项目名称： AI 童话编剧与绘本生成器

本阶段时间： 2026 年 5 月 25 日 — 2026 年 5 月 31 日（第 13 周）

一、引言

继第四篇团队博客完成「图像后端接入、SQLAlchemy ORM、绘本库可持续创作与安全治理」之后，团队进入 生成链路精细化、知识库离线建设、前端体验焕新 与 答辩交付能力补齐 并行的阶段。本期团队博客汇总四位成员本周个人博客成果，内容覆盖：

  • 蒋宇宸：在第四篇三层图像架构之上引入 出图 Prompt 编剧 Agent（第二个 LLM），明确「故事 LLM → 出图 LLM → Qwen 执行」双流职责；优化规则层 fallback、收敛出图入口，并修复阅读页 单页插图重绘 的前后端体验断点；
  • 黄子祺：建立 英文童话 RAG 离线语料流水线，将 fairy_tales/*.txt 收敛为 backend/data/knowledge/corpus.jsonl，统一 KnowledgeRecord 字段与 theme_tags 规则，为后续后端检索注入奠定「单一事实来源」；
  • 黄荣涵：推动 全站视觉设计体系升级（暖色手工绘本风、手绘 SVG 图标、首页轮播与多页重构），落地独立 家长中心 页面，并同步完善 users 表、RBAC 角色语义（editor→child） 与 孩子每日使用配额 等数据库与登录能力；
  • 李冰川：深化 「我的绘本库」可持续创作（阅读进度恢复、草稿双保险、Workflow 绑定用户），补齐 ZIP 导出闭环、插图就绪自检 与 演示样例文档。

四位成员分别从 分镜—出图契约、RAG 数据地基、产品视觉与家庭治理、体验续读与交付物 四条轴线同时推进，推动项目从「链路能跑」向「出图描述准确、语料可重建、界面可信可运营、答辩可演示可打包」演进，为后续 出图 RAG、中文语料扩展与 Job 阶段可观测性统一 减轻产品与工程债务。

二、蒋宇宸：出图 Prompt 双 LLM 编排与重绘体验修复

2.1 工作背景

第四篇已将 Qwen 图像模块以适配层—执行层—图像核心挂入 FastAPI，但线上使用暴露三类问题：分镜字段与出图 prompt 各说各话（适配层仍用 page.text 填 scene/action，旁白对白混入画面描述）；分镜到 Qwen JSON 仅依赖规则拼接，难以稳定产出纯视觉 scene 与全书一致的角色 prompt；阅读页「重试本页插图」 无 loading、成功后图片不刷新，甚至伴随后端 500，严重劝退演示。

2.2 方案设计

在保留第四篇三层架构前提下，于「LLM 剧本」与「Qwen 出图」之间 显式插入第二个文本 LLM 阶段：

用户创作参数
    ↓
【LLM 1】generation.py              scripting：分镜 + 朗读正文
    ↓
【LLM 2】image_prompt_generation.py  storyboarding：出图固定 JSON
    ↓
【Qwen】ImageGenerator               imaging：PNG + VL 重试

job_orchestrator.py 三阶段与前端进度文案对齐：scripting → storyboarding（「正在生成分镜提示词…」）→ imaging（「正在绘制绘本插图…」）。单页重绘 retry-image 走同一 storyboarding + imaging 路径，仅重跑目标页。

2.3 关键实现

  • 出图 Prompt 编剧 Agent：新建 ImagePromptGenerationService，输入 仅分镜 JSON（scene、character_action、chapter_title），刻意不传 page.text；输出 ImagePagePromptLLM（纯视觉 scene、illustration_style、negative_prompt、characters[]）。seed_base、角色 id、VL 阈值等 系统字段由 _finalize_payloads 注入，LLM 只负责「画什么」。
  • Agent 优先、规则兜底：build_page_payloads_with_agent 失败时自动 build_page_payloads_rule_based；规则层改为 scene/character_action 来源分镜字段，首页才附加故事世界与年龄标签，避免每页重复占满 800 字；画风与前端 art_style 对齐，负面词抑制对话框、字幕、路人。
  • 工程收敛：对外统一 build_page_payloads_from_story、render_story_images、render_story_images_for_story 三入口；ImageProvider 集中 DashScope Key 与模型名判断。
  • 重绘 UX：后端 POST .../pages/{n}/retry-image 读取创作参数快照；前端 effectiveStoryId() 从 localStorage 补全 id，按钮「重绘中…」+ 图片 URL ?t= 缓存破除。

2.4 问题与取舍

问题 处理思路
旁白文本污染画面 出图 Agent 输入隔离 page.text，scene 禁止对白
Agent JSON 漂移 低温 0.4 + _validate_page_payload，不合格整路 fallback
同步 imaging 耗时长 保持 Job 阶段机，imaging 独立超时；后续可完全异步化
第三篇 Qwen 核心稳定性 不改 VL 打分与 generator 内核，只改 prompt 来源

2.5 成果与总结

链路从「故事 LLM 写分镜 → 规则拼字符串 → Qwen」升级为 「故事 LLM → 出图 LLM → Qwen（规则兜底）」，分镜与画面描述职责分离，演示时 storyboarding 阶段可见、可解释。阅读页重绘从「点了没反应」变为 可感知、可刷新 的闭环。为下一篇 出图 RAG 语料建设 预留了稳定的 JSON 契约入口。

三、黄子祺：英文童话 RAG 语料离线流水线

3.1 工作背景

第六篇后端将把 reference_material 注入 LangChain 编剧模板，但运行时检索依赖 离线、可版本管理、字段稳定 的语料文件。若仍停留在散落 txt 或临时拼接字符串，则无法 diff、无法重建、也难以在答辩中解释「知识从哪来」。

3.2 方案设计

坚持 「先 jsonl 立住单一事实来源，再谈向量库」：第一版不绑定 embedding 服务，生成侧仅读 data_root()/knowledge/corpus.jsonl。语料为 英文正文（language: en），与前端 zh-CN 成稿 刻意分离，保留「英文参考、中文输出」的产品组合空间（检索桥接见第六篇）。

3.3 关键实现

  • 目录与字段：输入 fairy_tales/{n}.txt；输出每行一条 JSON，对齐 Pydantic KnowledgeRecord：id、title、theme_tags、body、source、language。
  • 标题与标签（无 LLM）：title 取首行非空文本；theme_tags 在 english/fairy_tale/folk_story 基底上，用正则从标题抽取 ≥4 字母英文词，去重封顶。
  • 构建脚本：scripts/build_knowledge_corpus_en.py 按编号区间扫描，缺失文件 [skip]，normalize_body 压缩空行；id=ft_en_{n:04d} 与 source=fairy_tales/{n}.txt 保持可追溯；全量重建覆盖写 jsonl。
  • 运行时路径：DATA_DIR 相对 backend，lifespan 确保 knowledge/ 存在；语料文件名经 settings.rag_corpus_filename 可配置。

3.4 问题与取舍

问题 解决方案
中文 txt 误入英文流水线 tags 弱依赖英文词形；第六篇用 hint / 后续中文库分流
缺号 txt 跳过并统计 missing，补齐源文件后重跑即可
大文件是否入库 语料 gitignore，队友本地 build_knowledge_corpus_en.py 重建
语义检索缺失 第一版接受关键词命中 + fallback，换实现不破坏 generation 契约

3.5 成果与总结

团队拥有 可重复执行的语料工厂：从 fairy_tales 到 corpus.jsonl 命令一行、字段与加载器对齐。价值不在「立刻更聪明」，而在 路径、字段、重建命令与 source 可追溯——没有这一层，RAG 只能是 demo 级字符串拼接。

四、黄荣涵：视觉焕新、手绘图标与家长端治理落地

4.1 工作背景

前期静态站功能与后端接口逐步对齐，但 纯色底 + Emoji 图标 + 系统字体 与「面向家庭的暖色绘本工坊」定位差距明显；完成页仍混杂家长设置，绘本库与家长能力缺少独立承载；同时前端推进家长中心时，暴露 users 表字段、角色命名与配额策略 与 UI 不同步的问题。

4.2 方案设计

引入 Frontend Design 协作，确立「温暖、可信、童趣但不幼稚、像实体绘本封面」方向；建立 CSS 设计变量 + 手绘 SVG 图标体系 + 分页面信息架构重组；家长能力 从完成页剥离至 parent.html，并与 RBAC、SQLite 用户模型联动。

4.3 关键实现

  • 视觉体系：主色陶土橙 #c4704a、纸色底 #fbf6ee、衬线标题 + 楷体正文；大圆角与暖色阴影；.bg-soft 多层径向渐变 + SVG 纸纹；按钮 primary/ghost 分级与 fade-up、gentle-float 动效。
  • 手绘图标：参考 Doodle Icons，脚本批量生成 27 个 SVG，替换场景/角色/功能 Emoji，覆盖 forest、lion、book、share、pdf 等，统一「绘本感」。
  • 页面改造：首页导航补家长中心、示例绘本 4.5s 轮播；完成页简化为徽章—封面—摘要—主操作（阅读/分享/PDF）—底部导航；新增 parent.html 三块卡片（使用时长、内容过滤、分享与隐私）；绘本库顶栏与书架筛选器样式统一。
  • 数据与权限：users 表完善 user_id、role、parent_user_id 等；editor 更名为 child，ROLE_ALIASES 兼容旧 token；家长权限扩展至家庭设置、孩子账号与绘本治理；count_jobs_today + assert_child_job_create_allowed 按家长 每日分钟上限 换算创作次数；登录页支持多角色演示入口。

4.4 问题与解决方案

问题 解决方案
视觉与产品定位不符 设计 token + 图标资产化，全站复用
家长能力挤在完成页 独立 parent.html，完成页只保留 celebratory 流程
前端有页、库无表 同步 users/RBAC/配额与 job 统计
旧 editor token 别名映射到 child，平滑迁移

4.5 成果与总结

产品从「能用的静态多页」升级为 有统一视觉语言与家庭治理入口 的演示形态；后端权限与配额不再滞后于 UI。为后续 全站顶栏统一、分享策略与家长开关联动 提供了页面与数据基础。

五、李冰川：绘本库续读、ZIP 交付与答辩自检

5.1 工作背景

第四篇已建立书架分类与草稿接口雏形，但 阅读总是从第 1 页开始、Workflow 深度模式作品 owner 为空导致书库不可见、答辩缺少 「是否有真图、能否打包下载」 的一眼自检，仍影响验收与日常演示。

5.2 方案设计

在「输入 → 生成 → 展示 → 回流」主路径上补齐 进度记忆、草稿双保险、用户绑定、导出与文档化样例 四条短线，使绘本库真正成为 可持续创作中台 而非静态列表。

5.3 关键实现

  • 阅读进度：GET/PATCH .../stories/{id}/meta 读写 last_page_index 与书架；阅读页加载后 自动跳转上次页码；列表展示「读到第 N 页」。
  • 草稿续作：GET .../draft-source 返回创作快照；书库「创作中」继续编辑 → create.html?from_story= 回填；localStorage 自动草稿（storybook.createDraft:*）与「已保存于 HH:MM:SS」提示，生成成功清理。
  • Workflow 绑定用户：WorkflowJob.owner_username 入库；POST /workflows/submit-theme 鉴权传入当前用户，与一键 Job 行为一致。
  • 答辩交付：GET /health/capabilities 自检 LLM/出图/RAG/鉴权；GET .../assets-status 统计本书插图就绪页数；zip_export.py + POST .../export-zip 打包 story.json、分镜、分页 txt 与 PNG；完成页 ZIP 下载 + 插图状态 N/M；docs/demo-samples.md 与 demo payload JSON。

5.4 问题与解决方案

问题 解决方案
续读体验断裂 meta 读 + 阅读页恢复页码
深度模式书库缺失 Workflow owner 绑定
草稿易丢 服务端快照 + localStorage 双保险
答辩不知有没有图 assets-status + capabilities
仅有 PDF、缺素材包 ZIP 含文本+分镜+图片

5.5 成果与总结

用户侧形成 「分类浏览 → 续读 → 草稿再编辑 → 完成打包」 闭环；团队侧形成 「Capabilities 自检 → 样例 payload → 导出物」 答辩工具链，降低现场「生成了但不知道有没有图」的风险。

六、团队共识与总结

本阶段（第 13 周），AI 童话绘本生成器团队在 生成精度、知识地基、体验与治理、交付可验 上取得同步进展：

  1. 出图链路分层清晰：故事 LLM 负责叙事与朗读文本，出图 LLM 负责 Qwen JSON，图像核心负责执行与 VL 一致性；规则层是兜底而非主路径。
  2. RAG 先数据后智能：英文 corpus.jsonl 流水线确立字段与重建命令，检索与 prompt 注入（第六篇）有了稳定输入，而非临时拼串。
  3. 产品形态可感知：暖色绘本视觉、手绘图标与家长中心独立页，使「家庭场景」从文案变为界面与权限结构。

下一阶段计划： 推进 出图 RAG 语料与 harvest 闭环、中文童话语料与 jieba 检索、全站导航统一与创作进度 UI 增强、RAG 开/关对比实验与样例绘本固化；并在 Job 编排下继续细化 imaging 阶段可观测性与异步化 方案。

团队成员个人博客

成员 主题 链接
黄子祺 RAG 知识库：从 fairy_tales 到 corpus.jsonl https://blog.csdn.net/2301_80232378/article/details/160856517
蒋宇宸 出图 Prompt 双 LLM 与重绘体验 https://blog.csdn.net/yu_chen_xiang/article/details/161753915
黄荣涵 前端视觉焕新与家长端治理 https://blog.csdn.net/2503_94171936/article/details/162014056
李冰川 绘本库续读、ZIP 导出与答辩自检 https://blog.csdn.net/2403_82681167/article/details/161902783
# 人工智能
Logo
AI Agent技术社区

Agent 垂直技术社区，欢迎活跃、内容共建。

更多推荐

cover

AI Loop：别再写 Prompt 了，去设计循环吧

avatar AI Agent技术社区

2026最新AI聚合横向测评：Claude、DeepSeek等国内外多模型对比与国内AI工具落地选型参考

2026年的AI聚合平台市场已从早期的“模型超市”阶段，演进到比拼企业级服务深度与生态整合能力的“生产级枢纽”阶段。对于开发者与企业而言，选择平台不再仅仅关注模型数量，更需要综合考量稳定性、协议兼容性、成本透明度和管理能力。本次横评显示，非线智能API在模型真实性、企业级SLA、多协议原生兼容以及精细化管理方面表现突出，尤其适合将AI能力深度集成到核心业务流中的企业。硅基流动则在国产模型推理优化上

avatar AI Agent技术社区
cover

Grok 4.3 辅助接口需求拆解：从 PRD 到测试用例的一套实践流程

avatar AI Agent技术社区