Back to "Zero PII ग्राहक इंटेलिजेंस - भाग | 1.1: | नमूना डेटा उत्पन्न करना |( | और छवियाँ |M) | स्थानीय रूप से"

This is a viewer only at the moment see the article on how this works.

To update the preview hit Ctrl-Alt-R (or ⌘-Alt-R on Mac) or Enter to refresh. The Save icon lets you save the markdown file to disk

# Zero PII ग्राहक इंटेलिजेंस - भाग | 1.1: | नमूना डेटा उत्पन्न करना |( | और छवियाँ |M) | स्थानीय रूप से

<datetime class="hidden">2025-12-31T20:00</datetime>

में [भाग 1](/blog/zero-pii-customer-intelligence-part1) हमने दर्शन को शामिल किया है [भाग 2](/blog/zero-pii-customer-intelligence-part2) सत्र प्रोफाइलों को शामिल करता है

लेकिन पहले **कैसे आप इस में से किसी भी प्रमाणित करने के बिना कभी वास्तविक ग्राहक डेटा छूते हैं**

इस श्रृंखला के लिए मैं एक संपूर्ण संश्लेषित ई-कॉमर्स डेटासेट स्थानीय रूप से उत्पन्न करता हूँ

- उत्पाद विवरणिका (नामM SK1 वर्णन, टैग्सMSC3 कीमतें
- अनौपचारिक “प्रोफ़ाइलें” | / व्यक़्तिय |(लाभ |
- ComfyUI के माध्यम से उत्पाद छवियाँ (और प्रोफ़ाइल पोर्ट्रेट्स)
- वैकल्पिक डीबी आयात ताकि वास्तविक अनुप्रयोग इसके विरुद्ध चला जा सके

यह उन में से एक है।

## स्थानीय संश्लेषण डेटा इतनी शक्तिशाली क्यों है

यदि आप विखंडन निर्मित कर रहे हैं

- इतना विविधता है कि सहज गुस्से को तोड़ने के लिए
- साझा करने के लिए सुरक्षित हैं
- दोहराया जा सकता है (ताकि आप मॉडल परिवर्तनों की तुलना कर सकते हैं

वास्तविक आंकड़ा विपरीत है

संश्लेषण डेटा आपको तीन सुपर पावर देता है

1. **त्वरित पुनरावृत्ति**: विखंडन तर्क को बदलेंM SK1 पुनर्जीवित करें, फिर से चलाएँ
2. **कठोरता**: विचित्र लम्बे को सिमुलित करें
3. **स्पष्टता परीक्षण**: आप कर सकते हैं *प्रत्येक उत्पन्न क्षेत्र की जांच करें* और अपनी पुष्टि करें “मुझे दिखाएँ कि क्यों है

```mermaid
flowchart LR
    Taxonomy[gadget-taxonomy.json] --> Gen[SampleData generator]
    Gen --> Products[products.json]
    Gen --> Profiles[profiles.json]
    Gen --> Images[images/*]
    Products --> Import[Import into Postgres]
    Profiles --> Import

style Taxonomy stroke:#1971c2,stroke-width:3px
    style Gen stroke:#1971c2,stroke-width:3px
    style Import stroke:#2f9e44,stroke-width:3px
```

## औज़ारिंग (क्या वास्तव में चलाता है

जेनेरेटर में रहता है `Mostlylucid.SegmentCommerce.SampleData`.

यह अभिप्रायतः एक ढांचा नहीं है, यह एक व्यावहारिक सीएलआई है जो बातचीत करता है

- **ओलामाCity name (optional, probably does not need a translation)** संरचनात्मक JSON उत्पादन के लिए (local LLM
- **ComfyUI** उत्पाद फोटोग्राफी के लिए (स्थानीय स्थिर diffusion
- ए **वर्गीकरण JSON** जो आउटपुट को सुसंगत बनाए रखता है

कॉन्फ़िगरेशन तारित है ताकि आप इसे परिवेश चलों के माध्यम से चला सकते हैं

```csharp
// Mostlylucid.SegmentCommerce.SampleData/Program.cs
var configuration = new ConfigurationBuilder()
    .SetBasePath(AppContext.BaseDirectory)
    .AddJsonFile("appsettings.json", optional: true)
    .AddEnvironmentVariables("SAMPLEDATA_")
    .Build();
```

## त्वरित प्रारंभ

आप सामान्यतः जेनरेटर के साथ तीन स्थानीय सेवाएँ चलाएंगे

```mermaid
flowchart LR
    CLI[SampleData CLI] --> Ollama["Ollama
    http://localhost:11434"]
    CLI --> Comfy["ComfyUI
    http://localhost:8188"]
    CLI -. optional .-> DB[(Postgres)]

style CLI stroke:#1971c2,stroke-width:3px
    style Ollama stroke:#1971c2,stroke-width:3px
    style Comfy stroke:#2f9e44,stroke-width:3px
    style DB stroke:#fab005,stroke-width:3px
```

रेपो मूल से जेनेरेटर चलाएँ

```bash
dotnet run --project Mostlylucid.SegmentCommerce.SampleData -- status
```

फिर एक डेटासेट उत्पन्न करें

```bash
# v1 generator: taxonomy + optional Ollama + optional ComfyUI
# Writes ./Output/products.json, ./Output/profiles.json, ./Output/images/...
dotnet run --project Mostlylucid.SegmentCommerce.SampleData -- generate --count 20
```

उपयोगी स्विच

```bash
# No LLM calls, taxonomy only
dotnet run --project Mostlylucid.SegmentCommerce.SampleData -- generate --no-ollama

# No ComfyUI images
dotnet run --project Mostlylucid.SegmentCommerce.SampleData -- generate --no-images

# Write into Postgres (uses configured connection string)
dotnet run --project Mostlylucid.SegmentCommerce.SampleData -- generate --db
```

ध्यान दें: यदि ComfyUI नहीं है’मौजूद नहीं है\, वी. एम. एस. सी. एल. जेनरेटर प्लेसहोल्डर छवियों में वापस आता है MSC4यह उपयोग करता है `picsum.photos`, इस तरह कि पथ नहीं है `--no-images`.

## जेनेरेटर

वहाँ भी एक नया जेनेरेटर कमांड है`gen`जो एक अधिक पूर्ण निर्माण करता है

```bash
# v2 generator
# Writes dataset.json plus sellers/products/customers/orders split files
dotnet run --project Mostlylucid.SegmentCommerce.SampleData -- gen --sellers 50 --products 20 --customers 1000
```

यह एक बहुआयामी पाइपलाइन के रूप में orchestrated है

```mermaid
flowchart LR
    A[Sellers] --> B[Products]
    B --> C[Customers]
    C --> D[Orders]
    D --> E[Embeddings]

B -. optional .-> I[ComfyUI images]

style A stroke:#1971c2,stroke-width:3px
    style B stroke:#1971c2,stroke-width:3px
    style C stroke:#1971c2,stroke-width:3px
    style D stroke:#1971c2,stroke-width:3px
    style E stroke:#2f9e44,stroke-width:3px
    style I stroke:#2f9e44,stroke-width:3px
```

और आप इन चरणों को सीधे कोड में देख सकते हैं

```csharp
// Mostlylucid.SegmentCommerce.SampleData/Services/DataGenerator.cs
// 1. Generate Sellers
// 2. Generate Products for each seller
// 3. Generate Customers
// 4. Generate Orders (with fake checkout data via Bogus)
// 5. Generate embeddings for all entities
```

### सम्मिलन (Local ONNX, प्रथम रन के बाद कैच किया गया

जेनेरेटर v2 एक ONNX मॉडल के प्रयोग से एम्बेडिंग का संगणन कर सकता है `all-MiniLM-L6-v2`पहली बार जब आप इसे चलाते हैं, यह मॉडल डाउनलोड करता है और अपने आउटपुट फ़ोल्डर में vocab

इसका मतलब है

- सर्वप्रथम चलाने के लिए नेटवर्क अभिगम की आवश्यकता है (मोडल डाउनलोड
- अनुवर्ती रन स्थानीय और तेज हैं
- यदि आप चाहते हैं “कभी कोई नेटवर्क नहीं चलाएँ `--no-embeddings`

```csharp
// Mostlylucid.SegmentCommerce.SampleData/Services/EmbeddingService.cs
private const string ModelUrl = "https://huggingface.co/sentence-transformers/all-MiniLM-L6-v2/resolve/main/onnx/model.onnx";
private const string VocabUrl = "https://huggingface.co/sentence-transformers/all-MiniLM-L6-v2/resolve/main/vocab.txt";

// Download model if not exists
if (!File.Exists(_config.ModelPath))
{
    await DownloadFileAsync(ModelUrl, _config.ModelPath, ct);
}
```

## हम कैसे उत्पन्न करते हैं “LLM-ShapedM SK2Products

उत्पाद उत्पादन प्रवर्धन जानबूझकर सख्त है: एलएलएम को केवल JSON लौटाना होगा, एक सम्मिलित JSON स्कीमा उदाहरण के साथ

```csharp
// Mostlylucid.SegmentCommerce.SampleData/Services/OllamaProductGenerator.cs
return $"""
    You are a product catalog generator for an e-commerce store. Generate {count} unique, realistic product listings for the \"{category.DisplayName}\" category.

Category description: {category.Description}
    Example products in this category: {category.ExampleProducts}
    Price range: £{category.PriceRange.Min:F2} - £{category.PriceRange.Max:F2}

For each product, provide:
    1. A compelling product name (realistic brand-style naming)
    2. A detailed description (2-3 sentences, highlighting key features and benefits)
    3. A realistic price within the range
    4. Optional original price if on sale (20-40% higher than current price)
    5. 3-5 relevant tags
    6. Whether it's trending (about 20% should be trending)
    7. Whether it's featured (about 15% should be featured)
    8. An image prompt for AI image generation (detailed, product photography style)
    9. 2-3 colour variants for the product

IMPORTANT: Respond with ONLY valid JSON, no markdown formatting, no code blocks, no explanations.

Generate {count} diverse products now:
    """;
```

यह महत्व रखता है क्योंकि नीचे की प्रणाली (छवि उत्पन्न करने के लिए | + | आयात |+ | एम्बेडिंग | МSK3 | संरचनात्मक डेटा चाहते हैं *पाइपलाइन में इनपुट*गद्य नहीं लिखता

### LLM प्रतिक्रियाएँ: पद वर्णन JSON, या वापस गिरें

एलएलएम कंपाइलर नहीं हैं

v2 जेनरेटर एक छोटी मददगार के माध्यम से ऐसा करता है`LlmService`) जो पहला निकालता है `{...}` ब्लॉक और इसे डिसेरियालिज़ करता है

```csharp
// Mostlylucid.SegmentCommerce.SampleData/Services/LlmService.cs
var jsonStart = response.IndexOf('{');
var jsonEnd = response.LastIndexOf('}');

if (jsonStart >= 0 && jsonEnd > jsonStart)
{
    var jsonStr = response.Substring(jsonStart, jsonEnd - jsonStart + 1);
    return JsonSerializer.Deserialize<T>(jsonStr, new JsonSerializerOptions
    {
        PropertyNameCaseInsensitive = true
    });
}
```

और समग्र उत्पादन पाइपलाइन निर्दिष्ट रूप से उपलब्धता की जांच करता है तथा आवश्यकता पड़ने पर निर्णायक टेम्प्लेटों को कम करने के लिए

style A stroke:#1971c2,stroke-width:3px
    style C stroke:#2f9e44,stroke-width:3px
    style F stroke:#fab005,stroke-width:3px
```

### उदाहरण: ग्राहक व्यक्तित्व (vM SK2

ग्राहकों के लिए व्यक्ति प्रोम्प्ट छोटा और संरचना है इसलिए यह एक छोटे स्थानीय मॉडल के साथ तेजी से उत्पन्न किया जा सकता है

```csharp
// Mostlylucid.SegmentCommerce.SampleData/Services/DataGenerator.cs
var prompt = $$"""
    Generate a shopper persona interested in: {{string.Join(", ", categoryNames)}}.

Return JSON only:
    {
      "persona": "Brief persona description (e.g. 'Tech enthusiast who values quality')",
      "name": "Realistic first name",
      "bio": "One sentence about their shopping habits",
      "age": 25,
      "shopping_style": "budget|value|premium|luxury",
      "preferred_categories": ["category1", "category2"]
    }
    """;
```

## API के माध्यम सेComfyUI: उत्पाद फोटोग्राफी

ComfyUI महान है क्योंकि यह आपको एक नियंत्रित पाइपलाइन देता है (workflows) एकल काला बक्सा छवि अंतबिंदु के बजाय

जेनरेटर

1. एक कार्यप्रवाह टेम्प्लेट लोड करता है (`ComfyUI/workflows/product_image.json`)
2. प्रवर्धन में पैच करता है `CLIPTextEncode`
3. कतार `/prompt`
4. मतदान `/history/{promptId}`
5. छवि डाउनलोड करता है `/view?...`

```mermaid
sequenceDiagram
    participant Gen as SampleData
    participant Comfy as ComfyUI

Gen->>Comfy: POST /prompt (workflow + prompt)
    Comfy-->>Gen: prompt_id
    loop poll
        Gen->>Comfy: GET /history/{prompt_id}
        Comfy-->>Gen: outputs / images
    end
    Gen->>Comfy: GET /view?filename=...&type=output
    Comfy-->>Gen: PNG bytes
```

ComfyUI मॉडल चयन भी रनटाइम पर कार्यप्रवाह में पैच किया जाता है (ताकि आप JSON को संपादित किए बिना जाँच बिंदुओं का स्विप कर सकते हैं

```csharp
// Mostlylucid.SegmentCommerce.SampleData/Services/ComfyUIImageGenerator.cs
TryPatchCheckpoint(workflow, _config.ComfyUICheckpointName ?? "sd_xl_base_1.0.safetensors");
TryPatchRefiner(workflow, _config.ComfyUIRefinerName ?? "sd_xl_refiner_1.0.safetensors");
```

और कार्यप्रवाह पैचिंग जानबूझकर सरल और मजबूत है

```csharp
// Mostlylucid.SegmentCommerce.SampleData/Services/ComfyUIImageGenerator.cs
// Update CLIPTextEncode nodes with our prompt
if (classType == "CLIPTextEncode")
{
    var inputs = nodeObj["inputs"]?.AsObject();
    if (inputs != null && inputs.ContainsKey("text"))
    {
        var currentText = inputs["text"]?.GetValue<string>() ?? "";
        if (!currentText.Contains("bad") && !currentText.Contains("ugly") && !currentText.Contains("deformed"))
        {
            inputs["text"] = prompt;
        }
    }
}

// Update image dimensions
if (classType == "EmptyLatentImage")
{
    var inputs = nodeObj["inputs"]?.AsObject();
    if (inputs != null)
    {
        inputs["width"] = _config.ImageWidth;
        inputs["height"] = _config.ImageHeight;
    }
}
```

## प्रोफाइलें और व्यक्तित्व (प्रयुक्त,कमी नहीं है

जेनेरेटर v1 अनाम प्रोफाइलें बनाता है और फिर उन्हें एक व्यक्तित्व के साथ समृद्ध करता है. ( अभी भी कोई PII नहीं है.

v में प्रोफाइलों को एक के उपयोग से कुंजींकित किया जाता है

```csharp
// Mostlylucid.SegmentCommerce.SampleData/Services/ProfileGenerator.cs
var profileKey = Hash($"fp-{Guid.NewGuid():N}");

private static string Hash(string input)
{
    using var sha = SHA256.Create();
    var bytes = sha.ComputeHash(Encoding.UTF8.GetBytes(input));
    return Convert.ToHexString(bytes).ToLowerInvariant();
}
```

यह पूरी श्रृंखला की मानसिकता है

```mermaid
flowchart TB
    Signals["Generated signals
    views/cart/purchase weights"] --> Persona["Persona enrichment
    Ollama JSON-only"]
    Persona --> Portrait[Portrait prompt]
    Portrait --> Comfy[ComfyUI]

style Signals stroke:#1971c2,stroke-width:3px
    style Persona stroke:#1971c2,stroke-width:3px
    style Comfy stroke:#2f9e44,stroke-width:3px
```

## वैधीकरण: यह आपको क्या साबित करता है

यह स्थानीय पाइपलाइन शक्तिशाली है क्योंकि यह समर्थन करता है *मॉडल वैधीकरण*केवल डेमो नहीं

- **विखंडन स्वच्छता**जब आप उत्पाद नामों की जांच करते हैं तो खंडों को आप संगणित करें
- **सिफारिश का स्पष्टीकरण**क्या करता है “मुझे दिखाता है कि क्यों यह सही संकेत पर संकेत देता है जिसे आप सत्यापित कर सकते हैं
- **ठंडा प्रारंभ**: यदि आप डेटासेट को मिटाना और पुनर्जीवित करें
- **रिग्रेसन परीक्षण**डेटा के एक ही आकार को पुनर्जीवित करें और सुनिश्चित करें कि आपके परिवर्तन रैंकिंग नहीं तोड़ते

महत्वपूर्ण सूक्ष्मता : दोनों के उत्पादन द्वारा *पाठ* और *छवियाँ*आप पूरे उत्पाद अनुभव को प्रमाणित कर सकते हैं

## क्या है

**[भाग 2](/blog/zero-pii-customer-intelligence-part2)**सत्र प्रोफाइलें

**भाग 3** आ रहा है

---

*जेनेरेटर कोड `Mostlylucid.SegmentCommerce.SampleData/`*

This is a preview from the server running through my markdig pipeline

C# ComfyUI LLM Privacy Product

Zero PII ग्राहक इंटेलिजेंस - भाग | 1.1: | नमूना डेटा उत्पन्न करना |( | और छवियाँ |M) | स्थानीय रूप से

Wednesday, 31 December 2025

में भाग 1 हमने दर्शन को शामिल किया है भाग 2 सत्र प्रोफाइलों को शामिल करता है

लेकिन पहले कैसे आप इस में से किसी भी प्रमाणित करने के बिना कभी वास्तविक ग्राहक डेटा छूते हैं

उत्पाद विवरणिका (नामM SK1 वर्णन, टैग्सMSC3 कीमतें
अनौपचारिक “प्रोफ़ाइलें” | / व्यक़्तिय |(लाभ |
ComfyUI के माध्यम से उत्पाद छवियाँ (और प्रोफ़ाइल पोर्ट्रेट्स)
वैकल्पिक डीबी आयात ताकि वास्तविक अनुप्रयोग इसके विरुद्ध चला जा सके

यह उन में से एक है।

स्थानीय संश्लेषण डेटा इतनी शक्तिशाली क्यों है

यदि आप विखंडन निर्मित कर रहे हैं

इतना विविधता है कि सहज गुस्से को तोड़ने के लिए
साझा करने के लिए सुरक्षित हैं
दोहराया जा सकता है (ताकि आप मॉडल परिवर्तनों की तुलना कर सकते हैं

वास्तविक आंकड़ा विपरीत है

संश्लेषण डेटा आपको तीन सुपर पावर देता है

त्वरित पुनरावृत्ति: विखंडन तर्क को बदलेंM SK1 पुनर्जीवित करें, फिर से चलाएँ
कठोरता: विचित्र लम्बे को सिमुलित करें
स्पष्टता परीक्षण: आप कर सकते हैं प्रत्येक उत्पन्न क्षेत्र की जांच करें और अपनी पुष्टि करें “मुझे दिखाएँ कि क्यों है

flowchart LR
    Taxonomy[gadget-taxonomy.json] --> Gen[SampleData generator]
    Gen --> Products[products.json]
    Gen --> Profiles[profiles.json]
    Gen --> Images[images/*]
    Products --> Import[Import into Postgres]
    Profiles --> Import

    style Taxonomy stroke:#1971c2,stroke-width:3px
    style Gen stroke:#1971c2,stroke-width:3px
    style Import stroke:#2f9e44,stroke-width:3px

औज़ारिंग (क्या वास्तव में चलाता है

जेनेरेटर में रहता है Mostlylucid.SegmentCommerce.SampleData.

यह अभिप्रायतः एक ढांचा नहीं है, यह एक व्यावहारिक सीएलआई है जो बातचीत करता है

ओलामाCity name (optional, probably does not need a translation) संरचनात्मक JSON उत्पादन के लिए (local LLM
ComfyUI उत्पाद फोटोग्राफी के लिए (स्थानीय स्थिर diffusion
ए वर्गीकरण JSON जो आउटपुट को सुसंगत बनाए रखता है

कॉन्फ़िगरेशन तारित है ताकि आप इसे परिवेश चलों के माध्यम से चला सकते हैं

// Mostlylucid.SegmentCommerce.SampleData/Program.cs
var configuration = new ConfigurationBuilder()
    .SetBasePath(AppContext.BaseDirectory)
    .AddJsonFile("appsettings.json", optional: true)
    .AddEnvironmentVariables("SAMPLEDATA_")
    .Build();

त्वरित प्रारंभ

आप सामान्यतः जेनरेटर के साथ तीन स्थानीय सेवाएँ चलाएंगे

flowchart LR
    CLI[SampleData CLI] --> Ollama["Ollama
    http://localhost:11434"]
    CLI --> Comfy["ComfyUI
    http://localhost:8188"]
    CLI -. optional .-> DB[(Postgres)]

    style CLI stroke:#1971c2,stroke-width:3px
    style Ollama stroke:#1971c2,stroke-width:3px
    style Comfy stroke:#2f9e44,stroke-width:3px
    style DB stroke:#fab005,stroke-width:3px

रेपो मूल से जेनेरेटर चलाएँ

dotnet run --project Mostlylucid.SegmentCommerce.SampleData -- status

फिर एक डेटासेट उत्पन्न करें

# v1 generator: taxonomy + optional Ollama + optional ComfyUI
# Writes ./Output/products.json, ./Output/profiles.json, ./Output/images/...
dotnet run --project Mostlylucid.SegmentCommerce.SampleData -- generate --count 20

उपयोगी स्विच

# No LLM calls, taxonomy only
dotnet run --project Mostlylucid.SegmentCommerce.SampleData -- generate --no-ollama

# No ComfyUI images
dotnet run --project Mostlylucid.SegmentCommerce.SampleData -- generate --no-images

# Write into Postgres (uses configured connection string)
dotnet run --project Mostlylucid.SegmentCommerce.SampleData -- generate --db

ध्यान दें: यदि ComfyUI नहीं है’मौजूद नहीं है, वी. एम. एस. सी. एल. जेनरेटर प्लेसहोल्डर छवियों में वापस आता है MSC4यह उपयोग करता है picsum.photos, इस तरह कि पथ नहीं है --no-images.

जेनेरेटर

वहाँ भी एक नया जेनेरेटर कमांड हैgenजो एक अधिक पूर्ण निर्माण करता है

# v2 generator
# Writes dataset.json plus sellers/products/customers/orders split files
dotnet run --project Mostlylucid.SegmentCommerce.SampleData -- gen --sellers 50 --products 20 --customers 1000

यह एक बहुआयामी पाइपलाइन के रूप में orchestrated है

flowchart LR
    A[Sellers] --> B[Products]
    B --> C[Customers]
    C --> D[Orders]
    D --> E[Embeddings]

    B -. optional .-> I[ComfyUI images]

    style A stroke:#1971c2,stroke-width:3px
    style B stroke:#1971c2,stroke-width:3px
    style C stroke:#1971c2,stroke-width:3px
    style D stroke:#1971c2,stroke-width:3px
    style E stroke:#2f9e44,stroke-width:3px
    style I stroke:#2f9e44,stroke-width:3px

और आप इन चरणों को सीधे कोड में देख सकते हैं

// Mostlylucid.SegmentCommerce.SampleData/Services/DataGenerator.cs
// 1. Generate Sellers
// 2. Generate Products for each seller
// 3. Generate Customers
// 4. Generate Orders (with fake checkout data via Bogus)
// 5. Generate embeddings for all entities

सम्मिलन (Local ONNX, प्रथम रन के बाद कैच किया गया

जेनेरेटर v2 एक ONNX मॉडल के प्रयोग से एम्बेडिंग का संगणन कर सकता है all-MiniLM-L6-v2पहली बार जब आप इसे चलाते हैं, यह मॉडल डाउनलोड करता है और अपने आउटपुट फ़ोल्डर में vocab

इसका मतलब है

सर्वप्रथम चलाने के लिए नेटवर्क अभिगम की आवश्यकता है (मोडल डाउनलोड
अनुवर्ती रन स्थानीय और तेज हैं
यदि आप चाहते हैं “कभी कोई नेटवर्क नहीं चलाएँ --no-embeddings

// Mostlylucid.SegmentCommerce.SampleData/Services/EmbeddingService.cs
private const string ModelUrl = "https://huggingface.co/sentence-transformers/all-MiniLM-L6-v2/resolve/main/onnx/model.onnx";
private const string VocabUrl = "https://huggingface.co/sentence-transformers/all-MiniLM-L6-v2/resolve/main/vocab.txt";

// Download model if not exists
if (!File.Exists(_config.ModelPath))
{
    await DownloadFileAsync(ModelUrl, _config.ModelPath, ct);
}

हम कैसे उत्पन्न करते हैं “LLM-ShapedM SK2Products

// Mostlylucid.SegmentCommerce.SampleData/Services/OllamaProductGenerator.cs
return $"""
    You are a product catalog generator for an e-commerce store. Generate {count} unique, realistic product listings for the \"{category.DisplayName}\" category.

    Category description: {category.Description}
    Example products in this category: {category.ExampleProducts}
    Price range: £{category.PriceRange.Min:F2} - £{category.PriceRange.Max:F2}

    For each product, provide:
    1. A compelling product name (realistic brand-style naming)
    2. A detailed description (2-3 sentences, highlighting key features and benefits)
    3. A realistic price within the range
    4. Optional original price if on sale (20-40% higher than current price)
    5. 3-5 relevant tags
    6. Whether it's trending (about 20% should be trending)
    7. Whether it's featured (about 15% should be featured)
    8. An image prompt for AI image generation (detailed, product photography style)
    9. 2-3 colour variants for the product

    IMPORTANT: Respond with ONLY valid JSON, no markdown formatting, no code blocks, no explanations.

    Generate {count} diverse products now:
    """;

यह महत्व रखता है क्योंकि नीचे की प्रणाली (छवि उत्पन्न करने के लिए | + | आयात |+ | एम्बेडिंग | МSK3 | संरचनात्मक डेटा चाहते हैं पाइपलाइन में इनपुटगद्य नहीं लिखता

LLM प्रतिक्रियाएँ: पद वर्णन JSON, या वापस गिरें

एलएलएम कंपाइलर नहीं हैं

v2 जेनरेटर एक छोटी मददगार के माध्यम से ऐसा करता हैLlmService) जो पहला निकालता है {...} ब्लॉक और इसे डिसेरियालिज़ करता है

// Mostlylucid.SegmentCommerce.SampleData/Services/LlmService.cs
var jsonStart = response.IndexOf('{');
var jsonEnd = response.LastIndexOf('}');

if (jsonStart >= 0 && jsonEnd > jsonStart)
{
    var jsonStr = response.Substring(jsonStart, jsonEnd - jsonStart + 1);
    return JsonSerializer.Deserialize<T>(jsonStr, new JsonSerializerOptions
    {
        PropertyNameCaseInsensitive = true
    });
}

flowchart LR
    A[EnableLlm=true?] -->|no| F[Fallback templates]
    A -->|yes| B[GET /api/tags]
    B -->|model present| C[LLM JSON prompts]
    B -->|not available| F

    style A stroke:#1971c2,stroke-width:3px
    style C stroke:#2f9e44,stroke-width:3px
    style F stroke:#fab005,stroke-width:3px

उदाहरण: ग्राहक व्यक्तित्व (vM SK2

// Mostlylucid.SegmentCommerce.SampleData/Services/DataGenerator.cs
var prompt = $$"""
    Generate a shopper persona interested in: {{string.Join(", ", categoryNames)}}.

    Return JSON only:
    {
      "persona": "Brief persona description (e.g. 'Tech enthusiast who values quality')",
      "name": "Realistic first name",
      "bio": "One sentence about their shopping habits",
      "age": 25,
      "shopping_style": "budget|value|premium|luxury",
      "preferred_categories": ["category1", "category2"]
    }
    """;

API के माध्यम सेComfyUI: उत्पाद फोटोग्राफी

जेनरेटर

एक कार्यप्रवाह टेम्प्लेट लोड करता है (ComfyUI/workflows/product_image.json)
प्रवर्धन में पैच करता है CLIPTextEncode
कतार /prompt
मतदान /history/{promptId}
छवि डाउनलोड करता है /view?...

sequenceDiagram
    participant Gen as SampleData
    participant Comfy as ComfyUI

    Gen->>Comfy: POST /prompt (workflow + prompt)
    Comfy-->>Gen: prompt_id
    loop poll
        Gen->>Comfy: GET /history/{prompt_id}
        Comfy-->>Gen: outputs / images
    end
    Gen->>Comfy: GET /view?filename=...&type=output
    Comfy-->>Gen: PNG bytes

// Mostlylucid.SegmentCommerce.SampleData/Services/ComfyUIImageGenerator.cs
TryPatchCheckpoint(workflow, _config.ComfyUICheckpointName ?? "sd_xl_base_1.0.safetensors");
TryPatchRefiner(workflow, _config.ComfyUIRefinerName ?? "sd_xl_refiner_1.0.safetensors");

और कार्यप्रवाह पैचिंग जानबूझकर सरल और मजबूत है

// Mostlylucid.SegmentCommerce.SampleData/Services/ComfyUIImageGenerator.cs
// Update CLIPTextEncode nodes with our prompt
if (classType == "CLIPTextEncode")
{
    var inputs = nodeObj["inputs"]?.AsObject();
    if (inputs != null && inputs.ContainsKey("text"))
    {
        var currentText = inputs["text"]?.GetValue<string>() ?? "";
        if (!currentText.Contains("bad") && !currentText.Contains("ugly") && !currentText.Contains("deformed"))
        {
            inputs["text"] = prompt;
        }
    }
}

// Update image dimensions
if (classType == "EmptyLatentImage")
{
    var inputs = nodeObj["inputs"]?.AsObject();
    if (inputs != null)
    {
        inputs["width"] = _config.ImageWidth;
        inputs["height"] = _config.ImageHeight;
    }
}

प्रोफाइलें और व्यक्तित्व (प्रयुक्त,कमी नहीं है

v में प्रोफाइलों को एक के उपयोग से कुंजींकित किया जाता है

// Mostlylucid.SegmentCommerce.SampleData/Services/ProfileGenerator.cs
var profileKey = Hash($"fp-{Guid.NewGuid():N}");

private static string Hash(string input)
{
    using var sha = SHA256.Create();
    var bytes = sha.ComputeHash(Encoding.UTF8.GetBytes(input));
    return Convert.ToHexString(bytes).ToLowerInvariant();
}

यह पूरी श्रृंखला की मानसिकता है

flowchart TB
    Signals["Generated signals
    views/cart/purchase weights"] --> Persona["Persona enrichment
    Ollama JSON-only"]
    Persona --> Portrait[Portrait prompt]
    Portrait --> Comfy[ComfyUI]

    style Signals stroke:#1971c2,stroke-width:3px
    style Persona stroke:#1971c2,stroke-width:3px
    style Comfy stroke:#2f9e44,stroke-width:3px

वैधीकरण: यह आपको क्या साबित करता है

यह स्थानीय पाइपलाइन शक्तिशाली है क्योंकि यह समर्थन करता है मॉडल वैधीकरणकेवल डेमो नहीं

विखंडन स्वच्छताजब आप उत्पाद नामों की जांच करते हैं तो खंडों को आप संगणित करें
सिफारिश का स्पष्टीकरणक्या करता है “मुझे दिखाता है कि क्यों यह सही संकेत पर संकेत देता है जिसे आप सत्यापित कर सकते हैं
ठंडा प्रारंभ: यदि आप डेटासेट को मिटाना और पुनर्जीवित करें
रिग्रेसन परीक्षणडेटा के एक ही आकार को पुनर्जीवित करें और सुनिश्चित करें कि आपके परिवर्तन रैंकिंग नहीं तोड़ते

महत्वपूर्ण सूक्ष्मता : दोनों के उत्पादन द्वारा पाठ और छवियाँआप पूरे उत्पाद अनुभव को प्रमाणित कर सकते हैं

क्या है

**भाग 2**सत्र प्रोफाइलें

भाग 3 आ रहा है

जेनेरेटर कोड Mostlylucid.SegmentCommerce.SampleData/