From 1919c2e7a8ee0d5853a816efec91ebb86f128eaf Mon Sep 17 00:00:00 2001 From: jinye_huang Date: Wed, 23 Apr 2025 16:01:18 +0800 Subject: [PATCH] =?UTF-8?q?=E5=A2=9E=E5=8A=A0=E4=BA=86=E6=B5=8B=E8=AF=95?= =?UTF-8?q?=E6=A1=88=E4=BE=8B?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- README.md | 718 ++++++------------ core/__pycache__/__init__.cpython-312.pyc | Bin 452 -> 452 bytes core/__pycache__/ai_agent.cpython-312.pyc | Bin 18051 -> 18053 bytes core/__pycache__/contentGen.cpython-312.pyc | Bin 18887 -> 18887 bytes core/__pycache__/posterGen.cpython-312.pyc | Bin 37587 -> 37587 bytes .../simple_collage.cpython-312.pyc | Bin 33898 -> 33898 bytes core/__pycache__/topic_parser.cpython-312.pyc | Bin 7749 -> 7749 bytes core/ai_agent.py | 5 +- main.py | 2 +- poster_gen_config.json | 6 +- utils/__pycache__/__init__.cpython-312.pyc | Bin 374 -> 374 bytes .../output_handler.cpython-312.pyc | Bin 10649 -> 10649 bytes .../prompt_manager.cpython-312.pyc | Bin 15629 -> 15629 bytes .../resource_loader.cpython-312.pyc | Bin 6945 -> 6945 bytes .../tweet_generator.cpython-312.pyc | Bin 29250 -> 29250 bytes 15 files changed, 237 insertions(+), 494 deletions(-) diff --git a/README.md b/README.md index 3b4aa9c..b78cdf3 100644 --- a/README.md +++ b/README.md @@ -4,503 +4,243 @@ ## 功能特点 -- **自动选题生成**：根据提供的景点信息和配置的提示词模板，自动生成吸引人的旅游选题（**以JSON格式输出**）。 -- **内容创作**：基于选题和配置的提示词模板，自动生成文字内容（标题、正文）。 -- **海报制作**：结合景点图片和生成的文字内容，自动创建精美的宣传海报。 -- **批量处理**：支持一次性生成多个选题和多个变体内容。 -- **模块化设计**：核心功能（配置加载、提示词管理、AI交互、选题、内容生成、海报制作）分离，方便维护和扩展。 -- **配置驱动**：通过 `poster_gen_config.json` 文件集中管理所有运行参数。 -- **图片拼贴**：自动处理和组合图片，支持多种风格的拼贴效果。 -- **贴纸装饰**：自动识别和添加适当的装饰贴纸，增强海报视觉效果。 -- **组件测试**：提供多个测试脚本，方便开发者测试和了解各个组件。 -- **流式输出**：支持AI内容的流式生成和实时处理。 +- **自动选题生成**：根据提供的景点信息和配置的提示词模板，自动生成吸引人的旅游选题 +- **内容创作**：基于选题和配置的提示词模板，自动生成文字内容（标题、正文） +- **海报制作**：结合景点图片和生成的文字内容，自动创建精美的宣传海报 +- **批量处理**：支持一次性生成多个选题和多个变体内容 +- **模块化设计**：核心功能（配置加载、提示词管理、AI交互、选题、内容生成、海报制作）分离，方便维护和扩展 +- **配置驱动**：通过配置文件集中管理所有运行参数 -## 安装 +## 快速开始 -### 环境要求 -- Python 3.6+ -- 依赖库安装： +### 1. 环境准备 ```bash -# 安装依赖库 -pip install numpy pandas opencv-python pillow openai -# 可能还需要安装AI模型的客户端库，例如 requests 或 特定模型的SDK -# pip install requests +# 克隆项目 +git clone https://github.com/yourusername/TravelContentCreator.git +cd TravelContentCreator + +# 安装依赖 (假设有requirements.txt文件) +# pip install -r requirements.txt +# 或者手动安装 +pip install numpy pandas opencv-python pillow requests tqdm ``` -### 项目依赖项 -- OpenCV (cv2)：图像处理 -- NumPy：数据操作 -- Pandas：数据处理 -- PIL (Pillow)：图像处理和绘制 -- OpenAI：AI模型交互 (即使是调用本地或其他API，通常也使用其接口) - -## 核心组件与目录结构 - -- `main.py`: **项目入口与协调器**: 负责加载配置、**生成运行ID (run_id)**、初始化共享资源（如 AI Agent）、并按顺序调用 `utils` 模块中的函数来执行主要流程（选题生成 -> 内容与海报生成协调）。 -- `poster_gen_config.json`: (用户需从 `example_config.json` 创建) 核心配置文件。 -- `core/`: 核心算法与功能模块 - - `ai_agent.py`: **AI代理**: 封装与大语言模型 API 的底层交互逻辑（发送请求、接收响应）。 - - `topic_parser.py`: **选题解析器**: 解析 AI 模型返回的选题 **JSON 数据**。 - - `contentGen.py`: **内容处理器**: 对 AI 生成的原始推文内容进行结构化处理，提取适用于海报的元素。 - - `posterGen.py`: **海报生成器**: 负责将图片和文字元素组合生成最终的海报图片，处理字体、布局等。 - - `simple_collage.py`: **图片拼贴工具**: 提供图片预处理和拼贴功能。 - - `ImageCollageCreator` 类：核心拼贴图实现类，提供多种拼贴样式（如标准网格、非对称布局、胶片条、重叠风格等）。 - - `process_directory` 函数：对外接口，接收图片目录路径和参数，使用 `ImageCollageCreator` 创建一组拼贴图。 - - 支持多种拼贴样式：标准 2x2 网格、非对称布局、胶片条、重叠效果、马赛克风格等。 - - 提供图像增强：自动调整对比度、亮度和饱和度，使拼贴图更加美观。 - - 智能处理不同大小、格式的图片，自动尝试加载所有支持的图片格式（.jpg, .jpeg, .png, .bmp）。 - - 错误处理与恢复：当部分图片加载失败时，会自动尝试使用其他可用图片代替。 -- `utils/`: 工具与辅助模块 - - `resource_loader.py`: **资源加载器**: 负责加载项目所需的各种**原始**资源文件。 - - `prompt_manager.py`: **提示词管理器**: **集中管理**不同阶段提示词的构建逻辑（**已修正内容生成提示词构建逻辑，正确区分选题JSON中的文件名和描述性文本**）。 - - `tweet_generator.py`: **主要流程执行与数据结构**: 包含执行**选题生成** (`run_topic_generation_pipeline`)、**单选题内容生成** (`generate_content_for_topic`)、**单选题海报生成** (`generate_posters_for_topic`) 的核心函数，以及相关的数据类（**已修正内容文件保存路径**）。 -- `genPrompts/`: 内容生成提示词模板目录。 -- `SelectPrompt/`: 选题生成提示词模板目录（**其中的 `systemPrompt.txt` 已更新为要求 JSON 输出**）。 -- `resource/`: 存放基础的景点信息 `.txt` 文件等数据资源。 -- `examples/`: 使用示例和测试脚本。 -- `result/`: 默认输出结果保存目录。 - -## 项目流程与技术细节 - -1. **加载配置与生成Run ID**: `main.py` 读取 `poster_gen_config.json` 文件，并生成本次运行的 `run_id`。 -2. **选题生成**: - - `main.py` 调用 `utils.tweet_generator.run_topic_generation_pipeline(config, run_id)`，传入配置和 `run_id`。 - - 此函数内部： - - 调用 `utils.prompt_manager.PromptManager.get_topic_prompts()` 构建提示词（**系统提示词要求 AI 输出 JSON 格式**）。 - - 初始化 `core.ai_agent.AI_Agent`。 - - 调用 AI Agent 生成选题文本（应为 JSON 字符串）。 - - 使用 `core.topic_parser.parse_topics()` **解析 JSON 字符串**。 - - 保存选题结果 (`tweet_topic.json`) 到 `result//` 目录。 - - 关闭此阶段的 AI Agent。 - - 返回 `run_id` 和包含选题列表的 `tweet_topic_record` 给 `main.py`。 -3. **内容与海报生成协调**: (在 `main.generate_content_and_posters_step` 中执行) - - 初始化 `utils.prompt_manager.PromptManager`。 - - 初始化一个**共享的** `core.ai_agent.AI_Agent` 实例供后续所有内容生成使用。 - - 遍历上一步返回的每个选题 (`topic_item`)： - - **内容生成**: 调用 `utils.tweet_generator.generate_content_for_topic()`，传入共享的 AI Agent、Prompt Manager、配置、当前选题信息、`run_id` 和 `topic_index`。 - - 此函数内部循环生成该选题的所有内容变体，每次调用 `prompt_manager.get_content_prompts()` 获取特定提示词（**根据修正后的逻辑构建，正确处理 topic_item 中的字段**），并使用共享 AI Agent 执行 `generate_single_content`。 - - `generate_single_content` 将生成的文章 (`article.json`) 保存到正确的 `result//_/` 目录下。 - - **海报生成**: 如果内容生成成功，调用 `utils.tweet_generator.generate_posters_for_topic()`，传入配置、选题信息、生成的内容列表、`run_id` 和 `topic_index`。 - - 此函数内部负责初始化 `ContentGenerator` 和 `PosterGenerator`，调用 `core` 模块中的函数处理图片和文本，并生成所有海报变体到对应的 `result//_/` 目录下。 - - 所有选题处理完毕后，在 `main.generate_content_and_posters_step` 中关闭共享的 AI Agent。 - -## 使用方法 - -1. 准备景点资源信息 (`.txt` 文件)，放入 `resource/Object/` 目录（或其他在配置中指定的路径）。确保文件名与选题生成时 AI 可能选择的 `object` 名称匹配（目前使用包含匹配逻辑）。 -2. 准备图片资源，按照 `README.md` 中"开始使用"部分的说明组织图片目录结构，并确保 `poster_gen_config.json` 中的 `image_base_dir` 指向正确的图片根目录。 -3. 复制 `example_config.json` 为 `poster_gen_config.json`，并根据你的 API Key、模型端点、文件路径、图片根目录等进行修改。确保 `prompts_dir` 下的 `Style/` 和 `Demand/` 目录包含选题生成 AI 可能输出的文件名 (带 `.txt` 后缀)。确保 `Refer/` 目录下包含所有需要的参考文件。 -4. **运行完整流程**: - ```bash - python main.py --config poster_gen_config.json - ``` -5. **分阶段运行**: - ```bash - # 阶段 1: 仅生成选题 - python examples/run_step1_topics.py - - # 阶段 2: 处理已生成的选题 - python examples/run_step2_content_posters.py - ``` - -6. **测试单个组件**: - ```bash - # 测试图片拼贴功能 - python examples/test_simple_collage.py - - # 测试海报生成功能 - python examples/test_poster_generator.py - - # 测试内容生成功能 - python examples/test_content_generator.py - - # 测试AI流式输出功能 - python examples/test_stream.py - - # 测试资源加载器 - python examples/test_resource_loader.py - - # 测试流程步骤 - python examples/test_pipeline_steps.py - ``` - -更多详细信息，请参阅 `examples/README.md` 文件。 - -## 配置说明 - -配置文件: `poster_gen_config.json` - -**必须配置项**： - -- `api_url`: 大语言模型 API 地址 (或预设名称如 'vllm', 'ali', 'kimi', 'doubao', 'deepseek') -- `api_key`: API 密钥 -- `model`: 使用的模型名称 -- `topic_system_prompt`: 选题生成系统提示词文件路径 (应为要求JSON输出的版本) -- `topic_user_prompt`: 选题生成基础用户提示词文件路径 -- `content_system_prompt`: 内容生成系统提示词文件路径 -- `resource_dir`: 包含**资源文件信息**的列表。列表中的每个元素是一个字典，包含： - - `type`: 资源类型，目前支持 `"Object"` (景点/对象信息), `"Description"` (对应的描述文件), `"Product"` (关联产品信息)。 - - `file_path`: 一个包含该类型所有资源文件**完整路径**的列表。 - - 对于 `"Object"` 类型，程序会根据选题中的对象名称在此列表中查找匹配的文件。 - - 对于 `"Description"` 类型，程序会根据选题中的对象名称在此列表中查找对应的描述文件 (文件名应包含对象名以便匹配)。 - - 对于 `"Product"` 类型，程序会根据选题中的产品名称在此列表中查找匹配的文件。 - - `num`: (可选，目前似乎未使用) 文件数量。 -- `prompts_dir`: 存放 Demand/Style/Refer 等提示词片段的目录路径 -- `output_dir`: 输出结果保存目录路径 -- `image_base_dir`: **图片资源根目录绝对路径或相对路径** (用于查找源图片) -- `poster_assets_base_dir`: **海报素材根目录绝对路径或相对路径** (用于查找字体、边框、贴纸、文本背景等) -- `num`: （选题阶段）生成选题数量 -- `variants`: （内容生成阶段）每个选题生成的变体数量 - -**可选配置项**： - -- `date`: 日期标记（用于选题生成提示词，默认为空） -- `topic_temperature`, `topic_top_p`, `topic_presence_penalty`: 选题生成 API 相关参数 (默认为 0.2, 0.5, 1.5) -- `content_temperature`, `content_top_p`, `content_presence_penalty`: 内容生成 API 相关参数 (默认为 0.3, 0.4, 1.5) -- `request_timeout`: AI API 请求的超时时间（秒，默认 30） -- `max_retries`: 请求超时或可重试网络错误时的最大重试次数（默认 3） -- `stream_chunk_timeout`: 处理流式响应时，允许的两个数据块之间的最大等待时间（秒），用于防止流长时间挂起。 -- `camera_image_subdir`: 存放原始照片的子目录名（相对于 `image_base_dir`，默认 "相机") -- `modify_image_subdir`: 存放处理后/用于拼贴的图片的子目录名（相对于 `image_base_dir`，默认 "modify") -- `output_collage_subdir`: 在每个变体输出目录中存放拼贴图的子目录名（默认 "collage_img") -- `output_poster_subdir`: 在每个变体输出目录中存放最终海报的子目录名（默认 "poster") -- `output_poster_filename`: 输出的最终海报文件名（默认 "poster.jpg") -- `poster_target_size`: 海报目标尺寸 `[宽, 高]`（默认 `[900, 1200]`) -- `text_possibility`: 海报中第二段附加文字出现的概率 (默认 0.3) - -项目提供了一个示例配置文件 `example_config.json`，请务必复制并修改： - -## 注意事项 - -- - 确保已安装所有依赖库，特别是 `openai` 库。 -- - **选题生成依赖于 AI 模型严格输出有效的 JSON 格式**。如果 AI 输出格式错误，选题解析会失败。 -- - **内容生成依赖于 AI 在选题 JSON 中提供的 `style` 和 `target_audience` 文件名与 `prompts_dir` 下 `Style/` 和 `Demand/` 目录中的实际文件名（含.txt）完全一致**。请检查这些目录和文件名。 -- - **图片目录结构和命名**需严格符合预期，以便程序能找到对应景点的图片。 -- - AI生成内容的质量很大程度上取决于**提示词的设计**和**输入资源信息的质量**。 -- - 仔细检查 API Key、URL 和文件路径配置。 -- - 如果遇到问题，检查程序输出的日志信息和错误提示。 - - -## API 集成 / 流式输出使用 (Streaming Usage) - -`AI_Agent` 类提供了 `work_stream` 方法，用于获取 AI 生成内容的流式输出。该方法返回一个 Python 生成器 (generator)，你可以迭代它来逐块获取 AI 生成的文本。 - -**同时处理流式块并获取完整结果：** - -如果你既需要实时处理（或传输）每个文本块，又想在流结束后得到完整的拼接结果，可以在迭代生成器的同时进行拼接。 - -**用法示例：** - -```python -import os -import sys -import json - -# 假设已正确设置 Python Path -from core.ai_agent import AI_Agent - -# 1. 加载配置 (与 main.py 类似) -config_path = "poster_gen_config.json" -config = {} -try: - with open(config_path, 'r', encoding='utf-8') as f: - config = json.load(f) -except Exception as e: - print(f"Error loading config: {e}") - sys.exit(1) - -# 2. 初始化 AI Agent (读取超时/重试/流式块超时配置) -ai_agent = None -try: - request_timeout = config.get("request_timeout", 30) - max_retries = config.get("max_retries", 3) - stream_chunk_timeout = config.get("stream_chunk_timeout", 60) # 新增：读取流式块超时 - - ai_agent = AI_Agent( - config["api_url"], - config["model"], - config["api_key"], - timeout=request_timeout, - max_retries=max_retries, - stream_chunk_timeout=stream_chunk_timeout # 新增：传递流式块超时 - ) - - # 3. 定义提示词和参数 - system_prompt = "You are a travel writer." - user_prompt = "Describe the Great Wall of China in about 50 words." - temperature = config.get("content_temperature", 0.7) - top_p = config.get("content_top_p", 0.9) - presence_penalty = config.get("content_presence_penalty", 1.0) - file_folder = None # 可选的参考文件目录 - - # 4. 调用 work_stream 获取生成器 - stream_generator = ai_agent.work_stream( - system_prompt, - user_prompt, - file_folder, - temperature, - top_p, - presence_penalty - ) - - # 5. 迭代生成器，处理块并拼接完整结果 - print("Streaming response:") - full_response = "" # 初始化空字符串用于拼接 - for chunk in stream_generator: - # 处理实时块，例如打印或发送给客户端 - print(chunk, end="", flush=True) - # 拼接完整结果 - full_response += chunk - - print("\\n--- Stream finished ---") - - # 6. 使用拼接好的完整结果 - print("\\n--- Reconstructed Full Response ---") - print(full_response) - # 你可以在这里对 full_response 进行进一步处理 - -except Exception as e: - print(f"An error occurred: {e}") -finally: - if ai_agent: - ai_agent.close() - -``` - -这个模式允许你灵活地利用流式输出，同时在需要时也能访问到最终的完整文本。参考 `examples/test_stream.py` 获取可运行的示例（该示例也包含了拼接逻辑，只是默认注释了最后的打印）。 - -**注意：** 如果你只需要最终的完整结果而不需要流式处理，可以直接调用 `ai_agent.work(...)` 方法，它会内部处理好拼接并直接返回结果字符串。 - -### Refactoring Complete: Decoupling Generation and Output Handling - -To enhance the flexibility and extensibility of this tool, a refactoring effort has been completed to separate the core content/image generation logic from the output handling (previously, saving results directly to the local filesystem). - -**Motivation:** - -* **API Integration:** Allow generated results (topics, text content, image URLs/data) to be easily returned via an API endpoint instead of only being saved locally. -* **Alternative Storage:** Enable saving results to different backends like databases, cloud storage (e.g., S3, OSS), etc. -* **Modularity:** Improve code structure by separating concerns. - -**Approach Taken:** - -1. **Modified Core Functions:** Functions responsible for generating topics, content, and posters (primarily in `utils/tweet_generator.py`, `core/simple_collage.py`, `core/posterGen.py`) have been updated: - * Topic generation now returns the generated data (`run_id`, `topics_list`, prompts). - * Image generation functions (`simple_collage.process_directory`, `posterGen.create_poster`) now return PIL Image objects instead of saving files. - * Content and poster generation workflows accept an `OutputHandler` instance to process results (content JSON, prompts, configurations, image data) immediately after generation. -2. **Introduced Output Handlers:** An "Output Handler" pattern has been implemented (`utils/output_handler.py`). - * An abstract base class (`OutputHandler`) defines methods for processing different types of results. - * A concrete implementation (`FileSystemOutputHandler`) replicates the original behavior of saving all results to the `./result/{run_id}/...` directory structure. -3. **Updated Main Workflow:** The main script (`main.py`) now: - * Instantiates a specific `OutputHandler` (currently `FileSystemOutputHandler`). - * Calls the generation functions, passing the `OutputHandler` where needed. - * Uses the `OutputHandler` to process data returned by the topic generation step. -4. **Reduced Config Dependency:** Core logic functions (`PromptManager`, `generate_content_for_topic`, `generate_posters_for_topic`, etc.) now receive necessary configuration values as specific parameters rather than relying on the entire `config` dictionary, making them more independent and testable. - -**Future Possibilities:** - -This refactoring makes it straightforward to add new output handlers in the future, such as: - -* `ApiOutputHandler`: Formats results for API responses. -* `DatabaseOutputHandler`: Stores results in a database. -* `CloudStorageOutputHandler`: Uploads results (especially images) to cloud storage and potentially stores metadata elsewhere. - -### 配置文件说明 (Configuration) - -主配置文件为 `poster_gen_config.json` (可以复制 `example_config.json` 并修改)。主要包含以下部分： - -#### 1. 基本配置 (Basic) - -* `api_url` (必须): 大语言模型 API 地址 (或预设名称如 'vllm', 'ali', 'kimi', 'doubao', 'deepseek') -* `api_key` (必须): API 密钥 -* `model` (必须): 使用的模型名称 -* `topic_system_prompt` (必须): 选题生成系统提示词文件路径 (应为要求JSON输出的版本) -* `topic_user_prompt` (必须): 选题生成基础用户提示词文件路径 -* `content_system_prompt` (必须): 内容生成系统提示词文件路径 -* `resource_dir` (必须): 包含**资源文件信息**的列表。列表中的每个元素是一个字典，包含： - * `type`: 资源类型，目前支持 `"Object"` (景点/对象信息), `"Description"` (对应的描述文件), `"Product"` (关联产品信息)。 - * `file_path`: 一个包含该类型所有资源文件**完整路径**的列表。 -* `prompts_dir` (必须): 存放 Demand/Style/Refer 等提示词片段的目录路径 -* `output_dir` (必须): 输出结果保存目录路径 -* `image_base_dir` (必须): **图片资源根目录绝对路径或相对路径** (用于查找源图片) -* `poster_assets_base_dir` (必须): **海报素材根目录绝对路径或相对路径** (用于查找字体、边框、贴纸、文本背景等) -* `num` (必须): （选题阶段）生成选题数量 -* `variants` (必须): （内容生成阶段）每个选题生成的变体数量 - -#### 2. 可选配置 (Optional) - -* `date` (可选, 默认空): 日期标记（用于选题生成提示词） -* `topic_temperature` (可选, 默认 0.2): 选题生成 API 温度参数 -* `topic_top_p` (可选, 默认 0.5): 选题生成 API top-p 参数 -* `topic_presence_penalty` (可选, 默认 1.5): 选题生成 API presence penalty 参数 -* `content_temperature` (可选, 默认 0.3): 内容生成 API 温度参数 -* `content_top_p` (可选, 默认 0.4): 内容生成 API top-p 参数 -* `content_presence_penalty` (可选, 默认 1.5): 内容生成 API presence penalty 参数 -* `request_timeout` (可选, 默认 30): 单个 HTTP 请求的超时时间（秒）。 -* `max_retries` (可选, 默认 3): API 请求失败时的最大重试次数。 -* `stream_chunk_timeout` (可选, 默认 60): 处理流式响应时，允许的两个数据块之间的最大等待时间（秒），用于防止流长时间挂起。 -* `camera_image_subdir` (可选, 默认 "相机"): 存放原始照片的子目录名（相对于 `image_base_dir`） -* `modify_image_subdir` (可选, 默认 "modify"): 存放处理后/用于拼贴的图片的子目录名（相对于 `image_base_dir`） -* `output_collage_subdir` (可选, 默认 "collage_img"): 在每个变体输出目录中存放拼贴图的子目录名 - -#### 3. 选题与内容生成参数 (Topic & Content Generation) - -* `topic_temperature` (可选, 默认 0.2): 选题生成 API 温度参数 -* `topic_top_p` (可选, 默认 0.5): 选题生成 API top-p 参数 -* `topic_presence_penalty` (可选, 默认 1.5): 选题生成 API presence penalty 参数 -* `content_temperature` (可选, 默认 0.3): 内容生成 API 温度参数 -* `content_top_p` (可选, 默认 0.4): 内容生成 API top-p 参数 -* `content_presence_penalty` (可选, 默认 1.5): 内容生成 API presence penalty 参数 - -#### 4. 图片处理参数 (Image Processing) - -* `camera_image_subdir` (可选, 默认 "相机"): 存放原始照片的子目录名（相对于 `image_base_dir`） -* `modify_image_subdir` (可选, 默认 "modify"): 存放处理后/用于拼贴的图片的子目录名（相对于 `image_base_dir`） -* `output_collage_subdir` (可选, 默认 "collage_img"): 在每个变体输出目录中存放拼贴图的子目录名 - -#### 5. 海报生成参数 (Poster Generation) - -* `output_poster_subdir` (可选, 默认 "poster"): 在每个变体输出目录中存放最终海报的子目录名 -* `output_poster_filename` (可选, 默认 "poster.jpg"): 输出的最终海报文件名 -* `poster_target_size` (可选, 默认 [900, 1200]): 海报目标尺寸 `[宽, 高]` -* `text_possibility` (可选, 默认 0.3): 海报中第二段附加文字出现的概率 - -#### 6. 其他参数 (Miscellaneous) - -* `request_timeout` (可选, 默认 30): 单个 HTTP 请求的超时时间（秒）。 -* `max_retries` (可选, 默认 3): API 请求失败时的最大重试次数。 -* `stream_chunk_timeout` (可选, 默认 60): 处理流式响应时，允许的两个数据块之间的最大等待时间（秒），用于防止流长时间挂起。 - -项目提供了一个示例配置文件 `example_config.json`，请务必复制并修改： - -## 图片目录要求 - -为确保海报生成功能正常工作，请按照以下结构组织图片目录： - -1. **基础图片目录**：在 `poster_gen_config.json` 中设置 `image_base_dir` 参数指向基础图片目录。 -2. **原始照片目录**：在基础目录下创建 `相机` 子目录（或通过 `camera_image_subdir` 配置），包含原始照片。 -3. **修改图片目录**：在基础目录下创建 `modify` 子目录（或通过 `modify_image_subdir` 配置），并其中为每个景点创建子目录： - ``` - image_base_dir/ - ├── 相机/ - │ ├── 景点1/ - │ │ ├── 照片1.jpg - │ │ ├── 照片2.jpg - │ │ └── ... - │ └── 景点2/ - │ └── ... - └── modify/ - ├── 景点1/ - │ ├── 图片1.jpg - │ ├── 图片2.jpg - │ └── ... (至少4-9张图片，建议多于9张) - └── 景点2/ - └── ... - ``` - -**注意事项**： -- 每个景点的 `modify` 子目录中至少需要 4 张图片，建议包含 9 张或更多图片以保证拼贴效果多样性。 -- 图片应当质量良好，清晰、色彩丰富，尺寸适中（过大或过小的图片都可能导致处理问题）。 -- 支持的图片格式为 JPG (.jpg, .jpeg)、PNG (.png) 和 BMP (.bmp)。 -- 确保图片文件没有损坏且可以被 PIL 库正常打开。 - -## 模块功能划分 - -本项目采用模块化设计，各个功能组件清晰分离，便于维护和扩展。主要模块及其功能如下： - -### 核心功能模块 (`core/`) - -| 模块名称 | 文件路径 | 主要功能 | 测试脚本 | -|---------|---------|---------|---------| -| **AI代理** | `core/ai_agent.py` | 封装与大语言模型API的交互，支持标准请求和流式响应，提供错误重试和超时控制 | `examples/test_stream.py` | -| **选题解析器** | `core/topic_parser.py` | 解析AI返回的JSON格式选题数据，提取结构化信息 | 集成于工作流测试 | -| **内容处理器** | `core/contentGen.py` | 生成海报文本配置，处理景点描述和文章内容，转换为适合海报展示的文本结构 | `examples/test_content_generator.py` | -| **海报生成器** | `core/posterGen.py` | 结合图片和文字创建最终海报，处理字体、布局、装饰贴纸等 | `examples/test_poster_generator.py` | -| **图片拼贴工具** | `core/simple_collage.py` | 提供多样化的图片拼贴功能，支持不同布局风格和图像增强 | `examples/test_simple_collage.py` | - -### 工具与辅助模块 (`utils/`) - -| 模块名称 | 文件路径 | 主要功能 | 测试脚本 | -|---------|---------|---------|---------| -| **资源加载器** | `utils/resource_loader.py` | 加载景点信息、描述文件等资源 | 集成于工作流测试 | -| **提示词管理器** | `utils/prompt_manager.py` | 集中管理和构建不同阶段的AI提示词 | 集成于工作流测试 | -| **主流程执行** | `utils/tweet_generator.py` | 实现选题生成、内容生成、海报生成的主要工作流 | 集成于`examples/test_workflow.py` | -| **输出处理器** | `utils/output_handler.py` | 处理和保存生成的内容、图片和配置 | 集成于工作流测试 | - -### 集成测试与示例 (`examples/`) - -| 测试脚本 | 文件路径 | 测试内容 | -|---------|---------|---------| -| **工作流测试** | `examples/test_workflow.py` | 测试完整流程和分步流程 | -| **流式输出测试** | `examples/test_stream.py` | 测试AI_Agent的流式输出功能 | -| **内容生成测试** | `examples/test_content_generator.py` | 测试ContentGenerator组件 | -| **图片拼贴测试** | `examples/test_simple_collage.py` | 测试图片拼贴功能和不同风格 | -| **海报生成测试** | `examples/test_poster_generator.py` | 测试海报生成功能 | -| **阶段1测试** | `examples/run_step1_topics.py` | 测试选题生成阶段 | -| **阶段2测试** | `examples/run_step2_content_posters.py` | 测试内容和海报生成阶段 | -| **海报示例** | `examples/generate_poster.py` | 简化的海报生成示例 | - -## 测试与验证 - -项目提供了多种测试脚本，便于开发者验证各个组件的功能。这些测试脚本位于 `examples/` 目录下： - -### 单组件测试 - -1. **AI代理流式输出测试** (`test_stream.py`): - - 测试AI_Agent的流式响应功能 - - 演示如何接收和处理逐块返回的文本内容 - -2. **内容生成测试** (`test_content_generator.py`): - - 测试ContentGenerator组件 - - 验证从描述文件和文章内容生成海报文本配置的功能 - -3. **图片拼贴测试** (`test_simple_collage.py`): - - 测试多种拼贴风格和布局 - - 自动创建测试图片或使用指定目录中的图片 - -4. **海报生成测试** (`test_poster_generator.py`): - - 测试将图片和文本组合为海报的功能 - - 支持使用现有配置文件或随机生成文本数据 - -5. **资源加载器测试** (`test_resource_loader.py`): - - 测试ResourceLoader组件加载字体、贴纸和背景资源的功能 - - 创建临时测试目录结构和资源文件，验证加载逻辑 - - 测试异常处理和资源验证功能 - -6. **流程步骤测试** (`test_pipeline_steps.py`): - - 顺序测试整个流程的各个步骤：选题生成、内容生成和海报生成 - - 允许单独测试每个步骤，便于调试和验证各环节 - - 使用配置文件中的资源目录和参数设置 - -### 集成测试 - -1. **完整工作流测试** (`test_workflow.py`): - - 测试从选题生成到海报制作的完整流程 - - 支持一次性执行或分步执行 - -2. **分阶段测试**: - - 阶段1 (`run_step1_topics.py`): 仅执行选题生成 - - 阶段2 (`run_step2_content_posters.py`): 根据已生成选题执行内容和海报生成 - -### 使用测试脚本 +### 2. 配置设置 ```bash -# 测试AI流式输出 -python examples/test_stream.py +# 复制示例配置（选择一个或从基础开始） +cp configs/basic_config.json poster_gen_config.json -# 测试内容生成器 -python examples/test_content_generator.py - -# 测试图片拼贴功能 -python examples/test_simple_collage.py - -# 测试海报生成功能 -python examples/test_poster_generator.py - -# 测试完整工作流 -python examples/test_workflow.py --mode full - -# 测试分步工作流 -python examples/test_workflow.py --mode steps +# 编辑配置文件 +vim poster_gen_config.json +# 必须修改：api_url, api_key, image_base_dir ``` -详细参数和用法请参考 `examples/README.md` 文件。 +### 3. 运行系统 + +```bash +# 完整流程（从选题到海报生成） +python main.py + +# 或分阶段执行 (使用默认配置) +python examples/run_step1_topics.py +# 记下输出的Run ID +python examples/run_step2_content_posters.py YOUR_RUN_ID + +# 使用特定配置运行 +# python main.py --config configs/social_media_config.json +``` + +### 4. 查看结果 + +```bash +# 结果保存在配置的output_dir目录下（默认为./result/） +ls -la ./result/最新的Run_ID/ +``` + +## 核心组件说明 + +项目采用模块化设计，主要包含以下组件： + +- **主流程协调器** (`main.py`): 负责加载配置并协调执行整个生成流程 +- **AI交互模块** (`core/ai_agent.py`): 封装与大语言模型的通信 +- **选题生成器** (`utils/tweet_generator.py`): 生成旅游选题 +- **内容生成器** (`core/contentGen.py`): 处理内容创作 +- **海报制作器** (`core/posterGen.py`): 合成文字和图片，生成最终海报 + +## 资源准备指南 + +### 1. 景点信息文件 + +在 `resource/Object/` 目录创建景点信息文件，示例格式： + +``` +景点名称：泰宁古城 +位置：福建省三明市泰宁县 +简介：泰宁古城始建于宋代... +特色：古城墙、古街巷... +历史：泰宁古城有着悠久的历史... +适合游客：喜欢历史文化的游客、摄影爱好者 +建议游览时间：2-3小时 +最佳季节：春季和秋季 +``` + +> **提示**：景点信息越详细，生成的内容质量越高 + +### 2. 图片资源结构 + +图片资源应按以下结构组织（可通过配置自定义目录名）： + +``` +/ # 配置中的图片根目录 +├── 相机/ # 存放原始照片 (camera_image_subdir) +│ ├── 泰宁古城/ +│ │ ├── 图片1.jpg +│ │ ├── 图片2.jpg +│ │ └── description.txt (可选的图片描述) +│ └── 其他景点/ +└── modify/ # 存放处理后的图片 (modify_image_subdir) + ├── 泰宁古城/ + │ ├── 图片1.jpg + │ └── ... + └── 其他景点/ +``` + +> **重要**：确保每个景点的图片目录名与景点信息文件中的名称匹配。海报生成默认从 `modify/` 目录选取图片。 + +## 配置文件详解 + +`poster_gen_config.json` 是系统的核心配置文件，包含以下主要配置项： + +### 基础配置 + +```json +{ + "date": "5月15日", // 日期标记，用于提示词 + "num": 5, // 生成选题数量 + "variants": 3 // 每个选题生成的变体数量 +} +``` + +### AI模型配置 + +```json +{ + "model": "qwen", // 使用的模型名称 + "api_url": "http://localhost:8000/v1/", // API端点 + "api_key": "YOUR_API_KEY", // API密钥 + "topic_temperature": 0.2, // 选题生成的随机性 + "content_temperature": 0.3 // 内容生成的随机性 +} +``` + +### 资源路径配置 + +```json +{ + "resource_dir": [ // 景点信息资源 + { + "type": "Object", + "num": 3, + "file_path": [ + "./resource/Object/景点信息-泰宁古城.txt", + "./resource/Object/景点信息-尚书第.txt" + ] + } + ], + "image_base_dir": "/path/to/your/image/directory", // 图片根目录 + "camera_image_subdir": "相机", // 原始照片子目录 + "modify_image_subdir": "modify" // 处理后图片子目录 +} +``` + +### 提示词配置 + +```json +{ + "topic_system_prompt": "./SelectPrompt/systemPrompt.txt", + "topic_user_prompt": "./SelectPrompt/userPrompt.txt", + "content_system_prompt": "./genPrompts/systemPrompt.txt", + "prompts_dir": "./genPrompts" +} +``` + +### 输出配置 + +```json +{ + "output_dir": "./result", // 输出目录 + "poster_target_size": [900, 1200], // 海报尺寸 + "text_possibility": 0.3 // 文字元素出现概率 +} +``` + +## 配置示例 + +本项目提供了多种预设配置文件，适用于不同场景。这些配置文件位于 `configs/` 目录下： + +- **基础配置** (`configs/basic_config.json`): 适合初次使用和测试 +- **OpenAI配置** (`configs/openai_config.json`): 使用OpenAI API的配置 +- **高质量配置** (`configs/high_quality_config.json`): 更高质量的生成设置 +- **批量处理配置** (`configs/batch_processing_config.json`): 处理大量景点信息 +- **社交媒体配置** (`configs/social_media_config.json`): 针对多个社交平台优化 +- **本地LLM配置** (`configs/local_llm_config.json`): 使用本地部署的LLM模型 + +使用示例配置： + +```bash +# 复制适合您场景的配置 +cp configs/social_media_config.json poster_gen_config.json + +# 按需修改配置 +vim poster_gen_config.json +``` + +详细说明请参阅 `configs/README.md` 文件。 + +## 高级使用指南 + +### 自定义提示词 + +编辑 `SelectPrompt/` 和 `genPrompts/` 目录下的提示词文件，可自定义生成内容的风格和侧重点。 + +### 调整生成参数 + +- 增加 `variants` 值可获得更多内容变体 +- 调整 `temperature` 参数可以改变生成内容的创造性 +- 修改 `poster_target_size` 可以设置不同的海报尺寸 + +### 分布式执行 + +利用分阶段执行功能，可在不同机器上完成选题生成和内容生成： + +1. 机器A执行选题生成 (`run_step1_topics.py`)，将结果保存到共享存储 +2. 机器B从共享存储读取选题 (`run_step2_content_posters.py `)，执行计算密集的内容和海报生成 + +## 常见问题 + +1. **生成内容质量不高？** + - 尝试提供更详细的景点信息 + - 调整提示词模板 + - 降低 `temperature` 参数以减少随机性 + +2. **找不到景点图片？** + - 确保图片目录名与景点信息匹配 + - 检查配置文件中的 `image_base_dir` 路径是否正确 + +3. **API调用失败？** + - 验证 API Key 和 URL 是否正确 + - 检查网络连接和防火墙设置 + +## 示例 + +查看 `examples/` 目录中的示例脚本及其 `README.md` 文件，了解更多使用方法。 + +## 贡献指南 + +欢迎提交 Pull Request 或 Issue 来帮助改进本项目。 + +## 许可证 + +本项目采用 MIT 许可证。 diff --git a/core/__pycache__/__init__.cpython-312.pyc b/core/__pycache__/__init__.cpython-312.pyc index 22f04e3800ac964e174009e5e834d8f653a1ffb5..cf3c617c6dcfb4937ef14d5ffda189108699addc 100644 GIT binary patch delta 20 acmX@Ye1w_%G%qg~0}vc4WZ1~PlMw(oPz5po delta 20 acmX@Ye1w_%G%qg~0}yOAW8cWVlMw(mwgmA2 diff --git a/core/__pycache__/ai_agent.cpython-312.pyc b/core/__pycache__/ai_agent.cpython-312.pyc index e1356a8bcfebddffe982ce4adfe4fcf14ede58d0..d9f9d5461f0777dfb8f1277d9bb357c293d840e4 100644 GIT binary patch delta 355 zcmZqfWo+$bFqdUDBghN}21bS&phyjO8gnp%CfDSN>PHy; zCWmT-h}{xNPt8j$N-Rl@FG;N^i7zfGN=?k2yiUVjk)tFtH#I&rFXa{|n3bGgTyl%8 zBtJVfueg{OXy{}{DdEYAnv#q!CR=NEn+l3v7u32asI|g&hxUQ$3n7sgqO&gx=5(-q zVPg=Hm~J`Ia3vpIcvE}xF@gI zk(nH?#=%j`UBg|&QN=a6hFe*ct%fIseKt!9M-A6(hPf=O89_!dFfcOIaMp0u@T4&Z zGiY*7?pHrDIYc9bwI~uOH+i3iy&_vles*eJ@hy&$%-q!Y)V!2ioM2XResM`LFGv-m zl<;IjO-aV5lf5;&jU;8SOKM+~)L!Ac!}m zbqB`{5t$iP7ezEXI5%@^O<-g^y?KsyoB-1;k;x03MJE5ZmS?=YS>9#~JKH3n9hw}I z4`^siW^^%Sbee4La*VNk@;?_d?n;neq5!M()$Ryj%=G(2&Hjk$aCP08fPmTmS$7 delta 22 ccmX>;neq5!M()$Ryj%=GU^$(ABljLp08Y&YNdN!< diff --git a/core/__pycache__/posterGen.cpython-312.pyc b/core/__pycache__/posterGen.cpython-312.pyc index 8522899f885057719b32191bc7ff70572bb8e07f..11ecd6d690e1fe4197f0bbfde48bbf8b90705ea5 100644 GIT binary patch delta 22 ccmcb-l)d` delta 20 acmeyy^o@!8G%qg~0}yOAW8cV~%?JQJVg&^N diff --git a/utils/__pycache__/output_handler.cpython-312.pyc b/utils/__pycache__/output_handler.cpython-312.pyc index 45adbfd89b5d8395c1923119c26c3c37a5d13d0c..ebc34227b7db9cdadfc7873fb863ff6dc2b34d66 100644 GIT binary patch delta 20 acmbOkJTsX4G%qg~0}wPMact!7(*yuJ00l4r delta 20 acmbOkJTsX4G%qg~0}xoJvv1_?(*yuHHU#eg diff --git a/utils/__pycache__/prompt_manager.cpython-312.pyc b/utils/__pycache__/prompt_manager.cpython-312.pyc index d602808428102f24966d3fceb1e0919d83349c3c..1ee4aad8402e60171a668f0b633bf62da6fae045 100644 GIT binary patch delta 20 ZcmeCJ>aF5F&CAQh00a$592>crYymy61nvL; delta 20 ZcmeCJ>aF5F&CAQh00d@5>>Ih6Yymt41hW7D diff --git a/utils/__pycache__/resource_loader.cpython-312.pyc b/utils/__pycache__/resource_loader.cpython-312.pyc index a9d568501b338fd20f7858b999908a591ab8da07..5cfbb6b2d5088984af43afc8b2a12c64200892b5 100644 GIT binary patch delta 19 ZcmZ2zw$P00G%qg~0}#wN*~ld>4FEGQ1ZV&N delta 19 ZcmZ2zw$P00G%qg~0}yOA+sGv@4FEH}1b_el diff --git a/utils/__pycache__/tweet_generator.cpython-312.pyc b/utils/__pycache__/tweet_generator.cpython-312.pyc index c7fa4abd4559f775b67374168413b058d0904fc2..8378722ed89ce2ddd396804a187cbffada0c2b28 100644 GIT binary patch delta 22 ccmX@~gz?Z5M()$Ryj%=GAk)gRk=wio09Zr@R{#J2 delta 22 ccmX@~gz?Z5M()$Ryj%=GaBmv>MsD*W0A2G3DF6Tf