yuyuanweb/ai-picture-editor

一句话总结

这是一个教学型全栈项目：用户输入一句自然语言（如“把背景换成海滩”），AI 会自动规划修图步骤，调用 21 种内置编辑工具完成专业级修图——从生成图片到抠图、调色、局部编辑、图层拆分全部自动完成。

它解决了什么问题

传统修图软件需要用户手动找按钮、调参数。这个项目让你只说一句话就能完成复杂修图操作，由 AI Agent（智能体）负责理解意图、规划步骤、调用工具执行，最后在画布上实时展示结果。

核心能力（8 大模块）

1. AI 文生图——输入提示词，生成四张候选图（四宫格展示），生成进度通过 SSE 实时推送。

2. 专业级画布编辑器——基于 react-konva，支持缩放、平移、图层管理、撤销重做、修图前后对比滑杆。

3. 自然语言驱动修图——核心功能：AI 分析用户指令，自动规划步骤并执行工具。

4. 21 种编辑工具——包括一键抠图（rembg）、11 种调色参数（亮度/对比度/饱和度/色温等）、裁剪/翻转/缩放/旋转/移动、AI 换背景、AI 扩图、超分辨率放大。UI 按钮和 AI Agent 共用同一套工具注册表。

5. 智能区域选择——集成 SAM（Segment Anything Model）点选能力，点一下选中任意物体；也支持笔刷涂抹模式。首次点击计算 embedding，后续点击只跑 decoder，响应毫秒级。

6. 局部精细编辑——基于选区做局部消除（AI inpaint 抹掉并自动补背景）和局部替换（用提示词描述换成什么，只改选区）。

7. 图层拆分和独立操作——按语义拆成主体层+背景层，可选 OCR 文字层；每层可独立缩放/调色/移动。也支持点选任意物体提升为独立图层，背景自动修复。图层数据用 JSONB 持久化。

8. 多步计划与人机协作——复杂需求时 AI 输出结构化 JSON 计划（含依赖关系），服务端做工具存在性校验、参数合法性检查、依赖补全和环检测，按拓扑排序执行。用户可在计划卡片上确认执行、单步重试或取消后续。

技术架构

• 前端：React 19 + Konva（Canvas 引擎），单页应用
• 后端：Python FastAPI，分层（路由层/业务服务层/数据访问层）
• AI 部分：LangChain 接入规划模型和绑定工具签名；LangGraph 负责 Agent 计划编排；ToolRegistry 统一管理所有编辑工具
• 异步任务：耗时任务（生图、抠图、扩图）通过 ARQ 异步队列交给独立 Worker 执行，结果经 Redis Pub/Sub + SSE 实时推送前端
• 数据存储：PostgreSQL（业务数据）、Redis（缓存和消息）、MinIO（图片资源）

运行方式

需要 Docker、Python 3.13、Node.js 18+。启动中间件 → 后端（uvicorn + ARQ Worker）→ 前端（npm run dev）。AI 服务可选阿里云百炼 API Key（mock 模式可免费跑通全流程）。测试通过 mock 隔离大模型调用，不消耗 API 额度。部署用 Docker 多阶段构建 + compose profile。

重点注意

这是一个付费教学项目，README 明确说明配套完整文字教程、简历写法、面试题解和答疑服务，需加入“编程导航”会员才能获取完整教程资料。核心价值在于学习 AI Agent 全栈开发方法（通用方法论），而非仅仅是代码本身。