make_metadata.py
仅依赖Python标准库的开源脚本，从单一素材文件夹生成Adobe Stock、Vecteezy、Dreamstime三个平台各自格式的元数据CSV文件
核心事实
时间轴 (近 90 天)
作者创建了make_metadata.py脚本，可根据平台生成符合表头要求的CSV，手动为40个素材构建三个平台的CSV原本需大半个晚上，现在只需三条命令和约一分钟。
工具包包含四个独立脚本：make_metadata.py、upload_tracker.py、md2pdf.py、pack_product.py，来自约19,000行流水线代码和300多页研究支撑的项目，现作为“AI贴纸工厂手册”单独提供。
该脚本支持通过 --platform 参数指定输出Adobe、Vecteezy或Dreamstime格式，通过 --ext 指定文件扩展名，通过 --out 指定输出文件名；标题和关键词可通过 titles.json 指定，未指定时使用文件名转为标题。
作者编写了 make_metadata.py，精确输出各平台要求的表头，绝不添加额外列，因为每多一列都是潜在的拒绝理由。
将各平台 CSV 表头硬编码在脚本（make_metadata.py）中，可以从一个素材文件夹生成三个平台各自的 CSV，避免手工拼表导致表头漂移。
运行命令 python make_metadata.py ./my-assets --platform adobe --out metadata.csv --ext .jpg 会生成第一行为 Adobe 所需 5 列表头的 CSV 文件。
make_metadata.py 处理 240 个文件的 CSV 构建只需几秒，内存占用极低。
make_metadata.py 默认将文件名转化为标题，例如 geometric-fox-pattern-04.jpg 会变成 "Geometric Fox Pattern 04"。
作者编写了约200行的Python标准库脚本（make_metadata.py和upload_tracker.py），用于生成三个平台所需的CSV并跟踪上传状态。
make_metadata.py脚本实现了标题大小写转换规则，包括：首词和末词大写、中间短连接词（for、and、with、of、the、a、on、in）小写、强制大写首字母缩写白名单（SVG、PNG、AI、EPS、JPG、PDF、USA、DIY）、混合大小写词保持原样。
还有 21 条时间轴事件
全部知识事实 (20)
make_metadata.py 是一个仅依赖 Python 标准库的脚本，遍历文件夹并按平台精确生成表头，支持 --platform adobe、--platform vecteezy、--platform dreamstime 参数。
70%部分验证make_metadata.py 默认将文件名转为标题格式并用作标题，这对初筛够用，但绝不适合最终提交；脚本支持 --titles titles.json 参数来提供真实标题和关键词。
70%待验证作者创建了make_metadata.py脚本，可根据平台生成符合表头要求的CSV，手动为40个素材构建三个平台的CSV原本需大半个晚上，现在只需三条命令和约一分钟。
50%待验证该脚本支持通过 --platform 参数指定输出Adobe、Vecteezy或Dreamstime格式，通过 --ext 指定文件扩展名，通过 --out 指定输出文件名；标题和关键词可通过 titles.json 指定，未指定时使用文件名转为标题。
50%待验证工具包包含四个独立脚本：make_metadata.py、upload_tracker.py、md2pdf.py、pack_product.py，来自约19,000行流水线代码和300多页研究支撑的项目，现作为“AI贴纸工厂手册”单独提供。
50%待验证作者编写了 make_metadata.py，精确输出各平台要求的表头，绝不添加额外列，因为每多一列都是潜在的拒绝理由。
50%待验证将各平台 CSV 表头硬编码在脚本（make_metadata.py）中，可以从一个素材文件夹生成三个平台各自的 CSV，避免手工拼表导致表头漂移。
50%待验证make_metadata.py 默认将文件名转化为标题，例如 geometric-fox-pattern-04.jpg 会变成 "Geometric Fox Pattern 04"。
50%待验证make_metadata.py 处理 240 个文件的 CSV 构建只需几秒，内存占用极低。
50%待验证运行命令 python make_metadata.py ./my-assets --platform adobe --out metadata.csv --ext .jpg 会生成第一行为 Adobe 所需 5 列表头的 CSV 文件。
50%待验证作者编写了约200行的Python标准库脚本（make_metadata.py和upload_tracker.py），用于生成三个平台所需的CSV并跟踪上传状态。
50%待验证make_metadata.py脚本实现了标题大小写转换规则，包括：首词和末词大写、中间短连接词（for、and、with、of、the、a、on、in）小写、强制大写首字母缩写白名单（SVG、PNG、AI、EPS、JPG、PDF、USA、DIY）、混合大小写词保持原样。
50%待验证make_metadata.py脚本支持--titles titles.json参数，优先使用手动标题文件，降级规则仅在未处理的批次中生效。
50%待验证作者将脚本打包为ai sticker factory playbook，包含四个脚本：make_metadata.py、upload_tracker.py、md2pdf.py和pack_product.py，其中后两个依赖Pillow和reportlab。
50%待验证make_metadata.py 可通过 --platform 参数为 adobe、vecteezy、dreamstime 生成对应表头的 CSV 文件。
50%待验证元数据脚本在没有标题文件时会把文件名转成标题格式，因此文件名会变成标题。
50%待验证使用仅依赖 Python 标准库的脚本按平台输出精确表头（通过 --platform 参数运行三次），可以从同一文件夹生成三份正确的 CSV 文件。
50%待验证作者最终使用的make_metadata.py、upload_tracker.py、md2pdf.py和pack_product.py四个脚本中，两个只依赖Python标准库，另外两个只需要Pillow和reportlab。
50%待验证make_metadata.py 默认将文件名转为 title-case 格式用作标题，例如 asset-001.jpg 会变成 'Asset 001'。
50%待验证在 1 vCPU、2 GB 内存的服务器上运行 make_metadata.py 管线时，仅使用标准库（不引入 pandas）至关重要，因为 pandas 会带来数十 MB 的内存开销和潜在的版本冲突。
50%