Scipop Comic Xinghe

SciPop Comic Orchestrator（科普连环画编排器）

基于百度星河社区 API 的自动化科普连环画生成工具，实现多模态解析 × 单 Panel 精修 × N×N 全局合成的三阶段闭环创作。

环境配置

📖 详细 API 文档参见 references/api_reference.md

必需条件

配置验证

# 设置 API Key
export AISTUDIO_API_KEY="your-key"

# 验证连通性
curl -s https://aistudio.baidu.com/llm/lmapi/v3/chat/completions \n  -H "Content-Type: application/json" \n  -H "Authorization: Bearer $AISTUDIO_API_KEY" \n  -d '{"model": "ernie-5.0-thinking-preview", "messages": [{"role": "user", "content": "ping"}], "stream": true, "max_completion_tokens": 100}'

参考文档

工作流程

Phase 1: 文章解析与 Prompt 建模

目标: 将科普文章拆解为 4-6 个视觉场景，生成风格一致的图像 Prompt。

📖 详细规范参见 references/article_analysis_prompts.md

提示词结构规范

系统提示词模板:

你是一位科普连环画脚本编写专家。分析文章并根据内容的丰富程度和结构确定最合适的 Panel 数量（4-6个）。输出一个 JSON 对象，包含四个字段："recommended_panels"（整数，4-6），"recommendation_reason"（一句话中文解释为什么这个 Panel 数量适合该文章），"style_seed"（简短的中文风格描述，在所有 Panel 中复用），"panels"（与推荐数量匹配的对象数组，每个对象包含 "id"、"scene" 中文场景描述、"image_prompt" 中文图像生成提示）。仅输出原始 JSON，不要使用 markdown 代码块。

image_prompt 撰写规范（详见 references/ernie_image_prompt_guide.md）：

{主体特征}，{动作姿态}，{环境背景}，{细节元素}，{风格关键词}，{质量标签}

示例：

一位戴眼镜的女科学家，穿着白色实验服，正激动地指着屏幕，现代实验室背景有显微镜和电脑，屏幕上显示橙红色的黑洞光环图像，扁平插画风格，清晰轮廓，科学配色，高质量，连环画

Panel 数量决策规则

风格种子设计规范

📖 详细规范参见 references/style_guide.md

格式: {画风}，{色调}，{线条/质感}，{氛围}

步骤:

1. 接收用户提供的科普文章全文
2. 调用 ernie-5.0-thinking-preview 进行解析
3. 向用户展示推荐的 Panel 数量及理由，获取确认

API 调用模板:

curl -s https://aistudio.baidu.com/llm/lmapi/v3/chat/completions \n  -H "Content-Type: application/json" \n  -H "Authorization: Bearer $AISTUDIO_API_KEY" \n  -d '{
    "model": "ernie-5.0-thinking-preview",
    "messages": [
      {
        "role": "system",
        "content": "你是一位科普连环画脚本编写专家。分析文章并根据内容的丰富程度和结构确定最合适的 Panel 数量（4-6个）。输出一个 JSON 对象，包含四个字段："recommended_panels"（整数，4-6），"recommendation_reason"（一句话中文解释为什么这个 Panel 数量适合该文章），"style_seed"（简短的中文风格描述，在所有 Panel 中复用），"panels"（与推荐数量匹配的对象数组，每个对象包含 "id"、"scene" 中文场景描述、"image_prompt" 中文图像生成提示）。仅输出原始 JSON，不要使用 markdown 代码块。"
      },
      {
        "role": "user",
        "content": "【科普文章全文】"
      }
    ],
    "stream": true,
    "response_format": {"type": "json_object"},
    "max_completion_tokens": 65536
  }'

返回结构:

{
  "recommended_panels": 5,
  "recommendation_reason": "文章涵盖五个层次，5格可完整呈现叙事弧线。",
  "style_seed": "扁平插画风格，柔和粉彩配色，清晰轮廓，2D矢量艺术",
  "panels": [
    {
      "id": 1,
      "scene": "场景描述",
      "image_prompt": "中文图像生成提示，描述画面内容、风格、构图等"
    }
  ]
}

用户确认: 展示 recommended_panels 与 recommendation_reason，询问用户是否采用。若不同意，询问期望数量（4-6），调整 panels 数组。

Phase 2: 单 Panel 图像生成与迭代

目标: 为每个 Panel 生成图像，支持用户反馈迭代优化。

📖 详细规范参见 references/ernie_image_prompt_guide.md

提示词撰写核心原则

1. 中文优先: ernie-image-turbo 对中文 Prompt 效果最佳
2. 结构化描述: 采用 主体 → 动作 → 环境 → 风格 的顺序
3. 具体胜于抽象: 明确描述细节，避免模糊表述

Phase 2a: 图像生成

关键规则: 将 style_seed 追加到每个 image_prompt 末尾，保证风格一致。

{panel_image_prompt}，{style_seed}，高质量，连环画

提示词长度建议: 单 Panel 以 80-150 中文字符为宜

API 调用模板:

📖 详细 API 参数参见 references/api_reference.md

curl -s https://aistudio.baidu.com/llm/lmapi/v3/images/generations \n  -H "Content-Type: application/json" \n  -H "Authorization: Bearer $AISTUDIO_API_KEY" \n  -d '{
    "model": "ernie-image-turbo",
    "prompt": "【拼接后的完整Prompt】",
    "n": 1,
    "response_format": "b64_json",
    "size": "1024x1024",
    "use_pe": true,
    "num_inference_steps": 8,
    "guidance_scale": 1.0
  }'

返回格式: 图像以 base64 编码返回。

{
  "created": 1234567890,
  "data": [{
    "b64_json": "iVBORw0KGgoAAAANSUhEUgA..."
  }]
}

保存图像:

# 从 JSON 提取 base64 并保存
echo "iVBORw0KGgoAAAANSUhEUgA..." | base64 -d > panel_01.png

Phase 2b: 多模态反馈迭代

若用户不满意，将图像 base64 + 用户反馈文字传入多模态模型获取改进建议。

常见问题改进策略（详见 references/ernie_image_prompt_guide.md）：

IMAGE_B64=$(base64 -i panel_01.png | tr -d '\n')

curl -s https://aistudio.baidu.com/llm/lmapi/v3/chat/completions \n  -H "Content-Type: application/json" \n  -H "Authorization: Bearer $AISTUDIO_API_KEY" \n  -d "{
    "model": "ernie-5.0-thinking-preview",
    "messages": [{
      "role": "user",
      "content": [
        {"type": "image_url", "image_url": {"url": "data:image/png;base64,${IMAGE_B64}"}},
        {"type": "text", "text": "用户反馈：【用户反馈】\n\n分析图像与反馈之间的差距，仅返回改进后的中文图像生成提示，不需要解释，不要使用 markdown。"}
      ]
    }],
    "stream": true,
    "max_completion_tokens": 65536
  }"

迭代循环: 用改进后的 Prompt 重新执行 Phase 2a，直至用户满意。

Phase 3: N×N 全局合成

目标: 将所有 Panel 合成为一张完整连环画长图。

📖 详细规范参见 references/style_guide.md

Phase 3a: 布局确认

根据 Panel 数量推荐布局：

阅读顺序: 中文连环画采用从左到右、从上到下的阅读顺序。

向用户展示推荐布局，获取确认或自定义布局。

布局合法性: 行数 × 列数 ≥ Panel数

Phase 3b: 全局 Prompt 构建

提示词长度建议: 全局合成以 200-400 中文字符为宜。

{grid} 格连环画，共 {num_panels} 格，{style_seed}，
每格之间用粗黑边框清晰分隔，按阅读顺序排列：
第1格：{panel_1_image_prompt}
第2格：{panel_2_image_prompt}
...
第N格：{panel_N_image_prompt}

若有空余格，末尾追加"剩余格子留白"。

Phase 3c: 大图生成

curl -s https://aistudio.baidu.com/llm/lmapi/v3/images/generations \n  -H "Content-Type: application/json" \n  -H "Authorization: Bearer $AISTUDIO_API_KEY" \n  -d '{
    "model": "ernie-image-turbo",
    "prompt": "【全局Prompt】",
    "n": 1,
    "response_format": "b64_json",
    "size": "2048x2048",
    "use_pe": true,
    "num_inference_steps": 8,
    "guidance_scale": 1.0
  }'

Phase 3d: 大图反馈迭代（可选）

若用户对大图有整体调整意见，使用多模态反馈路径重新生成。

Style Seed 一致性机制

style_seed 由 Phase 1 生成，在后续所有调用中保持原文不变：

{panel_image_prompt}，{style_seed}，高质量，连环画

Phase 3 全局合成时，style_seed 置于 Prompt 首部强调，防止风格漂移。

错误处理

执行检查清单

创建连环画时，按以下顺序执行：

1. 环境检查: 确认 AISTUDIO_API_KEY 已设置
2. Phase 1: 解析文章 → 确认 Panel 数量 → 保存 style_seed
3. Phase 2: 逐个生成 Panel → 展示给用户 → 收集反馈 → 迭代优化
4. Phase 3: 确认布局 → 构建全局 Prompt → 生成大图 → 可选迭代
5. 交付: 保存所有 Panel 图像及最终大图

常见问题

Q: 多张图像风格不统一？ 检查每次调用是否将 style_seed 原文追加至 Prompt 末尾。

Q: 支持中文 Prompt？ ernie-image-turbo 对中文 Prompt 效果最佳。

Q: base64 在 Windows 处理？ PowerShell: [Convert]::ToBase64String([IO.File]::ReadAllBytes("panel_01.png"))