TravelContentCreator/README.md

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（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。

安装

环境要求

• Python 3.6+
• 依赖库安装：

# 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

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。
• 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/<run_id>/ 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/<run_id>/<topic_index>_<variant_index>/ 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/<run_id>/<topic_index>_<variant_index>/ 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:

   python main.py
   

5. 分阶段运行: (参考 examples/ 目录下的脚本，注意需要传递 run_id)

   # 阶段 1: 仅生成选题
   # 需要修改 examples/run_step1_topics.py 以接受或生成 run_id 并传递
   # python examples/run_step1_topics.py 
   
   # 阶段 2: 处理已生成的选题
   # 需要修改 examples/run_step2_content_posters.py 以接受 run_id 参数
   # python examples/run_step2_content_posters.py <your_run_id>
   

   (注意: 示例脚本可能需要更新以适应 run_id 传递的变化)

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）
• 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]）
• 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：