improve: 优化AI分组策略提示词

- 明确要求AI先确定分组策略，再为每组生成3个方案
- 添加分组示例，指导AI更好地理解分组逻辑
- 强调分组均匀分布和风格差异化
- 提供具体的分组命名建议

现在的逻辑：
1. AI分析用户查询确定分组维度
2. 创建3-4个不同分组类别
3. 每个分组生成恰好3个相关方案
4. 总共12个方案，分布均匀

apps/desktop/src-tauri/capabilities/default.json

@@ -6,6 +6,7 @@
   "permissions": [
     "core:default",
     "core:window:allow-set-size",
+    "core:window:allow-center",
     "core:window:allow-set-position",
     "core:window:allow-set-resizable",
     "opener:default",

apps/desktop/src-tauri/src/data/models/outfit_recommendation.rs

@@ -195,7 +195,7 @@ impl Default for OutfitRecommendationRequest {
             occasions: None,
             season: None,
             color_preferences: None,
-            count: 3, // 默认生成3个方案
+            count: 12, // 默认生成12个方案
         }
     }
 }

apps/desktop/src-tauri/src/infrastructure/gemini_service.rs

@@ -1827,7 +1827,8 @@ impl GeminiService {
         prompt.push_str(&format!("
 
 ## 输出要求
-请根据用户需求智能分析，将 {} 个穿搭方案按照最合适的维度进行分组（如风格、场合、季节、色彩等），以JSON格式返回分组结构：
+请根据用户需求智能分析，首先确定最合适的分组维度（如风格、场合、季节、色彩等），然后为每个分组生成3个具体的穿搭方案。
+总共生成 {} 个方案，建议分为3-4个分组，每组包含3个方案。以JSON格式返回分组结构：
 
 ```json
 {{
@@ -1905,13 +1906,19 @@ impl GeminiService {
 
 请确保：
 1. **智能分组**: 根据用户查询内容选择最合适的分组维度（风格/场合/季节/色彩等）
-2. **分组均衡**: 每个分组包含2-4个方案，分组数量控制在2-4个
-3. **质量评分**: 为每个方案提供准确的质量评分（0-1范围）
-4. **风格差异**: 同组内方案风格相近，不同组间有明显差异
-5. **关键词提取**: 为每个分组提供3-5个核心风格关键词
-6. **可扩展性**: 每个分组都支持后续获取更多同类方案
-7. **TikTok优化**: 所有建议都要考虑短视频平台特性
-8. **JSON格式**: 返回严格有效的JSON格式
+2. **分组策略**: 先确定3-4个不同的分组类别，每个分组代表一种不同的穿搭方向
+3. **均匀分布**: 每个分组包含恰好3个方案，确保分组间的平衡
+4. **质量评分**: 为每个方案提供准确的质量评分（0-1范围）
+5. **风格差异**: 同组内方案风格相近但有细节差异，不同组间有明显风格区别
+6. **关键词提取**: 为每个分组提供3-5个核心风格关键词，便于后续扩展
+7. **分组命名**: 分组名称要简洁明确，如"商务正装"、"休闲街头"、"甜美约会"等
+8. **TikTok优化**: 所有建议都要考虑短视频平台的视觉传播特性
+9. **JSON格式**: 返回严格有效的JSON格式
+
+## 分组示例
+- 如果用户查询"春季穿搭"，可以按风格分组：清新文艺、活力运动、优雅知性
+- 如果用户查询"约会穿搭"，可以按场合分组：咖啡厅约会、户外约会、正式晚餐
+- 如果用户查询"职场穿搭"，可以按风格分组：经典商务、时尚职场、创意休闲
 ", request.count));
 
         prompt