184 lines
8.9 KiB
Markdown
184 lines
8.9 KiB
Markdown
# 旅游内容创作工具 (Travel Content Creator)
|
||
|
||
这是一个基于AI的旅游内容自动生成工具，可以根据景点信息自动生成高质量的旅游推文和宣传海报。
|
||
|
||
## 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。
|
||
- **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。
|
||
|
||
## 安装
|
||
|
||
### 环境要求
|
||
- Python 3.6+
|
||
- 依赖库安装：
|
||
|
||
```bash
|
||
# 安装依赖库
|
||
pip install numpy pandas opencv-python pillow
|
||
# 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
|
||
```
|
||
|
||
### 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
|
||
|
||
## 核心组件与目录结构
|
||
|
||
- `main.py`: 项目入口，负责加载配置、编排主要流程（选题生成 -> 内容与海报生成）。
|
||
- `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 模型返回的选题文本。
|
||
- `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。
|
||
- `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（如文本文件、配置文件中的路径指向的文件）。
|
||
- `prompt_manager.py`: **提示词管理器**: **集中管理**不同阶段（选题、内容生成）的提示词构建逻辑。它调用 `ResourceLoader` 获取基础文件，并根据配置和当前任务（如特定选题）组装最终的 System Prompt 和 User Prompt。
|
||
- `tweet_generator.py`: **流程与数据结构**: 包含选题生成 (`run_topic_generation_pipeline`) 和单篇内容生成 (`generate_single_content`) 的流程函数，以及相关的数据类（如 `tweetTopicRecord`, `tweetContent`）。
|
||
- `genPrompts/`: 内容生成提示词模板目录。
|
||
- `SelectPrompt/`: 选题生成提示词模板目录。
|
||
- `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**: `main.py` 读取 `poster_gen_config.json` 文件。
|
||
2. **选题生成**:
|
||
- 调用 `utils.tweet_generator.run_topic_generation_pipeline`。
|
||
- 内部调用 `utils.prompt_manager.PromptManager.get_topic_prompts()` 来构建选题阶段的系统和用户提示词（结合模板、资源文件、配置参数）。
|
||
- 初始化一个 `core.ai_agent.AI_Agent` 实例。
|
||
- 调用 AI Agent 发送请求生成选题文本。
|
||
- 使用 `core.topic_parser` 解析结果。
|
||
- 保存选题结果 (`tweet_topic.json`) 到输出目录。
|
||
- 关闭此阶段的 AI Agent。
|
||
3. **内容与海报生成**: (在 `main.generate_content_and_posters_step` 中执行)
|
||
- 初始化 `utils.prompt_manager.PromptManager` 和 **一个共享的** `core.ai_agent.AI_Agent` 实例供此阶段所有任务使用（**优化点：避免为每个变体重复创建Agent**）。
|
||
- 遍历上一步生成的每个选题 (`topic_item`)：
|
||
- 为当前选题调用 `prompt_manager.get_content_prompts(topic_item)` 获取内容生成的特定提示词。
|
||
- 遍历每个变体 (variant)：
|
||
- 调用 `utils.tweet_generator.generate_single_content`，传入**共享的 AI Agent** 和**特定于此选题的提示词**，生成推文内容。
|
||
- 调用 `core.contentGen` 处理生成的文本内容，准备海报所需元素。
|
||
- 调用 `core.simple_collage` 处理图片。
|
||
- 调用 `core.posterGen` 结合图片和文本生成最终海报。
|
||
- 所有选题处理完毕后，关闭此阶段共享的 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）。
|
||
2. 准备景点图片资源，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。
|
||
4. **运行完整流程**:
|
||
```bash
|
||
python main.py
|
||
```
|
||
5. **分阶段运行**: (参考 `examples/` 目录下的脚本)
|
||
```bash
|
||
# 阶段 1: 仅生成选题
|
||
python examples/run_step1_topics.py
|
||
# (记下输出的 Run ID)
|
||
|
||
# 阶段 2: 处理已生成的选题
|
||
python examples/run_step2_content_posters.py <your_run_id>
|
||
```
|
||
|
||
## 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
|
||
- `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
|
||
- `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`: 包含景点等资源文件信息的列表 (结构见 `example_config.json`)
|
||
- `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**
|
||
- `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（用于提示词，默认为当前日期）
|
||
- `topic_temperature`, `topic_top_p`, `topic_max_tokens`: 选题生成 API 相关参数
|
||
- `content_temperature`: 内容生成 API 相关参数
|
||
- `camera_image_subdir`: 存放原始照片和描述文件的子目录名（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"）
|
||
- `poster_target_size`: 海报目标尺寸 `[宽, 高]`（默认 `[900, 1200]`）
|
||
|
||
项目提供了一个示例配置文件 `example_config.json`，请务必复制并修改：
|
||
|
||
```bash
|
||
cp example_config.json poster_gen_config.json
|
||
nano poster_gen_config.json
|
||
```
|
||
|
||
## 开始使用
|
||
|
||
### 1. 准备景点信息文件
|
||
|
||
在 `resource/Object/` 目录中创建景点信息文件（UTF-8编码），文件名应与配置和选题结果中的 `object` 字段对应，例如 `景点信息-泰宁古城.txt`：
|
||
|
||
```
|
||
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...
|
||
```
|
||
|
||
### 2. 准备图片资源
|
||
|
||
将景点的高质量图片保存在配置的 `image_base_dir` 下，并按以下推荐结构组织（子目录名可通过配置修改）：
|
||
|
||
```
|
||
<image_base_dir>/
|
||
├── 相机/ (camera_image_subdir)
|
||
│ ├── 泰宁古城/
|
||
│ │ ├── 图片1.jpg
|
||
│ │ ├── 图片2.jpg
|
||
│ │ └── description.txt (可选的图片描述文件，供内容生成参考)
|
||
│ └── 其他景点/
|
||
│ └── ...
|
||
└── modify/ (modify_image_subdir)
|
||
├── 泰宁古城/
|
||
│ ├── 用于拼贴的图片1.jpg
|
||
│ ├── ...
|
||
└── 其他景点/
|
||
└── ...
|
||
```
|
||
**注意**: 海报生成步骤会从 `modify` 子目录中查找用于制作海报的图片。
|
||
|
||
### 3. 配置文件
|
||
|
||
仔细检查并修改 `poster_gen_config.json`，确保所有路径（特别是 `image_base_dir`）和 API 信息正确无误。
|
||
|
||
### 4. 运行生成流程
|
||
|
||
根据需要选择完整流程或分阶段执行（见"使用方法"部分）。
|
||
|
||
生成的结果将保存在配置的`output_dir`目录下的 `run_id` 子目录中。
|
||
|
||
## 示例
|
||
|
||
查看`examples/`目录及其 `README.md` 文件，了解如何运行测试脚本或单独使用项目组件。
|
||
|
||
## 注意事项
|
||
|
||
- 确保已安装所有依赖库。
|
||
- **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。 |