Подсказка названия по фотографии

Фото выбрано в форме — приложение показывает его модели и предлагает название
с прочитанными надписями. «Подставить» переносит в поля, «Не надо» прячет.
Само не подставляется, и это принципиально: модели домысливают марки
и артикулы, когда надписей не видно. В замере клипсу для кабеля модель назвала
«конструктором LEGO Technic, 8376, 401 шт.». Запрет на выдумывание в промпте
помог: та же вещь стала «красной щёткой для посуды».

Смотрит gemma3:4b. Выбрана замером на настоящих снимках из базы:
  gemma3:4b     3.5 с, отвечает всегда, надписи читает верно
                («Лампа светодиодная C35, Нейтральный белый, 9 Вт LED, E14»);
  qwen3-vl:8b   11-32 с и часто пустой ответ — это ризонер, ему нужен бюджет
                в 2000+ токенов, и уменьшение картинки не спасает.
Проверялась и гипотеза, что дело в размере снимка: у gemma3 разницы между
1280 и 512 px почти нет, у qwen3-vl время падает с 62 до 41 с, но ответ
всё равно пуст. Картинка всё же уменьшается до 768 px — незачем гонять лишнее.

Генерация тегов чинилась по ходу: на «Стабилизатор 7805 (TO-220)» модель
отвечала массивом объектов с пояснениями, не укладывалась в 256 токенов,
и JSON обрывался на полуслове — теги выходили пустыми. Бюджет поднят до 500,
промпт требует плоский массив строк, а из битого ответа строки теперь
вытаскиваются регуляркой: лучше несколько живых тегов, чем ничего.

Pillow добавлен в зависимости — для уменьшения картинки перед распознаванием.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

tests/test_all.py

@@ -116,13 +116,39 @@ r.check("пустое имя — 400",
 r.check("занятое имя — 400",
         c.open("/api/item/" + item, method="PATCH", json={"name": "лопата"}).status_code == 400)
 
+print("\n== Подсказка по фотографии ==")
+HAS_VISION = bool(config.VISION_MODEL) and HAS_AI and config.VISION_MODEL in ollama.models()
+if HAS_VISION:
+    real = None
+    for candidate in ("31ee37dada70.jpg", "afbaf962ad16.jpg"):
+        path = config.PROJECT_DIR / "static" / "photos" / candidate
+        if path.exists():
+            real = path
+            break
+    if real:
+        d = c.post("/api/recognize", content_type="multipart/form-data",
+                   data={"photo": (io.BytesIO(real.read_bytes()), "p.jpg")}).get_json()
+        r.check("модель что-то увидела", d.get("ok") and d["guess"]["name"], d)
+        r.check("название не пустое и короткое",
+                0 < len(d["guess"]["name"]) <= 80, d["guess"]["name"])
+        print("     предложила: %s" % d["guess"]["name"])
+    else:
+        print("  (реальных фото нет — пропускаю)")
+else:
+    print("  (vision-модель недоступна — пропускаю)")
+r.check("без файла — 400", c.post("/api/recognize", content_type="multipart/form-data",
+                                 data={}).status_code == 400)
+r.check("для записи без фото — 404",
+        c.post("/api/item/нет-такой/recognize").status_code == 404)
+
 print("\n== Пересоздание тегов ==")
 if HAS_AI:
     j("PATCH", "/api/item/" + item, aliases=["мусорный тег"])
     d = c.post("/api/item/" + item + "/retag").get_json()
-    r.check("теги пересозданы", d.get("ok") and d["item"]["aliases"], d)
-    r.check("мусорный тег заменён", "мусорный тег" not in d["item"]["aliases"],
-            d["item"]["aliases"])
+    r.check("теги пересозданы", d.get("ok") and d.get("item", {}).get("aliases"), d)
+    r.check("мусорный тег заменён",
+            "мусорный тег" not in d.get("item", {}).get("aliases", ["мусорный тег"]),
+            d.get("item"))
     d = c.post("/api/item/" + item + "/retag?keep=1").get_json()
     r.check("режим дополнения работает", d.get("ok"), d)
 r.check("retag для несуществующей — 404",