:seed                # 灌入分类种子(等级/系列)
pnpm dev                    # http://localhost:3000

常用脚本：pnpm build（生产构建）、pnpm db:studio（Prisma Studio 看数据）、pnpm hash-password "密码"（生成管理员密码哈希）。

环境变量（.env）

变量	说明
DATABASE_URL	本地 SQLite，默认 file:./dev.db
GEMINI_API_KEY	识别用，aistudio.google.com 免费申请
GEMINI_MODEL	默认 gemini-2.5-flash
RECOGNITION_SCALE / TILE_COLS / TILE_ROWS	渲染倍率与切块（默认 6 / 2 / 2，越大越准越耗）
ADMIN_PASSWORD_HASH	管理员密码的 scrypt 哈希（不存明文），默认密码 changeme
AUTH_SECRET	会话 Cookie 签名密钥（随机长串，勿外泄）

.env 已 gitignore，不会进仓库。API key / 密钥按惯例明文存（程序需用）；管理员密码只存哈希。

管理员登录

• 访问 /admin 未登录会跳 /login；默认密码 changeme。
• 改密码（不暴露明文）：

  pnpm hash-password "你的新密码"   # 输出 ADMIN_PASSWORD_HASH="..."

  把输出粘到 .env 替换原值，重启即可。
• ⚠️ 上线前：换强密码、各环境单独设 AUTH_SECRET。

目录结构

prisma/schema.prisma     数据模型(Grade/Series/ModelKit/Manual/Section/SectionPart)
src/app/                 页面(首页/浏览/搜索/取件表 + /admin 管理端 + /login)
src/middleware.ts        鉴权拦截 /admin/*
src/lib/db.ts            Prisma 客户端
src/lib/auth.ts          会话签名(Web Crypto); src/lib/password.ts 密码哈希(scrypt)
src/lib/storage/         存储适配器(LocalStorage)
src/lib/recognize/       识别层(切块+Gemini、Zod Schema、persist、provider适配器)
src/components/          PickingTable 共享展示组件(按部位/按板件)
scripts/hash-password.mjs 生成管理员密码哈希
storage/                 本地 PDF 存储(gitignore)

状态

✅ MVP 主线已打通：

• 管理员（需登录）：型号管理 / PDF 上传 / 识别(高倍切块 + Gemini) / 复核编辑 / 发布
• 普通用户：按等级→系列→型号浏览 / 关键字搜索 / 取件表(按部位 · 按板件，仅已发布)
• 鉴权：管理端密码登录（密码存 scrypt 哈希）+ 签名 Cookie + middleware 拦截

识别准确率（对 dammiz 同款基准）：切块后精确 ~94–98% / 召回 ~92–94%，数量靠人工复核兜底。

后续可选：盒绘图、识别参数按 RG/MG 调优、云部署(R2/Supabase + 托管队列)。

注意

⚠️ 切勿提交受版权保护的官方说明书 PDF（.gitignore 已忽略 *.pdf、/storage、.env、本地数据库）。