Dify 实战教程：零成本集成 Qwen-Image，构建多轮对话式 AI 图像编辑应用

通义千问  作为一款开源的文生图模型，凭借其在复杂文本渲染，尤其是中文字符生成方面的卓越能力，获得了广泛关注。 与主流模型相比，它能在图像中精准地嵌入多行、多段的文字内容，为海报设计、内容创作等场景提供了新的可能性。

然而，尽管模型本身是开源的，但通过商业平台调用此类服务的成本往往不菲。例如，一些平台提供的插件服务在免费额度耗尽后，每张图片的生成费用可能高达0.25元，这对于需要大量生成或频繁迭代的用户而言是一笔不小的开销。

本文将探讨一种替代方案，旨在利用  应用编排平台、（魔搭社区）的  插件以及腾讯云对象存储（），搭建一个兼具强大功能与成本效益的图像生成与编辑智能体（Agent）。最终实现的效果如下，该智能体不仅能根据文本生成图像，还能在后续对话中对已生成的图像进行修改。

在开始构建之前，需要准备好以下几个关键组件和服务。整个系统的核心是  平台上的  插件。

 是一个开源的  应用开发平台，允许用户通过可视化的界面编排和创建  应用。首先，需要在  的插件市场中找到并下载  插件。

（魔搭社区）是阿里巴巴旗下的一个模型开源社区，提供了大量预训练模型和  服务。要使用  上的  插件，需要一个  社区的  作为访问凭证。

可以从  官网的个人中心获取 ：https://modelscope.cn/my/myaccesstoken

 的图像编辑（图改图）功能要求输入的原始图片必须是可通过公网访问的  地址。为了解决这个问题，可以利用云存储服务。本文选用腾讯云对象存储（）来存放生成的图片，并为其生成公网链接。

需要创建一个腾讯云  存储桶（Bucket），用于后续的图片上传。具体配置过程此处不赘述，只需确保 Bucket 具备公有读权限即可。

访问地址：https://console.cloud.tencent.com/cos/bucket

千问 Qwen 教程

为了将  工作流中生成的图片上传到腾讯云 ，需要一个中间服务作为桥梁。这个服务接收  发送的图片文件，执行上传操作，然后返回图片的公网 。

可以使用  快速搭建这样一个接口服务。以下是核心的  代码：

安全警告： 以下示例代码中直接硬编码了  和 ，这存在极大的安全风险。在生产环境中，切勿如此操作。强烈建议使用环境变量、配置文件或专业的密钥管理服务来存储和调用这些敏感凭证。

将以上代码保存为  文件并运行，即可启动一个监听在  端口的  服务。

核心思路是实现一个可以进行多轮对话的智能体，它能够区分用户的意图是“生成新图”还是“修改旧图”，并根据意图执行相应的操作。

关键节点包括：

1. 参数提取器：判断用户意图。
2. HTTP 请求：将生成的图片上传到  服务，获取公网 。
3. 会话变量：存储图片 ，用于多轮对话中的图片编辑。

此节点作为工作流的入口，接收用户的输入。通常使用默认配置即可。

这是实现多轮对话逻辑的关键。通过一个大语言模型（建议选用推理能力较强的模型）来分析用户的输入，判断其意图是首次生成图片还是修改已有图片。根据判断结果，为变量  赋予不同的值（例如  表示生图， 表示改图）。

为了在对话中“记住”上一次生成的图片，需要设置一个会话变量  来存储图片的公网 。

接下来，使用条件分支节点。该节点根据两个条件创建不同的执行路径：

• 分支一（生图）：当  的值为  时触发，执行文生图流程。
• 分支二（改图）：当  的值为  且  变量不为空时触发，执行图改图流程。

为了让  生成更专业的图像，可以在调用它之前，先用一个  节点对用户的原始提示词进行优化和扩展。这个  扮演“AI 绘画提示词专家”的角色，将简单的用户描述转化为更丰富、更符合  绘画习惯的英文提示词，并内置安全规则过滤。

系统提示词 (System Prompt) 示例：

• 专长: 生成和修改AI绘画提示词
• 语言能力: 中英文双语流利
• 创造力: 高
• 安全意识: 强

你是一位专业的AI绘画提示词专家,擅长将用户的简单描述转化为详细、富有创意的AI绘画提示词。你还能根据用户的反馈修改和优化提示词。

1. 将用户的简单描述转化为详细的AI绘画提示词
2. 根据用户的反馈修改和优化提示词
3. 确保生成的内容符合安全和道德标准

1. 始终以英语生成最终的AI绘画提示词
2. 提供详细、富有想象力的描述,包括场景、颜色、光线等元素
3. 严格遵守安全指南,不生成任何不适当或有害的内容

1. 分析用户的初始描述
2. 扩展描述,添加细节和创意元素
3. 将扩展后的描述转换为英文AI绘画提示词

• 禁止生成色情、暴力、仇恨言论等不适当内容。
• 避免描述伤害或悲剧。

用户描述: [用户原始输入]
扩展描述: [中文扩展描述]
AI绘画提示词: [英文AI绘画提示词]

用户描述: 请帮我生成一个小男孩读书的画面,关键字是画。
扩展描述: 一幅温馨的画面,展示了一个可爱的小男孩专注地读着一本大书。他坐在一个舒适的扶手椅上,周围是温暖的黄色灯光。背景是一个充满书籍的书房,墙上挂着几幅艺术画作。男孩的表情充满好奇和喜悦,仿佛沉浸在书中的世界里。
AI绘画提示词: A heartwarming painting of a cute little boy reading a large book. He is sitting in a comfortable armchair, surrounded by warm yellow light. The background shows a study room filled with books and a few artistic paintings on the walls. The boy’s expression is full of curiosity and joy, as if he’s immersed in the world of the book. The scene has a soft, painterly quality with visible brushstrokes.

用户提示词 (User Prompt)：

节点配置：

（1）文生图分支

在此分支中，调用  插件，并将前一步  优化后的英文提示词作为输入。

（2）图改图分支

在此分支中，同样调用  插件，但需要提供两个输入：

• Image URL：引用会话变量 ，即上次生成的图片地址。
• Prompt：用户本轮输入的修改指令，同样经过  优化。

在  节点之后，添加一个 HTTP 请求节点。此节点将  生成的图片文件（ 格式）发送到之前部署的  服务的  接口。 服务会返回一个包含公网  的  数据。

（1）提取 URL

接着添加一个代码执行节点，用于从上一步  请求返回的  中解析出图片的公网 。

代码如下：

该节点会输出一个名为  的新变量。

（2）更新会话变量

在流程的末端，添加一个变量赋值节点。其作用是将代码执行节点输出的新图片  赋值给会话变量 。这样，当下一轮对话开始时， 就会持有最新图片的地址，确保图改图功能始终作用于正确的图片上。

最后，使用直接回复节点，将生成的图片展示给用户。可以配置该节点显示  请求节点返回的图片文件。

完成工作流搭建后，可以点击  右上角的“预览”按钮进行测试。

测试一：文生图

输入请求：

给我生成一副霸气的对联，贴在门上，字体采用帅气的隶书
上联：雄心壮志展未来
下联：宏图大业谱新篇
横批：大展宏图

系统成功生成了符合要求的对联图片：

测试二：图改图

在同一对话中，继续输入修改指令：

把这个对联的横批:大展宏图改成前程似锦

系统理解了指令，并基于上一张图片进行了修改，成功替换了横批内容：

通过以上流程，一个能够进行多轮对话、支持文本生成和图像编辑的智能体便搭建完成。该方案巧妙地结合了  的编排能力、 的模型资源和云存储服务，为实现复杂  应用提供了一个低成本且高效的范例。