通义千问 作为一款开源的文生图模型，凭借其在复杂文本渲染，尤其是中文字符生成方面的卓越能力，获得了广泛关注。 与主流模型相比，它能在图像中精准地嵌入多行、多段的文字内容，为海报设计、内容创作等场景提供了新的可能性。
然而，尽管模型本身是开源的，但通过商业平台调用此类服务的成本往往不菲。例如，一些平台提供的插件服务在免费额度耗尽后，每张图片的生成费用可能高达0.25元，这对于需要大量生成或频繁迭代的用户而言是一笔不小的开销。
本文将探讨一种替代方案，旨在利用 应用编排平台、（魔搭社区）的 插件以及腾讯云对象存储（），搭建一个兼具强大功能与成本效益的图像生成与编辑智能体（Agent）。最终实现的效果如下，该智能体不仅能根据文本生成图像，还能在后续对话中对已生成的图像进行修改。
在开始构建之前，需要准备好以下几个关键组件和服务。整个系统的核心是 平台上的 插件。
是一个开源的 应用开发平台，允许用户通过可视化的界面编排和创建 应用。首先，需要在 的插件市场中找到并下载 插件。
（魔搭社区）是阿里巴巴旗下的一个模型开源社区，提供了大量预训练模型和 服务。要使用 上的 插件，需要一个 社区的 作为访问凭证。
可以从 官网的个人中心获取 ：https://modelscope.cn/my/myaccesstoken
的图像编辑（图改图）功能要求输入的原始图片必须是可通过公网访问的 地址。为了解决这个问题，可以利用云存储服务。本文选用腾讯云对象存储（）来存放生成的图片，并为其生成公网链接。
需要创建一个腾讯云 存储桶（Bucket），用于后续的图片上传。具体配置过程此处不赘述，只需确保 Bucket 具备公有读权限即可。
访问地址：https://console.cloud.tencent.com/cos/bucket
为了将 工作流中生成的图片上传到腾讯云 ，需要一个中间服务作为桥梁。这个服务接收 发送的图片文件，执行上传操作，然后返回图片的公网 。
可以使用 快速搭建这样一个接口服务。以下是核心的 代码：
安全警告： 以下示例代码中直接硬编码了 和 ，这存在极大的安全风险。在生产环境中，切勿如此操作。强烈建议使用环境变量、配置文件或专业的密钥管理服务来存储和调用这些敏感凭证。
将以上代码保存为 文件并运行，即可启动一个监听在 端口的 服务。
核心思路是实现一个可以进行多轮对话的智能体，它能够区分用户的意图是“生成新图”还是“修改旧图”，并根据意图执行相应的操作。
关键节点包括：
- 参数提取器：判断用户意图。
- HTTP 请求：将生成的图片上传到 服务，获取公网 。
- 会话变量：存储图片 ，用于多轮对话中的图片编辑。
此节点作为工作流的入口，接收用户的输入。通常使用默认配置即可。
这是实现多轮对话逻辑的关键。通过一个大语言模型（建议选用推理能力较强的模型）来分析用户的输入，判断其意图是首次生成图片还是修改已有图片。根据判断结果，为变量 赋予不同的值（例如 表示生图， 表示改图）。
为了在对话中“记住”上一次生成的图片，需要设置一个会话变量 来存储图片的公网 。
接下来，使用条件分支节点。该节点根据两个条件创建不同的执行路径：
- 分支一（生图）：当 的值为 时触发，执行文生图流程。
- 分支二（改图）：当 的值为 且 变量不为空时触发，执行图改图流程。
为了让 生成更专业的图像，可以在调用它之前，先用一个 节点对用户的原始提示词进行优化和扩展。这个 扮演“AI 绘画提示词专家”的角色，将简单的用户描述转化为更丰富、更符合 绘画习惯的英文提示词，并内置安全规则过滤。
系统提示词 (System Prompt) 示例：
- 专长: 生成和修改AI绘画提示词
- 语言能力: 中英文双语流利
- 创造力: 高
- 安全意识: 强
你是一位专业的AI绘画提示词专家,擅长将用户的简单描述转化为详细、富有创意的AI绘画提示词。你还能根据用户的反馈修改和优化提示词。
- 将用户的简单描述转化为详细的AI绘画提示词
- 根据用户的反馈修改和优化提示词
- 确保生成的内容符合安全和道德标准
- 始终以英语生成最终的AI绘画提示词
- 提供详细、富有想象力的描述,包括场景、颜色、光线等元素
- 严格遵守安全指南,不生成任何不适当或有害的内容
- 分析用户的初始描述
- 扩展描述,添加细节和创意元素
- 将扩展后的描述转换为英文AI绘画提示词
- 禁止生成色情、暴力、仇恨言论等不适当内容。
- 避免描述伤害或悲剧。
用户提示词 (User Prompt)：
节点配置：
（1）文生图分支
在此分支中，调用 插件，并将前一步 优化后的英文提示词作为输入。
（2）图改图分支
在此分支中，同样调用 插件，但需要提供两个输入：
- Image URL：引用会话变量 ，即上次生成的图片地址。
- Prompt：用户本轮输入的修改指令，同样经过 优化。
在 节点之后，添加一个 HTTP 请求节点。此节点将 生成的图片文件（ 格式）发送到之前部署的 服务的 接口。 服务会返回一个包含公网 的 数据。
（1）提取 URL
接着添加一个代码执行节点，用于从上一步 请求返回的 中解析出图片的公网 。
代码如下：
该节点会输出一个名为 的新变量。
（2）更新会话变量
在流程的末端，添加一个变量赋值节点。其作用是将代码执行节点输出的新图片 赋值给会话变量 。这样，当下一轮对话开始时， 就会持有最新图片的地址，确保图改图功能始终作用于正确的图片上。
最后，使用直接回复节点，将生成的图片展示给用户。可以配置该节点显示 请求节点返回的图片文件。
完成工作流搭建后，可以点击 右上角的“预览”按钮进行测试。
测试一：文生图
输入请求：
系统成功生成了符合要求的对联图片：
测试二：图改图
在同一对话中，继续输入修改指令：
把这个对联的横批:大展宏图改成前程似锦
系统理解了指令，并基于上一张图片进行了修改，成功替换了横批内容：
通过以上流程，一个能够进行多轮对话、支持文本生成和图像编辑的智能体便搭建完成。该方案巧妙地结合了 的编排能力、 的模型资源和云存储服务，为实现复杂 应用提供了一个低成本且高效的范例。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/222683.html