| name | scipop-comic-xinghe |
| description | 科普连环画自动生成工具 - 基于百度星河社区 API 的三阶段闭环创作系统。
TRIGGER when: 用户想要将科普文章/科学内容转化为连环画、漫画、视觉叙事；
用户提到"连环画"、"科普漫画"、"可视化科普"、"科学故事画"；
用户有科普内容需要视觉化呈现；用户提到"星河API"或"Ernie-image"生图。
不要触发: 用户只是想生成单张图片（非连环画）、用户要处理非科普类内容。
|
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
| 项目 | 要求 |
|---|
| API Key | 星河社区 API Key，环境变量 AISTUDIO_API_KEY |
| API 端点 | https://aistudio.baidu.com/llm/lmapi/v3/chat/completions |
| 分析模型 | ernie-5.0-thinking-preview（原生全模态大模型） |
| 生图模型 | ernie-image-turbo（图像生成 API） |
配置验证
export AISTUDIO_API_KEY="your-key"
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
| Panel数 | 适用场景 |
|---|
| 4 | 内容简洁，结构清晰，有明确的起承转合 |
| 5 | 内容适中，需要一个过渡或高潮格 |
| 6 | 内容丰富，知识点多，需要完整叙事链 |
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}
| 主题类型 | 推荐风格种子 |
|---|
| 天文/物理 | 扁平插画风格，深邃太空蓝配色，清晰轮廓，科学严谨氛围 |
| 生物/医学 | 可爱卡通风，柔和粉彩配色，圆润造型，温馨友好 |
| 环境/生态 | 水彩手绘风，清新自然色调，柔和笔触，生态感 |
| 科技/AI | 赛博朋克风格，霓虹光效，高科技质感，未来感 |
| 科学史 | 复古连环画风，怀旧暖色调，经典漫画风格 |
步骤:
- 接收用户提供的科普文章全文
- 调用
ernie-5.0-thinking-preview 进行解析
- 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
- 中文优先:
ernie-image-turbo 对中文 Prompt 效果最佳
- 结构化描述: 采用
主体 → 动作 → 环境 → 风格 的顺序
- 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 $AISTUDIO_API_KEY" \n -d '{
"model": "ernie-image-turbo",
"prompt": "【拼接后的完整Prompt】",
"n": 1,
"response_format": "b64_json",
"size": "1024x1024",
"use_pe": true,
"num_inference_steps": 8,
"guidance_scale": 1.0
}'
返回格式: 图像以 base64 编码返回。
{
"created": 1234567890,
"data": [{
"b64_json": "iVBORw0KGgoAAAANSUhEUgA..."
}]
}
保存图像:
echo "iVBORw0KGgoAAAANSUhEUgA..." | base64 -d > panel_01.png
Phase 2b: 多模态反馈迭代
若用户不满意，将图像 base64 + 用户反馈文字传入多模态模型获取改进建议。
常见问题改进策略（详见 references/ernie_image_prompt_guide.md）：
| 问题类型 | 改进策略 |
|---|
| 风格不一致 | 强化 style_seed 关键词，添加"保持风格统一"指令 |
| 细节缺失 | 添加具体细节描述，如"带有XX标识"、"背景显示XX" |
| 角色变形 | 添加"比例协调"、"人体结构正确"等约束 |
| 色彩偏差 | 明确色调描述，如"主色调为深蓝色" |
| 构图混乱 | 添加构图指令，如"居中构图"、"三分法构图" |
IMAGE_B64=$(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：
| Panel 数 | 推荐布局 | 说明 |
|---|
| 4 | 2×2 | 正方形，视觉均衡 |
| 5 | 2×3（空出右下角） | 横向阅读，留白收尾 |
| 6 | 2×3 | 标准竖向长图 |
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
| HTTP 状态码 | 含义 | 处理策略 |
|---|
401 | API Key 无效 | 检查 AISTUDIO_API_KEY |
402 | 余额不足 | 登录星河社区控制台充值 |
429 | 请求频繁 | 指数退避重试：1s → 4s → 16s，最多3次 |
5xx | 服务端错误 | 指数退避重试3次 |
执行检查清单
创建连环画时，按以下顺序执行：
- 环境检查: 确认
AISTUDIO_API_KEY 已设置
- Phase 1: 解析文章 → 确认 Panel 数量 → 保存
style_seed
- Phase 2: 逐个生成 Panel → 展示给用户 → 收集反馈 → 迭代优化
- Phase 3: 确认布局 → 构建全局 Prompt → 生成大图 → 可选迭代
- 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"))
