基于 Django+Vue3 的 AI 海报生成平台开发（海报模块专项）

1、项目介绍

1.1、需求分析

1.1.1、功能性需求

从业务场景出发，AI 海报生成平台的核心需求围绕 “便捷、智能、可定制” 的海报创作全流程展开，具体包括：

• AI 辅助创作能力：提供提示词助手（多轮对话式 AI），帮助用户生成专业海报描述，降低创作门槛；支持通过 Coze 智能体、豆包视觉大模型实现 “文本→海报”“海报→优化海报” 的 AI 驱动创作。
• 海报生成功能：支持模板选择（热门、小红书、商业、节日等分类）、关键词推荐（如 “科技感未来城市”“简约风格插画”）、图片比例自定义（1:1、2:3、4:3 等），满足不同场景（社交分享、商业宣传、节日活动）的海报尺寸需求。
• 海报优化功能：支持海报内容修改（基于豆包视觉大模型）、画面清晰化、自定义添加 Logo 和二维码；允许上传本地海报进行二次编辑，覆盖 “生成→修改→完善” 的全链路需求。
• 数据持久化与隔离：用户生成的海报记录、对话会话需长期存储，且严格按用户隔离（通过用户 ID 关联数据），支持记录查询、筛选（按海报类型）、删除操作。
• 交互体验优化：提示词助手支持流式对话（实时返回 AI 回复），海报生成 / 修改过程显示加载状态，响应式布局适配 PC、平板、手机等设备。

1.1.2、非功能性需求

• 性能需求：AI 接口响应时间≤5s（流式对话支持增量返回，降低等待感知）；图片上传大小限制≤5MB，避免占用过多带宽；页面加载时间≤2s。
• 兼容性需求：前端支持 Chrome、Edge、Safari 等主流浏览器；响应式适配PC端。
• 安全性需求：图片上传需过滤非图片格式文件；第三方 API 密钥（Coze、豆包）需通过环境变量或配置文件管理，避免硬编码；用户数据（海报记录、对话）需按用户 ID 隔离，防止越权访问。
• 可用性需求：操作流程直观（如模板 “一键使用”、关键词 “点击添加”）；错误提示明确（如 “图片 URL 不能为空”“生成失败：网络错误”）；支持本地图片拖拽上传，降低操作成本。

1.2、技术栈

围绕海报模块的开发需求，技术栈分为后端和前端两层，重点集成 AI 能力与前后端交互能力：

1.3 项目运行效果图

（注：以下为功能页面描述，建议实际运行项目后截取对应截图插入）

1. 海报生成页：

1. 左侧为模板选择区（Tab 切换 “热门模板”“小红书海报” 等分类，模板卡片 hover 显示 “使用模板” 按钮），右侧为输入区（热门关键词标签、提示词文本框、比例选择器、“生成海报” 按钮），顶部为渐变风格标题栏（含 “智能生成”“多种模板” 等功能标识）。

2. 提示词助手页：

1. 左侧为会话列表（显示会话标题、最后一条消息预览、时间），右侧为聊天区（欢迎消息→用户输入→AI 流式回复，底部为输入框和发送按钮），支持会话新建、删除、切换。

3.修改海报页：

1. 三栏布局 —— 左侧 “画面调整” 面板（修改描述输入、生成记录管理）、中间 “海报预览” 区（支持图片缩放、下载、取消预览）、右侧 “元素添加” 面板（Logo / 二维码上传、位置选择），支持本地海报拖拽上传。

1.4 项目目录结构

原项目目录已具备基础结构，但为提升可维护性，对海报相关目录进行优化（补充分层、明确职责），优化后结构如下：

1.4.1 后端目录（Django）

1.4.2 前端目录（Vue3）

2. 项目架构分析

2.1 架构图

2.2 架构图内容解析

（1）数据流向逻辑

1. 用户操作→前端：用户在 “生成海报页” 选择模板、输入提示词，前端通过posterApi.ts将参数（prompt、propotion）发送给后端。
2. 前端→后端：后端路由（/api/posters/posters/）将请求转发至PostersView视图，视图调用CozeService的run_coze_workflow()方法，传入参数调用 Coze 工作流 API。
3. 后端→第三方 AI：Coze 工作流生成海报 URL 后返回后端，后端将 URL 存入poster_records表（关联当前用户 ID），并将结果返回前端。
4. 前端渲染：前端 Pinia 存储海报 URL，跳转至 “修改海报页” 预览，用户可进一步添加 Logo、二维码或优化画面。

（2）核心分层职责

• 前端层：负责交互与视觉渲染，通过 Pinia 管理全局状态（如模板列表、当前海报 URL），通过 Axios 处理请求（含流式响应，如提示词助手的实时回复）。

• 后端层：负责业务逻辑与数据管理，视图层处理请求参数校验，服务层封装 AI 接口调用，数据模型层确保用户数据隔离（如PosterRecord的user外键关联SysUser）。
• 第三方服务层：提供 AI 能力（Coze 生成海报、豆包优化画面）和图片存储（FreeImage.host），代理服务器解决图片上传的跨域问题。

3. 开发的主要功能分析（含代码、注释、效果图）

3.1 提示词助手

提示词助手是降低用户创作门槛的核心功能，基于 Coze 智能体实现多轮对话，支持会话记录持久化，核心解决 “用户不会写提示词” 的问题。

3.1.1 扣子（Coze）智能体的设计

核心逻辑：通过 Coze API 创建聊天机器人实例，支持文本交互与流式回复，封装CozeChatBot类统一管理对话逻辑。

关键代码（后端services/coze_service.py）：

from cozepy import Coze, TokenAuth, Message, ChatEventType
from typing import List, Optional
import logging

# 配置日志
logger = logging.getLogger(__name__)

# Coze API配置（建议从环境变量读取，此处为示例）
COZE_API_TOKEN = 'pat_JfvLHMeGpuTHvi7tVNsFIrQs3xo4mbGQ45JCmNPHvR4Ziin7wwmUYul6jdINZg9m'
COZE_BASE_URL = 'https://api.coze.cn/v3'
BOT_ID = '7543072474888929280'  # 预配置的海报提示词助手智能体ID

class CozeChatBot:
    def __init__(self, bot_id: str = BOT_ID, user_id: str = "default_user", conversation_history: List[Message] = None):
        """
        初始化Coze聊天机器人
        :param bot_id: 智能体ID（Coze平台创建）
        :param user_id: 用户ID（用于会话隔离）
        :param conversation_history: 历史对话记录
        """
        # 初始化Coze客户端
        self.coze_client = Coze(
            auth=TokenAuth(token=COZE_API_TOKEN),
            base_url=COZE_BASE_URL
        )
        self.bot_id = bot_id
        self.user_id = user_id
        # 对话历史（默认空列表）
        self.conversation_history: List[Message] = conversation_history or []

    def chat_stream(self, user_input: str):
        """
        流式对话（核心！实时返回AI回复）
        :param user_input: 用户输入的提示词需求（如“帮我写一个奶茶海报的提示词”）
        :yield: AI回复的增量内容
        """
        try:
            # 1. 构建用户消息（Coze要求的格式）
            user_message = Message.build_user_question_text(user_input)
            self.conversation_history.append(user_message)

            # 2. 调用Coze流式API
            stream = self.coze_client.chat.stream(
                bot_id=self.bot_id,
                user_id=self.user_id,
                additional_messages=self.conversation_history  # 携带历史对话
            )

            # 3. 处理流式响应
            bot_response = ""
            for event in stream:
                # 增量消息事件（实时返回每一段回复）
                if event.event == ChatEventType.CONVERSATION_MESSAGE_DELTA:
                    if event.message and event.message.content:
                        bot_response += event.message.content
                        yield event.message.content  # 增量返回给前端
                # 对话完成事件（记录Token使用）
                elif event.event == ChatEventType.CONVERSATION_CHAT_COMPLETED:
                    logger.info(f"Token使用量: {event.chat.usage.token_count}")

            # 4. 保存AI回复到历史记录
            bot_message = Message.build_assistant_answer(bot_response)
            self.conversation_history.append(bot_message)

        except Exception as e:
            logger.error(f"流式对话失败: {str(e)}")
            yield f"错误: {str(e)}"

设计说明：

• 封装CozeChatBot类，屏蔽 Coze API 的细节，视图层只需调用chat_stream()即可实现流式对话。
• 通过user_id参数关联当前登录用户，确保不同用户的对话历史隔离；conversation_history参数支持多轮对话上下文关联。

3.1.2 多轮对话的实现

核心逻辑：前端通过流式 HTTP 响应接收 AI 增量回复，实时更新界面；后端通过ChatSession（会话）和ChatMessage（消息）模型管理多轮对话。

关键代码（前端views/poster/PosterChat.vue）：

// 发送流式消息
const sendStreamMessage = async (message: string) => {
  searchDataStore.isStreaming = true;
  searchDataStore.streamingMessage = "";

  try {
    // 调用后端流式接口
    const response = await fetch("/api/posters/chat/", {
      method: "POST",
      headers: {
        "Content-Type": "application/json",
        "Authorization": `Bearer ${localStorage.getItem("token")}`
      },
      body: JSON.stringify({
        session_id: currentSessionId.value, // 会话ID（为空则新建）
        message: message,
        stream: true
      })
    });

    if (!response.ok) throw new Error("请求失败");

    // 处理流式响应
    const reader = response.body?.getReader();
    const decoder = new TextDecoder();
    let buffer = "";

    while (true) {
      const { done, value } = await reader!.read();
      if (done) break;

      // 解码二进制流
      const chunk = decoder.decode(value, { stream: true });
      buffer += chunk;
      const lines = buffer.split("\n");
      buffer = lines.pop() || "";

      // 解析每一行数据（SSE格式：data: {...}）
      for (const line of lines) {
        if (line.startsWith("data: ")) {
          const data = JSON.parse(line.slice(6));
          if (data.type === "chunk") {
            // 增量更新AI回复
            searchDataStore.streamingMessage += data.content;
            await scrollToBottom(); // 滚动到底部
          } else if (data.type === "end") {
            // 对话完成，保存AI消息到本地状态
            searchDataStore.currentChatSession?.messages.push({
              id: data.message_id,
              message_type: "assistant",
              content: searchDataStore.streamingMessage,
              create_time: new Date().toISOString()
            });
          }
        }
      }
    }
  } catch (error: any) {
    ElMessage.error(`发送失败: ${error.message}`);
  } finally {
    searchDataStore.isStreaming = false;
  }
};

效果图描述：
用户输入 “帮我写一个咖啡店夏季海报的提示词” 后，输入框右侧显示 “发送中...”，AI 回复以 “打字机” 效果实时显示（如 “咖啡店夏季海报提示词建议：1. 风格：清新日系风，背景用浅薄荷绿... ”），无需等待完整回复，提升交互体验。

3.1.3 会话记录的长久储存与用户隔离

核心逻辑：通过ChatSession（会话）和ChatMessage（消息）模型关联用户 ID，实现 “用户→会话→消息” 的层级隔离；后端接口查询时过滤当前用户的会话，确保数据安全。

关键代码（后端models.py）：

from django.db import models
from user.models import SysUser
import uuid

class ChatSession(models.Model):
    """聊天会话模型（用户→多会话）"""
    id = models.UUIDField(primary_key=True, default=uuid.uuid4, editable=False)
    user = models.ForeignKey(
        SysUser,
        on_delete=models.CASCADE,
        related_name="chat_sessions",  # 反向查询：用户.chat_sessions.all()
        verbose_name="关联用户"
    )
    title = models.CharField(max_length=200, default="新对话", verbose_name="会话标题")
    create_time = models.DateTimeField(auto_now_add=True, verbose_name="创建时间")
    update_time = models.DateTimeField(auto_now=True, verbose_name="最后更新时间")
    is_active = models.BooleanField(default=True, verbose_name="是否活跃")

    class Meta:
        db_table = "chat_sessions"
        ordering = ["-update_time"]  # 按更新时间倒序（最新会话在前）

class ChatMessage(models.Model):
    """聊天消息模型（会话→多消息）"""
    MESSAGE_TYPE_CHOICES = [("user", "用户消息"), ("assistant", "AI回复")]
    id = models.AutoField(primary_key=True)
    session = models.ForeignKey(
        ChatSession,
        on_delete=models.CASCADE,
        related_name="messages",  # 反向查询：会话.messages.all()
        verbose_name="所属会话"
    )
    message_type = models.CharField(max_length=20, choices=MESSAGE_TYPE_CHOICES)
    content = models.TextField(verbose_name="消息内容")
    create_time = models.DateTimeField(auto_now_add=True, verbose_name="发送时间")

    class Meta:
        db_table = "chat_messages"
        ordering = ["create_time"]  # 按发送时间正序（历史消息顺序）

查询逻辑（后端views.py）：

class ChatSessionDetailView(APIView):
    permission_classes = [IsAuthenticated]  # 仅登录用户可访问

    def get(self, request, session_id):
        """获取指定会话的消息（用户隔离）"""
        try:
            # 1. 过滤：仅查询当前用户的活跃会话
            session = ChatSession.objects.get(
                id=session_id,
                user=request.user,  # 关键！用户隔离
                is_active=True
            )
            # 2. 获取会话下的所有消息
            messages = ChatMessage.objects.filter(session=session).order_by("create_time")
            # 3. 格式化返回
            message_list = [{
                "id": msg.id,
                "message_type": msg.message_type,
                "content": msg.content,
                "create_time": msg.create_time.strftime("%Y-%m-%d %H:%M:%S")
            } for msg in messages]
            return Response({
                "code": 200,
                "data": {"session_id": str(session.id), "messages": message_list}
            })
        except ChatSession.DoesNotExist:
            return Response({"code": 404, "message": "会话不存在"})

3.2 生成海报

3.2.1 扣子（Coze）工作流的设计

核心逻辑：通过 Coze 工作流串联 “参数接收→AI 生成→结果返回” 的流程，支持动态传入模板、提示词、比例等参数，无需后端编写复杂 AI 逻辑。

关键代码（后端services/coze_service.py）：

def run_coze_workflow(parameters: Dict[str, str]) -> Optional[str]:
    """
    调用Coze工作流生成海报
    :param parameters: 工作流参数（img、prompt、propotion等）
    :return: 生成的海报URL
    """
    try:
        logger.info(f"执行Coze工作流，参数: {parameters}")
        # 1. 启动Coze工作流流式运行
        stream = coze_client.workflows.runs.stream(
            workflow_id="7541234832299802667",  # Coze工作流ID
            parameters=parameters
        )
        # 2. 处理工作流事件流，提取海报URL
        return _handle_workflow_stream(stream)
    except Exception as e:
        logger.error(f"工作流执行失败: {str(e)}")
        raise Exception(f"生成海报失败: {str(e)}")

def _handle_workflow_stream(stream: Stream[WorkflowEvent]) -> Optional[str]:
    """处理工作流事件流，提取图片URL"""
    for event in stream:
        # 消息事件：工作流返回结果（含海报URL）
        if event.event == WorkflowEventType.MESSAGE:
            if event.message and event.message.content:
                try:
                    # Coze工作流返回格式：{"output": "https://xxx.png"}
                    content = json.loads(event.message.content)
                    if "output" in content:
                        return content["output"]  # 返回海报URL
                except json.JSONDecodeError:
                    logger.warning("解析工作流结果失败")
        # 错误事件：抛出异常
        elif event.event == WorkflowEventType.ERROR:
            error_msg = event.error.message if event.error else "未知错误"
            raise Exception(f"工作流出错: {error_msg}")
    # 未获取到URL
    raise Exception("工作流未返回海报URL")

Coze 工作流设计建议（补充优化）：
在 Coze 平台创建工作流时，建议按以下节点设计：

1. 参数接收节点：定义img（模板 URL）、prompt（提示词）、propotion（比例）等输入参数。
2. AI 生成节点：调用 Coze 的 “图像生成” 能力，将参数注入生成 prompt（如 “根据模板 {img}，按比例 {propotion}，生成 {prompt} 风格的海报”）。
3. 结果返回节点：将生成的图片 URL 按{"output": "xxx"}格式返回，便于后端解析。

3.2.2 模板和关键词

核心逻辑：前端通过 Pinia 存储模板数据和热门关键词，用户选择模板后自动填充对应的提示词，关键词支持 “点击添加”，降低输入成本。

关键代码（前端stores/posters.ts）：

// 热门关键词（优化后：按场景分类）
const hotKeywords = ref([
  { label: "科技感", category: "风格" },
  { label: "未来城市", category: "场景" },
  { label: "简约插画", category: "风格" },
  { label: "商业宣传", category: "用途" },
  // ... 更多关键词
]);

// 海报模板数据（按类型分类）
const posterTemplates = ref({
  hot: [  // 热门模板
    { id: "hot1", url: "/assets/images/posters/hot/hot1.png", prompt: "科技感未来城市海报，霓虹灯效果" },
    { id: "hot2", url: "/assets/images/posters/hot/hot2.png", prompt: "简约风格产品宣传海报，清新色调" },
  ],
  xiaohongshu: [  // 小红书模板
    { id: "xh1", url: "/assets/images/posters/xiaohongshu/xh1.png", prompt: "小红书美食探店海报，暖色调，突出食物细节" },
  ]
});

// 选择模板：自动填充提示词
const selectTemplate = (template: PosterTemplate) => {
  searchValue.value = template.prompt;  // 填充提示词
  currentTemplate.value = template;    // 记录当前模板
};

// 选择关键词：追加到提示词
const selectKeyword = (keyword: string) => {
  if (searchValue.value) {
    searchValue.value += ` ${keyword}`;
  } else {
    searchValue.value = keyword;
  }
};

效果图描述：

• 模板区域：以网格布局展示模板卡片，hover 时显示 “使用模板” 按钮，点击后右侧输入框自动填充该模板的默认提示词（如 “科技感未来城市海报，霓虹灯效果”）。
• 关键词区域：以标签云形式展示关键词，点击 “科技感” 后，输入框内容追加 “科技感”（如原内容为 “未来城市”，变为 “未来城市 科技感”）。

3.2.3 比例的选择

核心逻辑：支持 5 种常用海报比例（1:1、2:3、4:3、9:16、16:9），用户选择后将比例值传入后端，Coze 工作流按比例生成海报。

关键代码（前端components/poster/RatioSelector.vue）：

<template>
  <el-select
    v-model="selectedRatio"
    placeholder="选择海报比例"
    @change="handleRatioChange"
  >
    <el-option
      v-for="(item, key) in ratioOptions"
      :key="key"
      :label="`${item.label}（${item.value}）`"
      :value="key"
    >
      <!-- 比例预览：小方块展示比例 -->
      <div class="ratio-preview" :style="{ width: item.width, height: item.height }"></div>
    </el-option>
  </el-select>
</template>

<script setup lang="ts">
import { ref } from "vue";
import { useSearchDataStore } from "@/stores/posters.ts";

const searchDataStore = useSearchDataStore();
const selectedRatio = ref("2");  // 默认2:3（竖版，适合小红书）

// 比例配置（优化后：含预览尺寸）
const ratioOptions = ref({
  "1": { label: "正方形", value: "1:1", width: "40px", height: "40px" },
  "2": { label: "竖版照片", value: "2:3", width: "40px", height: "60px" },
  "3": { label: "标准照片", value: "4:3", width: "53px", height: "40px" },
  "4": { label: "长屏", value: "9:16", width: "22.5px", height: "40px" },
  "5": { label: "宽屏", value: "16:9", width: "71px", height: "40px" }
});

// 比例变化：同步到Pinia
const handleRatioChange = (value: string) => {
  searchDataStore.setImageRatio(value, ratioOptions.value[value].value);
};
</script>

<style scoped>
.ratio-preview {
  display: inline-block;
  margin-right: 8px;
  border: 2px solid #667eea;
  border-radius: 4px;
}
</style>

3.3 修改海报

3.3.1 修改海报（豆包视觉大模型）

核心逻辑：用户上传原始海报 URL 和修改提示词（如 “将背景改为森林”），后端调用豆包视觉大模型（doubao-seededit-3-0-i2i-250628）实现 “图生图” 优化。

关键代码（后端services/doubao_service.py）：

from volcenginesdkarkruntime import Ark
import os
import random
from dotenv import load_dotenv

# 加载环境变量（优化：避免密钥硬编码）
load_dotenv()
ARK_API_KEY = os.environ.get("ARK_API_KEY")

# 初始化豆包客户端
doubao_client = Ark(
    base_url="https://ark.cn-beijing.volces.com/api/v3",
    api_key=ARK_API_KEY
)

def modify_poster(image_url: str, prompt: str) -> str:
    """
    调用豆包视觉大模型修改海报
    :param image_url: 原始海报URL
    :param prompt: 修改提示词
    :return: 修改后的海报URL
    """
    try:
        # 调用豆包图生图API
        response = doubao_client.images.generate(
            model="doubao-seededit-3-0-i2i-250628",  # 豆包视觉大模型ID
            prompt=prompt,
            image=image_url,  # 原始图片（图生图）
            seed=random.randint(1, 10000),  # 随机种子（避免重复）
            guidance_scale=8.5,  # 引导力度（越高越贴近prompt）
            size="adaptive",  # 自适应原始图片尺寸
            watermark=False  # 不添加水印
        )
        # 提取结果
        if response.data and len(response.data) > 0:
            return response.data[0].url
        raise Exception("豆包未返回修改后的图片")
    except Exception as e:
        raise Exception(f"修改海报失败: {str(e)}")

3.3.2 清晰化

核心逻辑：用户点击 “变清晰” 按钮时，后端不传入修改提示词，仅将原始海报 URL 传入 Coze 工作流，通过 AI 提升画面分辨率和清晰度。

关键代码（后端views.py）：

class PostersView(APIView):
    permission_classes = [IsAuthenticated]

    def post(self, request):
        # 获取参数
        img = request.data.get("img")  # 原始海报URL
        prompt = request.data.get("prompt", "")  # 默认为空（清晰化）
        # 1. 确定海报类型（清晰化：无prompt且有img）
        if img and not prompt:
            poster_type = "enhance"  # 清晰化类型
            # 构造参数（仅传img，不传递prompt）
            parameters = {"img": img, "prompt": "提升画面清晰度，优化细节", "propotion": ""}
        else:
            # 其他类型（生成/修改）
            poster_type = "modify" if img else "generate"
            parameters = {"img": img, "prompt": prompt, "propotion": request.data.get("propotion")}
        
        # 2. 调用Coze工作流（清晰化）
        try:
            image_url = run_coze_workflow(parameters)
            # 3. 保存记录
            PosterRecord.objects.create(
                user=request.user,
                image_url=image_url,
                prompt="画面清晰化",
                poster_type=poster_type
            )
            return Response({"code": 200, "data": {"image_url": image_url}})
        except Exception as e:
            return Response({"code": 500, "message": f"清晰化失败: {str(e)}"})

3.3.3 添加 logo 和二维码

核心逻辑：用户上传 Logo / 二维码图片（本地或 URL），选择位置（左上、右上、右下等 9 个位置），后端将参数传入 Coze 工作流，实现元素叠加。

关键代码（前端components/poster/ElementAdd.vue）：

<template>
  <!-- Logo上传 -->
  <div class="element-upload">
    <h3>添加Logo</h3>
    <el-upload
      action="/api/upload"  # 后端上传接口（或代理服务器）
      :on-success="handleLogoUpload"
      :before-upload="checkImageSize"
    >
      <div class="upload-area">点击上传Logo</div>
    </el-upload>
    <!-- 位置选择 -->
    <el-select v-model="logoPosition" placeholder="选择Logo位置">
      <el-option label="左上" value="nw"></el-option>
      <el-option label="右上" value="ne"></el-option>
      <el-option label="右下" value="se"></el-option>
      <!-- 其他位置 -->
    </el-select>
  </div>

  <!-- 二维码上传（逻辑同上） -->
  <div class="element-upload">
    <h3>添加二维码</h3>
    <!-- 略... -->
  </div>

  <!-- 确认添加按钮 -->
  <el-button @click="addElements">添加到海报</el-button>
</template>

<script setup lang="ts">
import { ref } from "vue";
import { useSearchDataStore } from "@/stores/posters.ts";
import { posterApi } from "@/api/posterApi.ts";

const searchDataStore = useSearchDataStore();
const logoPosition = ref("nw");  // 默认左上
const qrPosition = ref("se");   // 默认右下
const logoUrl = ref("");
const qrUrl = ref("");

// 检查图片大小（≤5MB）
const checkImageSize = (file: File) => {
  const isLt5M = file.size / 1024 / 1024 < 5;
  if (!isLt5M) {
    ElMessage.error("图片大小不能超过5MB");
  }
  return isLt5M;
};

// Logo上传成功：保存URL
const handleLogoUpload = (response: any) => {
  logoUrl.value = response.data.image_url;
};

// 添加元素到海报
const addElements = async () => {
  try {
    const result = await posterApi.addElements({
      img: searchDataStore.img_uml,  // 当前海报URL
      logo_img: logoUrl.value,
      logo_place: logoPosition.value,
      qr_img: qrUrl.value,
      qr_place: qrPosition.value
    });
    // 更新海报URL
    searchDataStore.img_uml = result.data.image_url;
    ElMessage.success("元素添加成功");
  } catch (error) {
    ElMessage.error("添加失败");
  }
};
</script>

3.3.4 上传本地海报修改

核心逻辑：支持本地图片拖拽 / 点击上传，通过代理服务器（proxy-server.js）上传到 FreeImage.host，转换为可访问的网络 URL，再进行修改。

关键代码（前端utils/imageUtils.ts）：

import { ElMessage } from "element-plus";

export const uploadLocalImage = async (file: File): Promise<string> => {
  try {
    // 1. 检查文件类型
    if (!file.type.startsWith("image/")) {
      throw new Error("请上传图片文件");
    }
    // 2. 检查文件大小
    if (file.size > 5 * 1024 * 1024) {
      throw new Error("图片大小不能超过5MB");
    }
    // 3. 构造FormData（FreeImage.host要求的格式）
    const formData = new FormData();
    formData.append("key", "6d207e02198a847aa98d0a2a901485a5");  // FreeImage API Key
    formData.append("source", file);
    formData.append("format", "json");

    // 4. 调用代理服务器（解决跨域）
    const response = await fetch("http://localhost:3000/upload", {
      method: "POST",
      body: formData
    });
    const data = await response.json();

    // 5. 提取网络URL
    if (data.status_code === 200 && data.image?.url) {
      return data.image.url;
    }
    throw new Error("上传失败: " + data.error?.message);
  } catch (error: any) {
    ElMessage.error(error.message);
    throw error;
  }
};

代理服务器作用：
FreeImage.host 的 API 存在跨域限制（前端无法直接调用），proxy-server.js作为中间层，接收前端请求后转发至 FreeImage.host，再将结果返回前端，解决跨域问题。

3.3.5 生成记录的长久储存和用户隔离

核心逻辑：通过PosterRecord模型关联用户 ID，存储海报 URL、提示词、类型等信息；前端支持按类型筛选（生成 / 修改 / 清晰化），用户仅能查看自己的记录。

关键代码（后端views.py）：

class PosterRecordsView(APIView):
    permission_classes = [IsAuthenticated]

    def get(self, request):
        """获取用户的海报记录（支持筛选）"""
        # 1. 获取筛选参数
        poster_type = request.GET.get("poster_type")  # 类型筛选
        search = request.GET.get("search")            # 关键词搜索（提示词）
        
        # 2. 基础查询：当前用户的未删除记录
        queryset = PosterRecord.objects.filter(
            user=request.user,
            is_deleted=False
        )
        
        # 3. 应用筛选条件
        if poster_type:
            queryset = queryset.filter(poster_type=poster_type)
        if search:
            queryset = queryset.filter(prompt__icontains=search)  # 模糊搜索
        
        # 4. 格式化返回
        records = [{
            "id": record.id,
            "image_url": record.image_url,
            "prompt": record.prompt,
            "poster_type": record.poster_type,
            "poster_type_display": record.get_poster_type_display(),  # 中文显示（如“生成海报”）
            "create_time": record.create_time.strftime("%Y-%m-%d %H:%M:%S")
        } for record in queryset.order_by("-create_time")]
        
        return Response({
            "code": 200,
            "data": {
                "records": records,
                "total_count": len(records)
            }
        })

3.3.6 本地上传图片转换图片地址

核心逻辑：通过 FreeImage.host 的 API 将本地图片转换为网络 URL，前端调用代理服务器上传，后端存储转换后的 URL 用于后续修改。

关键代码（后端utils/image_utils.py）：

import requests

def convert_local_image_to_url(file_path: str) -> str:
    """
    本地图片文件转换为网络URL（后端备用方案，前端优先用代理）
    :param file_path: 本地图片路径
    :return: 网络URL
    """
    url = "https://freeimage.host/api/1/upload"
    data = {
        "key": "6d207e02198a847aa98d0a2a901485a5",
        "format": "json"
    }
    files = {"source": open(file_path, "rb")}
    
    response = requests.post(url, data=data, files=files)
    response_data = response.json()
    
    if response_data["status_code"] == 200:
        return response_data["image"]["url"]
    raise Exception(f"图片转换失败: {response_data['error']['message']}")

4. 项目总结

4.1 核心功能实现

4.2 技术亮点

1. 多 AI 服务协同：集成 Coze（工作流 + 智能体）和豆包（视觉大模型），分别负责 “海报生成 / 对话” 和 “海报修改”，优势互补。
2. 流式交互体验：提示词助手采用流式响应，AI 回复实时增量显示，降低用户等待感知；海报生成 / 修改过程显示加载状态，提升交互透明度。
3. 响应式设计：通过 SCSS 的@media查询适配多设备（PC / 平板 / 手机），模板卡片、输入区布局自动调整，确保移动端可用性。
4. 数据安全隔离：所有用户数据（海报记录、对话）通过外键关联用户 ID，接口层强制过滤当前用户数据，防止越权访问。

4.3 存在的挑战和解决方案

问题一：图片资源访问限制与解决方案

一、问题背景

在使用“扣子工作流”处理图片时，系统对图片资源的访问存在明确限制：仅支持通过网络地址（URL）访问图片资源。然而，在开发环境中，由于开发者通常未部署正式服务器，上传的图片地址多为本地路径（如本地文件路径或本地服务地址），这些地址不具备公网访问能力，因此无法被“扣子工作流”识别和使用，从而影响业务流程的正常运行。

二、解决方案

为解决上述问题，可采取以下两种方案：

（一）临时过渡方案：使用第三方图片托管服务

在开发阶段，可临时采用第三方图片托管服务作为解决方案。例如，使用 freeimage.host 等服务，通过其提供的 API 接口，将本地图片上传至第三方服务器，由其托管并生成可公网访问的图片 URL。此方式可快速解决图片资源无法被“扣子工作流”识别的问题，保障开发与测试阶段的流程顺畅。

（二）项目化正式方案

根据项目规模和需求，可选择以下长期解决方案，以确保图片资源的稳定存储、高效访问及业务扩展性：

①小型项目：
采用 静态文件服务 + Nginx 方案，适合小型项目，满足基本的图片存储与访问需求。

②中型项目：
采用 云存储服务，如 AWS S3 或 阿里云 OSS，提供稳定、高效的存储与访问能力。

③大型项目：
采用 云存储 + CDN 加速方案，结合内容分发网络（CDN）提升访问速度与稳定性，适用于大规模项目。

问题二

• 问题背景：
  前端需要上传图片到第三方服务（freeimage.host），但直接调用会遇到浏览器CORS跨域限制，严重影响用户体验。

• 解决方案

①架构流程：

前端 ---> 本地代理服务器 ---> 第三方图片托管服务(freeimage.host) ---> 返回公网URL

②原理解释：

浏览器直接发送请求到freeimage存在跨域问题，改用浏览器发送请求到代理服务器，代理服务器和freeimage直接实现端对端连接，解决了跨越问题。

问题三

一、问题背景:

生成海报的记录以及聊天会话记录的用户隔离和长久保存，需要支持多轮对话，保持上下文信息，同时要高效管理大量的会话数据。

二、解决方案：

①数据模型设计：

User和ChatSession以及ChatMessage的关联设计，UUID确保会话唯一性，软删除和数据归档策略。

问题四

• 问题背景:

需要同时集成Coze智能体和Coze工作流和豆包两个不同的AI平台，它们的API调用方式、参数格式、响应结构都完全不同。

• 解决方案：

①模块化设计架构：

为每个AI服务创建独立工具类，CozeTool.py：封装Coze工作流和聊天机器人，doubaoTool.py：封装豆包图像编辑API。

问题五

• 问题背景:

AI生成海报和聊天对话都需要实时反馈，传统的请求-响应模式无法满足用户体验要求。

二、解决方案：

①流式响应架构：

使用StreamingHttpResponse实现流式输出，Server-Sent Events (SSE) 数据格式。

②连接管理优化：

连接超时和心跳机制，客户端断线检测，资源自动清理。

问题一：图片资源访问限制与解决方案

一、问题背景

在使用“扣子工作流”处理图片时，系统对图片资源的访问存在明确限制：仅支持通过网络地址（URL）访问图片资源。然而，在开发环境中，由于开发者通常未部署正式服务器，上传的图片地址多为本地路径（如本地文件路径或本地服务地址），这些地址不具备公网访问能力，因此无法被“扣子工作流”识别和使用，从而影响业务流程的正常运行。

二、解决方案

为解决上述问题，可采取以下两种方案：

（一）临时过渡方案：使用第三方图片托管服务

在开发阶段，可临时采用第三方图片托管服务作为解决方案。例如，使用 freeimage.host 等服务，通过其提供的 API 接口，将本地图片上传至第三方服务器，由其托管并生成可公网访问的图片 URL。此方式可快速解决图片资源无法被“扣子工作流”识别的问题，保障开发与测试阶段的流程顺畅。

（二）项目化正式方案

根据项目规模和需求，可选择以下长期解决方案，以确保图片资源的稳定存储、高效访问及业务扩展性：

①小型项目：
采用 静态文件服务 + Nginx 方案，适合小型项目，满足基本的图片存储与访问需求。

②中型项目：
采用 云存储服务，如 AWS S3 或 阿里云 OSS，提供稳定、高效的存储与访问能力。

③大型项目：
采用 云存储 + CDN 加速方案，结合内容分发网络（CDN）提升访问速度与稳定性，适用于大规模项目。

问题二

• 问题背景：
  前端需要上传图片到第三方服务（freeimage.host），但直接调用会遇到浏览器CORS跨域限制，严重影响用户体验。

• 解决方案

①架构流程：

前端 ---> 本地代理服务器 ---> 第三方图片托管服务(freeimage.host) ---> 返回公网URL

②原理解释：

浏览器直接发送请求到freeimage存在跨域问题，改用浏览器发送请求到代理服务器，代理服务器和freeimage直接实现端对端连接，解决了跨越问题。

问题三

一、问题背景:

生成海报的记录以及聊天会话记录的用户隔离和长久保存，需要支持多轮对话，保持上下文信息，同时要高效管理大量的会话数据。

二、解决方案：

①数据模型设计：

User和ChatSession以及ChatMessage的关联设计，UUID确保会话唯一性，软删除和数据归档策略。

问题四

• 问题背景:

需要同时集成Coze智能体和Coze工作流和豆包两个不同的AI平台，它们的API调用方式、参数格式、响应结构都完全不同。

• 解决方案：

①模块化设计架构：

为每个AI服务创建独立工具类，CozeTool.py：封装Coze工作流和聊天机器人，doubaoTool.py：封装豆包图像编辑API。

问题五

• 问题背景:

AI生成海报和聊天对话都需要实时反馈，传统的请求-响应模式无法满足用户体验要求。

二、解决方案：

①流式响应架构：

使用StreamingHttpResponse实现流式输出，Server-Sent Events (SSE) 数据格式。

②连接管理优化：

连接超时和心跳机制，客户端断线检测，资源自动清理。

5. 未来展望

5.1 功能扩展

1. AI 风格推荐：基于用户历史生成记录，推荐相似风格的模板或提示词（如 “您之前喜欢科技感风格，推荐以下模板”）。
2. 海报协作：支持多用户共同编辑一张海报（如设计师生成初稿，运营添加 Logo），通过 WebSocket 实现实时同步。
3. 风格迁移：新增 “风格迁移” 功能（如 “将海报转换为梵高画风”），集成更多视觉大模型（如 Stable Diffusion）。
4. 批量生成：支持批量上传提示词，一次性生成多张海报（如 “生成 10 张不同节日的促销海报”），提升效率。

5.2 性能与体验优化

1. 缓存策略：对热门模板、用户常用比例的生成结果进行缓存（如 Redis），减少 AI 接口调用次数，提升响应速度。
2. 图片优化：生成的海报自动压缩（如使用pillow库），降低图片加载时间；支持 WebP 格式，平衡画质与大小。
3. 离线体验：通过 PWA 技术实现部分离线功能（如查看历史记录、编辑提示词），提升弱网环境可用性。
4. 操作引导：新增新手引导流程（如 “点击模板→输入提示词→生成海报”），降低新用户学习成本。

5.3 生态和商业化

1. 模板市场：推出付费模板（如设计师定制模板），支持模板创作者入驻，平台抽成，形成生态闭环。
2. 会员体系：免费用户限制生成次数，会员用户解锁高清下载、批量生成、高级 AI 模型（如豆包 Pro）等特权。
3. 企业版功能：针对企业用户推出 “品牌模板库”（统一企业 VI 风格）、“团队协作”、“海报数据统计”（如曝光量、下载量）。
4. API 开放：将海报生成 / 修改能力封装为开放 API，供第三方平台调用（如电商平台集成海报生成功能），实现商业化变现。

5.4 技术探索

1. 端侧 AI 集成：探索在前端集成轻量化 AI 模型（如 TensorFlow.js），实现简单的海报风格预览（如 “本地预览科技感风格”），减少服务器依赖。

2. 多模态输入：支持语音输入提示词（集成科大讯飞语音识别）、手绘草图生成海报（如用户手绘布局，AI 生成完整海报），扩展输入方式。
3. AI 自动化：实现 “一键生成全套海报”，用户输入活动主题（如 “618 促销”），AI 自动生成不同平台（小红书、朋友圈、电商）的海报，无需人工调整。

6. 总结和收获

6.1 总结

本项目基于 Django+Vue3 构建了 “AI 驱动的海报创作平台”，聚焦海报 “生成→修改→管理” 的全流程需求，通过 Coze 和豆包 AI 服务降低创作门槛，通过响应式设计和流式交互提升用户体验，通过数据隔离确保用户数据安全。项目不仅实现了核心功能，还通过分层设计（如后端services、前端api）提升了代码可维护性，为后续扩展奠定基础。

6.2 收获

1. 前后端协作能力：深入理解前后端分离架构下的数据流向（如前端请求→后端视图→AI 服务→数据存储→前端渲染），掌握 Axios 请求封装、DRF 视图设计的最佳实践。
2. AI API 集成经验：熟悉 Coze、豆包等 AI 平台的 API 调用方式，理解工作流、智能体、视觉大模型的应用场景，学会处理 API 异常和跨域问题。
3. 用户体验设计意识：从 “流式响应”“模板辅助”“错误提示” 等细节出发，体会 “技术服务于体验” 的理念，提升产品化思维。
4. 问题解决能力：面对跨域、流式响应、图片上传等挑战，通过查阅文档（Django/Coze API）、调试代码（如流式响应的 SSE 格式），培养独立解决技术问题的能力。

通过本项目，不仅掌握了 AI 驱动的 Web 应用开发流程，还意识到 “功能实现” 与 “用户体验”“可扩展性” 的平衡，为后续复杂项目开发积累了宝贵经验。