AI 辅助的 NFT 元数据自动标注与分类：从手动描述到智能生成，数字资产的信息化引擎

qq_40635035

1209人浏览 · 2026-06-14 11:36:15

qq_40635035 · 2026-06-14 11:36:15 发布

AI 辅助的 NFT 元数据自动标注与分类：从手动描述到智能生成，数字资产的信息化引擎

cover

一、NFT 元数据的"荒漠"：大量资产缺乏结构化描述

NFT 市场面临一个被忽视的基础设施问题：大量 NFT 缺乏高质量的元数据描述。许多 NFT 的 metadata 只有 name 和 image 字段，缺少属性标签（traits）、分类信息、内容描述。这导致 NFT 搜索和筛选只能依赖名称匹配，无法按风格、主题、稀有度等维度检索。

手动标注对于小规模收藏可行，但对于动辄上万件的生成式艺术系列（如 PFP 项目 10000 件），人工标注成本极高且不一致。AI 辅助的元数据标注可以自动分析 NFT 图像，生成属性标签和分类信息，将非结构化的视觉信息转化为可检索的结构化数据。

二、AI 元数据标注的架构与流程

flowchart TD
    A[NFT 图像] --> B[视觉特征提取]
    B --> B1[风格识别: 赛博朋克/极简/写实]
    B --> B2[对象检测: 人物/动物/场景]
    B --> B3[属性提取: 颜色/材质/配饰]
    B1 --> C[元数据生成引擎]
    B2 --> C
    B3 --> C
    C --> D[结构化元数据]
    D --> D1[属性标签 traits]
    D --> D2[分类信息 category]
    D --> D3[内容描述 description]
    D --> E[写入链上/IPFS]

2.1 视觉特征提取

# nft_metadata_annotator.py — NFT 元数据自动标注引擎
# 设计意图：自动分析 NFT 图像，生成结构化的属性标签和分类信息

import json
from dataclasses import dataclass, field

@dataclass
class NFTMetadata:
    token_id: str
    name: str
    description: str
    category: str
    style: str
    traits: list[dict] = field(default_factory=list)
    tags: list[str] = field(default_factory=list)

@dataclass
class AnnotationResult:
    token_id: str
    metadata: NFTMetadata
    confidence: float

async def annotate_nft(
    token_id: str,
    image_url: str,
    existing_metadata: dict | None,
    llm_client,
) -> AnnotationResult:
    """AI 辅助的 NFT 元数据标注"""
    prompt = f"""你是一个 NFT 元数据标注专家。分析以下 NFT 图像并生成结构化元数据。

图像 URL: {image_url}
已有元数据: {json.dumps(existing_metadata or {}, ensure_ascii=False)}

请生成:
1. **属性标签 (traits)**: 列出图像中的视觉属性，每个属性包含 trait_type 和 value
   - 常见 trait_type: Background, Body, Eyes, Head, Mouth, Clothing, Accessory
2. **分类 (category)**: PFP / Art / Photography / Music / Game / Other
3. **风格 (style)**: Cyberpunk / Minimalist / Realistic / Abstract / Pixel / Anime / Other
4. **内容描述 (description)**: 50字以内的中文描述
5. **搜索标签 (tags)**: 5-10个关键词，用于搜索和筛选

输出 JSON:
{{"name": "...", "description": "...", "category": "...", "style": "...", "traits": [{{"trait_type": "...", "value": "..."}}], "tags": [...]}}"""

    response = await llm_client.chat(prompt, temperature=0.2)

    try:
        data = json.loads(response)
        metadata = NFTMetadata(
            token_id=token_id,
            name=data.get("name", f"NFT #{token_id}"),
            description=data.get("description", ""),
            category=data.get("category", "Other"),
            style=data.get("style", "Other"),
            traits=data.get("traits", []),
            tags=data.get("tags", []),
        )
        return AnnotationResult(
            token_id=token_id,
            metadata=metadata,
            confidence=0.8,
        )
    except json.JSONDecodeError:
        return AnnotationResult(
            token_id=token_id,
            metadata=NFTMetadata(token_id=token_id, name=f"NFT #{token_id}", description="", category="Other", style="Other"),
            confidence=0.0,
        )

2.2 批量标注管线

# batch_annotator.py — 批量 NFT 标注管线
# 设计意图：高效处理大规模 NFT 系列的元数据标注

import asyncio
from typing import AsyncIterator

class BatchNFTAnnotator:
    def __init__(self, llm_client, max_concurrent: int = 5):
        self.llm = llm_client
        self.semaphore = asyncio.Semaphore(max_concurrent)

    async def annotate_collection(
        self,
        collection_address: str,
        token_ids: list[str],
        image_url_template: str,
    ) -> list[AnnotationResult]:
        """批量标注整个 NFT 系列"""
        tasks = []
        for token_id in token_ids:
            image_url = image_url_template.format(token_id=token_id)
            task = self._annotate_with_limit(token_id, image_url)
            tasks.append(task)

        results = await asyncio.gather(*tasks, return_exceptions=True)

        # 过滤异常结果
        valid_results = []
        for r in results:
            if isinstance(r, AnnotationResult):
                valid_results.append(r)

        return valid_results

    async def _annotate_with_limit(self, token_id: str, image_url: str) -> AnnotationResult:
        async with self.semaphore:
            return await annotate_nft(token_id, image_url, None, self.llm)

三、元数据存储与检索

3.1 IPFS 元数据写入

// metadata-uploader.ts — IPFS 元数据上传
// 设计意图：将标注结果写入 IPFS，更新 NFT 的 tokenURI

import { create } from 'ipfs-http-client';

export async function uploadMetadataToIPFS(
  metadata: NFTMetadata
): Promise<string> {
  const client = create({ url: 'https://ipfs.infura.io:5001' });

  const content = JSON.stringify({
    name: metadata.name,
    description: metadata.description,
    image: metadata.imageUri,
    attributes: metadata.traits.map(t => ({
      trait_type: t.trait_type,
      value: t.value,
    })),
    properties: {
      category: metadata.category,
      style: metadata.style,
      tags: metadata.tags,
    },
  });

  const result = await client.add(content);
  return `ipfs://${result.path}`;
}