当前位置： 首页 > news >正文

基于Ollama与Stable Diffusion的Discord AI机器人本地部署指南

news 2026/5/13 0:24:42

1. 项目概述：一个能聊能画的Discord AI机器人

最近在折腾一个挺有意思的玩意儿：一个部署在自己电脑上的Discord机器人，它不仅能像ChatGPT一样跟你聊天，还能根据你的描述生成图片。这个项目的核心，是把两个当下很火的开源项目——Ollama（本地大语言模型运行工具）和Stable Diffusion WebUI（著名的AI绘画工具）——给“粘”到了一起，通过一个Discord机器人作为统一的交互界面。

想象一下，在你的游戏开黑群或者技术讨论群里，@一下这个机器人，它就能回答你的技术问题、帮你写段代码，或者根据你天马行空的想法“画”出一张图来。所有计算都在你自己的机器上完成，数据不出本地，既满足了隐私需求，又玩出了新花样。这个项目最初由 mekb-turtle 发起，现在社区还在持续维护，甚至正在用 TypeScript 进行重写以提升代码质量。对于想深入理解AI应用集成、Node.js后端开发，或者单纯想拥有一个私人AI助手的开发者来说，这是个绝佳的练手项目。

2. 核心组件与工具选型解析

在动手之前，我们得先搞清楚这个机器人是靠哪些“积木”搭起来的。每一块积木的选择，都直接关系到最终系统的能力、性能和部署复杂度。

2.1 大脑与画笔：Ollama 与 Stable Diffusion

这个机器人的“智力”和“艺术细胞”分别来源于两个独立的AI模型后端。

Ollama：本地大语言模型的“懒人包”Ollama 解决了一个核心痛点：如何让普通人也能在个人电脑上轻松运行各种大型语言模型（如 LLaMA 2、Mistral、Orca 等）。它通过容器化技术，将模型文件、运行环境、必要的参数优化打包在一起。你只需要一句ollama pull llama2就能下载模型，一句ollama run llama2就能开始对话，无需关心复杂的Python环境、CUDA版本冲突或者显存优化。对于我们这个Discord机器人项目，Ollama 提供了干净的HTTP API（默认在http://localhost:11434），我们的机器人代码只需要向这个地址发送一个包含用户消息的POST请求，就能拿到模型生成的回复，极大地简化了集成工作。

注意：Ollama 拉取的模型默认是未经过指令微调的“基础模型”。虽然能生成文本，但在对话连贯性、遵循指令方面可能不如ChatGPT。推荐使用orca（一个基于LLaMA微调的指令遵循模型）或llama2:7b-chat这类对话专用模型，体验会好很多。

Stable Diffusion WebUI：功能最全的AI绘画前端AUTOMATIC1111 的 Stable Diffusion WebUI 几乎是玩AI绘画的标配。它本身是一个功能极其强大的Web图形界面。我们看中的是它的--api启动参数。开启后，WebUI会启动一套完整的RESTful API，允许外部程序发送文本描述（prompt），并接收生成好的图片。我们的Discord机器人就可以把用户说的“画一只戴着礼帽的猫”这样的消息，转发给WebUI的API，拿到图片后再传回Discord频道。选择它而不是其他SD封装，是因为其API稳定、功能支持最全面（包括各种采样器、模型切换、LoRA等），社区资源也最丰富。

2.2 交互中枢：Discord.js 与 Discord 开发者平台

机器人本身是用 Node.js 写的，核心通信库是Discord.js。这是一个成熟、文档完善的库，几乎封装了Discord官方API的所有功能。它采用事件驱动模型，例如，当监听到“有消息被创建”的事件时，我们的代码就会检查这条消息是否@了我们的机器人，然后触发相应的处理逻辑。

所有这一切的前提，是需要在Discord 开发者门户创建一个“应用程序”并将其转化为“机器人”。这个过程会生成一个至关重要的Bot Token，相当于机器人的密码。这里有几个关键设置直接影响机器人的能力：

  1. Message Content Intent（消息内容意图）：必须开启。2022年后，Discord为了隐私调整了政策，机器人默认无法读取消息全文。开启此意图，机器人才能看到用户发送的具体文字内容。
  2. Server Members Intent（服务器成员意图）：建议开启。这样机器人才能将消息中的用户ID（如<@123456789>）替换成实际的用户名，让对话更自然。否则，回复里可能是一串冰冷的数字。
  3. OAuth2 URL生成器：用于邀请机器人入群。需要勾选bot权限作用域，并在权限列表里至少勾选“发送消息”、“读取消息”、“查看频道”和“读取消息历史”。生成链接后，用浏览器打开，选择你的服务器即可邀请。

2.3 环境与部署：Node.js、Docker 与 Makefile

项目提供了两种部署方式：裸机运行和容器化运行，适应不同用户的需求。

基础方式：Node.js 环境直装这是最直接的方式，适合快速上手和在开发阶段进行调试。你需要安装Node.js（v14以上）和npm。项目的依赖（主要是discord.js、axios用于HTTP请求等）通过package.json定义，运行npm i即可安装。这种方式让你对进程有完全的控制权，可以方便地用console.log调试，或者使用nodemon实现代码热重载。

进阶方式：Docker 容器化部署项目提供了docker-compose.yml文件，这是生产环境更优雅的部署方式。Docker 将机器人应用及其运行环境（特定版本的Node.js、项目代码、依赖包）打包成一个独立的容器。它与宿主机环境隔离，避免了“在我机器上好好的”这类问题。通过docker-compose命令，可以一键启动所有定义的服务（虽然本项目目前主要是机器人本身，但可以方便地扩展，比如把Ollama也容器化并纳入编排）。

Makefile的存在则进一步简化了操作。对于不熟悉Docker命令的用户，只需要执行make compose-up，Make工具就会自动执行背后那条较长的docker compose -p discord-ai up命令。这体现了良好的开发者体验设计。

3. 详细配置与实操步骤拆解

纸上谈兵终觉浅，我们一步步把它跑起来。这里我会融合两种安装方式的细节，并补充原文档中一笔带过但实际容易踩坑的地方。

3.1 前期准备：模型与Discord机器人创建

在配置机器人代码之前，有两项准备工作必须提前完成，因为它们产生的信息是机器人运行的“燃料”。

第一步：启动并测试Ollama后端

  1. 前往 Ollama 官网下载并安装对应你操作系统的版本。
  2. 打开终端，拉取一个合适的模型。对于初次尝试，orca模型是个不错的平衡点，它对指令的理解较好，且体积相对适中。
    ollama pull orca
  3. 在一个独立的终端窗口，启动Ollama服务：
    ollama serve
    保持这个窗口运行。你可以打开浏览器，访问http://localhost:11434，如果看到Ollama的欢迎页面，说明服务启动成功。更专业的测试是用curl发一个API请求：
    curl http://localhost:11434/api/generate -d '{ "model": "orca", "prompt": "Hello, how are you?", "stream": false }'
    如果收到一段JSON格式的回复，里面包含生成的文本，那么Ollama部分就完全准备好了。

第二步：创建并配置Discord机器人

  1. 登录 Discord开发者门户 ，点击 “New Application”，给它起个名字，比如 “MyAIBot”。
  2. 进入应用后，左侧菜单点击 “Bot”。
    • 点击 “Add Bot”，确认。
    • 在 “TOKEN” 下方，点击 “Copy” 复制令牌。立即将其妥善保存（例如放入密码管理器），这个令牌只会显示这一次，丢失后需要重置。
    • 在 “Privileged Gateway Intents” 下，打开MESSAGE CONTENT INTENT和SERVER MEMBERS INTENT两个开关。
  3. 邀请机器人到你的服务器：
    • 左侧菜单点击 “OAuth2” -> “URL Generator”。
    • 在 “Scopes” 勾选bot。
    • 在 “Bot Permissions” 勾选：Send Messages,Read Messages/View Channels,Read Message History。如果希望机器人能上传图片（这是必须的），还需要勾选Attach Files。
    • 页面底部会生成一个URL，复制并在浏览器中打开。选择一个你有管理员权限的服务器，完成授权。

第三步：安装并配置Stable Diffusion WebUI（可选，如需画图功能）

  1. 按照 AUTOMATIC1111 的官方Wiki，克隆仓库并安装依赖（通常需要Python和Git）。
  2. 启动WebUI时，必须加上--api和--listen参数：
    ./webui.sh --api --listen
    --api是启用API接口，--listen允许非本地连接（这样Docker容器内的机器人才能访问到宿主机上的WebUI）。
  3. 启动后，你可以在浏览器通过http://你的本地IP:7860访问WebUI界面。API接口通常位于http://你的本地IP:7860/sdapi/v1/txt2img。

3.2 核心配置：环境变量文件详解

项目根目录下的.env.example文件是一个模板，你需要将其复制并重命名为.env，这是配置机器人行为的核心。

# .env 配置文件示例与详解 DISCORD_TOKEN=你的机器人令牌 OLLAMA_URL=http://host.docker.internal:11434,http://192.168.1.100:11434 MODEL=orca CHANNELS=123456789012345678,987654321098765432 SYSTEM_MESSAGE=You are a helpful assistant. Answer concisely. STABLE_DIFFUSION_URL=http://host.docker.internal:7860 ENABLE_IMAGE_GENERATION=true
  • DISCORD_TOKEN: 填入你第二步复制的那个令牌。
  • OLLAMA_URL: 这是最易出错的配置之一。
    • 如果你使用Docker部署机器人：在Docker容器内部，localhost指的是容器自己，而不是宿主机。因此，你需要用host.docker.internal这个特殊的主机名来指向宿主机（Windows/macOS的Docker Desktop支持）。如果Ollama也在另一个Docker容器中，则需要配置Docker网络并使用容器服务名。
    • 如果你裸机运行Node.js：直接使用http://localhost:11434即可。
    • 多Ollama实例：你可以用英文逗号分隔多个URL，机器人可能会按顺序尝试或负载均衡（具体取决于代码实现）。
  • MODEL: 必须与你在Ollama中拉取并运行的模型名称完全一致，例如orca,llama2:7b-chat。
  • CHANNELS: 你希望机器人在哪些频道响应。在Discord设置中开启“开发者模式”后，右键点击频道 -> “复制频道ID”。多个ID用逗号分隔。如果留空或注释掉，机器人可能会在所有频道响应（需代码支持）。
  • SYSTEM_MESSAGE: 系统提示词，用于设定机器人的角色和行为。例如，设置为“你是一个说话简洁的编程助手”，会让模型在回答技术问题时更倾向简短。设为空字符串可能禁用此功能。
  • STABLE_DIFFUSION_URL: 你的Stable Diffusion WebUI API地址。Docker部署时同样需要注意网络问题，使用host.docker.internal或宿主机IP。
  • ENABLE_IMAGE_GENERATION: 设置为true或false来控制是否启用画图功能。

3.3 启动与验证

方式一：使用Node.js直接运行

  1. 在项目根目录下安装依赖：npm install。如果遇到网络问题，可以尝试设置npm镜像源npm config set registry https://registry.npmmirror.com。
  2. 启动机器人：npm start。这通常会执行node index.js或node bot.js。
  3. 观察终端日志。成功的日志通常包括 “Logged in as [你的机器人名]!” 和 “Ready!”。
  4. 前往你设置了频道ID的Discord频道，@你的机器人并发送 “Hello”。你应该能收到来自Ollama模型的文字回复。
  5. （如果启用了画图）尝试发送 “画一张日式城堡的风景画”。机器人会回复一个“正在生成图片…”之类的提示，稍后会将图片作为附件发送。第一次生成可能较慢，因为WebUI需要加载模型。

方式二：使用Docker Compose运行

  1. 确保已安装Docker和Docker Compose。
  2. 在项目根目录（包含docker-compose.yml的目录）执行：
    docker-compose up -d
    -d参数表示在后台运行。
  3. 查看日志确认运行状态：
    docker-compose logs -f
  4. 验证方式同上，在Discord频道中测试聊天和画图功能。

实操心得：强烈建议在初次启动时，不要使用-d后台运行，而是直接运行docker-compose up，这样所有日志都会实时打印在终端，方便你第一时间看到连接错误、令牌无效、模型找不到等问题。

4. 代码逻辑与功能扩展探析

虽然项目提供了开箱即用的代码，但理解其核心逻辑能让你更好地调试和定制它。我们来看看这个机器人是如何工作的。

4.1 消息处理流程剖析

机器人的主循环大致遵循以下事件流：

  1. 登录与就绪：机器人使用DISCORD_TOKEN登录Discord网关。登录成功后，触发ready事件，打印上线信息。
  2. 监听消息：机器人监听messageCreate事件。每当Discord服务器中有新消息发出，这个事件就会被触发，事件对象中包含了完整的消息内容、发送者、频道等信息。
  3. 消息过滤：在事件处理函数中，首先进行一系列过滤：
    • 忽略机器人自己的消息：防止自问自答导致循环。
    • 检查频道白名单：如果CHANNELS环境变量有配置，则检查当前消息所在的频道ID是否在列表中，不在则忽略。
    • 检查是否被提及：检查消息内容中是否包含了机器人的用户ID（<@!机器人ID>或<@机器人ID>）。这是触发机器人回复的主要方式。
  4. 指令解析：从消息中提取出纯文本内容（去除@提及部分），并进行简单解析。例如，代码可能会检查消息是否以特定关键词（如“画”、“generate”）开头，以决定是调用文字生成还是图片生成功能。
  5. 任务分发：
    • 文本聊天：将提取的文本（可能结合SYSTEM_MESSAGE）构造成符合Ollama API格式的JSON payload，通过HTTP POST发送到OLLAMA_URL/api/generate。收到流式或非流式响应后，将文本回复发送回Discord原频道。
    • 图片生成：将提取的文本作为prompt，构造成Stable Diffusion WebUI API（通常是/sdapi/v1/txt2img）所需的JSON payload（包含prompt、负向提示词、步数、尺寸等参数）。发送请求后，API返回的是base64编码的图片数据。机器人需要将其解码成二进制Buffer，然后作为附件（Discord.AttachmentBuilder）发送到频道。
  6. 错误处理：在整个过程中，任何网络错误、API错误、超时等都需要被try...catch捕获，并向Discord频道发送一条用户友好的错误提示，而不是让机器人静默失败。

4.2 关键代码片段示例与解读

以下是一个简化的、基于 Discord.js v14 的核心处理逻辑伪代码，帮助你理解：

// 伪代码，展示核心逻辑 const { Client, GatewayIntentBits } = require('discord.js'); const axios = require('axios'); const client = new Client({ intents: [GatewayIntentBits.Guilds, GatewayIntentBits.GuildMessages, GatewayIntentBits.MessageContent] }); client.on('ready', () => { console.log(`Logged in as ${client.user.tag}!`); }); client.on('messageCreate', async (message) => { // 1. 过滤：忽略机器人、非指定频道、未提及 if (message.author.bot) return; if (process.env.CHANNELS && !process.env.CHANNELS.split(',').includes(message.channelId)) return; if (!message.mentions.has(client.user)) return; // 2. 提取纯文本内容 const rawContent = message.content; const botMention = `<@!${client.user.id}>`; // 或 `<@${client.user.id}>` const userPrompt = rawContent.replace(botMention, '').trim(); // 3. 判断指令类型（此处为简单示例，实际可能更复杂） if (userPrompt.toLowerCase().startsWith('画')) { // 图片生成逻辑 const sdPrompt = userPrompt.substring(1).trim(); // 去掉“画”字 await message.channel.send('正在构思画面，请稍候...'); try { const response = await axios.post(`${process.env.STABLE_DIFFUSION_URL}/sdapi/v1/txt2img`, { prompt: sdPrompt, negative_prompt: 'ugly, blurry, low quality', steps: 20, width: 512, height: 512, }); const imageData = response.data.images[0]; const imageBuffer = Buffer.from(imageData, 'base64'); const attachment = new AttachmentBuilder(imageBuffer, { name: 'generation.png' }); await message.channel.send({ content: `根据“${sdPrompt}”生成：`, files: [attachment] }); } catch (error) { await message.channel.send('画画时出了点问题，可能是描述太抽象或者服务器忙。'); console.error('SD API Error:', error); } } else { // 文本聊天逻辑 await message.channel.sendTyping(); // 显示“机器人正在输入” try { const response = await axios.post(`${process.env.OLLAMA_URL}/api/generate`, { model: process.env.MODEL, prompt: `${process.env.SYSTEM_MESSAGE}\n\nUser: ${userPrompt}\nAssistant:`, stream: false, }); await message.reply(response.data.response); // 直接回复原消息 } catch (error) { await message.channel.send('思考的时候卡壳了，请稍后再试。'); console.error('Ollama API Error:', error); } } }); client.login(process.env.DISCORD_TOKEN);

4.3 潜在功能扩展方向

这个项目的基础框架已经搭好，你可以在此基础上添加更多有趣的功能：

  1. 多模型切换：修改代码，让用户可以通过指令切换Ollama模型，例如@bot /use llama2。这需要动态修改请求中的model参数，并可能维护一个可用的模型列表。
  2. 对话记忆/上下文：目前的每次问答很可能是独立的。你可以引入一个简单的内存机制（例如，为每个频道或用户维护一个最近N条对话的数组），在调用Ollama API时，将整个对话历史作为prompt的一部分发送，从而实现有上下文的连续对话。
  3. 图片生成参数定制：让用户能指定图片尺寸、采样步数、风格等。例如，指令可以设计为@bot 画 一只猫 --width 768 --steps 30。这需要更复杂的指令解析器。
  4. 其他AI服务集成：除了Ollama和SD，还可以集成语音合成（TTS）、语音识别（STT），或者调用在线AI API（如Google Gemini、Claude），让机器人能力更多元。
  5. 管理指令：增加仅管理员可用的指令，如/stats查看机器人状态，/reset清空某个频道的对话记忆等。

5. 常见问题与故障排查实录

在实际部署和运行过程中，你几乎一定会遇到下面这些问题。我把它们和解决方案整理成了表格，方便你快速对照排查。

问题现象可能原因排查步骤与解决方案
机器人登录失败，提示Invalid token或4011. DISCORD_TOKEN 填写错误。
2. 令牌已泄露被重置，但仍在用旧令牌。
3. 环境变量文件.env未正确加载。		1. 去 Discord 开发者门户 Bot 页面点击 “Reset Token”，获取新令牌并更新.env文件。
2. 确认.env文件在项目根目录，且变量名正确。在代码开头加console.log(process.env.DISCORD_TOKEN?.substring(0,5))检查是否成功读取。
机器人上线了，但@它没反应1. 未开启MESSAGE CONTENT INTENT。
2.CHANNELS环境变量限制了频道，当前频道不在列表中。
3. 代码中的消息过滤逻辑有误。		1. 去开发者门户确认意图已开启，修改后需要重新邀请机器人吗？不需要，意图开关实时生效。
2. 检查.env中的CHANNELS值，确认当前频道ID已包含在内。
3. 在messageCreate事件开头添加console.log(message.channelId, message.content)调试，看事件是否触发、内容是否正确。
机器人回复文字时提示“思考时卡壳了”或长时间无响应1.OLLAMA_URL配置错误，机器人连不上Ollama服务。
2. Ollama 服务未运行或崩溃。
3.MODEL指定的模型不存在或未下载。
4. 电脑资源（CPU/内存）不足，模型加载或生成缓慢。		1. 在终端用curl http://你的OLLAMA_URL/api/tags测试Ollama API是否通。Docker部署时特别注意用host.docker.internal或宿主机IP。
2. 检查运行ollama serve的终端是否正常。
3. 运行ollama list确认模型存在。用ollama pull <model>重新拉取。
4. 观察任务管理器。对于7B参数模型，至少需要8GB可用内存。尝试换更小的模型（如tinyllama）。
图片生成功能报错或无法生成1.STABLE_DIFFUSION_URL配置错误。
2. Stable Diffusion WebUI 未以--api --listen参数启动。
3. 网络防火墙/安全组阻止了访问。
4. WebUI 本身出错（如下载模型失败）。		1. 在浏览器或使用curl访问http://你的SD_URL/sdapi/v1/txt2img会返回方法不允许（405），但至少证明服务可达。访问http://你的SD_URL应能看到WebUI界面。
2. 确认启动命令正确。检查WebUI运行终端的日志，看是否有API相关错误。
3. Docker部署时，确保宿主机防火墙允许7860端口入站。在宿主机上curl http://localhost:7860测试。
4. 查看WebUI终端日志，常见问题是网络问题导致模型文件下载不完整。
Docker容器启动后立即退出1..env文件缺失或关键环境变量（如DISCORD_TOKEN）为空。
2. Docker容器内无法解析host.docker.internal主机名（某些Linux原生Docker环境）。
3. 容器内Node.js应用启动时遇到未捕获的异常。		1. 运行docker-compose logs查看退出前的错误日志，通常会明确提示缺失哪个变量。
2. 在Linux上，尝试将host.docker.internal替换为宿主机的实际IP地址（如172.17.0.1或通过ip addr show docker0查看）。更可靠的方式是将Ollama和SD也容器化，并用Docker Compose网络连接。
3. 根据日志错误信息修改代码或配置。可以尝试先不用-d参数运行，直接看输出。
生成图片速度极慢1. 未使用GPU加速。
2. 图片尺寸 (width,height) 设置过大。
3. 采样步数 (steps) 设置过高。
4. 模型文件首次加载。		1. 确保Stable Diffusion WebUI 启动日志中显示使用了CUDA或ROCm。这通常需要在安装时配置好PyTorch的GPU版本。
2. 将默认尺寸从 512x512 调整为 768x768 会显著增加计算量。非必要不提高分辨率。
3. 20-30步通常足够。在机器人代码或WebUI设置中降低步数。
4. 首次使用某个模型时，WebUI需要加载，会较慢，后续生成会缓存。

踩坑心得：超过一半的问题都出在网络连接和环境变量上。Docker环境下的localhost问题尤为经典。一个黄金法则是：先确保每个后端服务（Ollama, SD WebUI）自身能独立通过API访问成功，再去调试机器人。用curl或Postman工具先手动测试所有API端点，能极大缩小问题范围。

6. 性能优化与安全考量

当你的机器人开始稳定运行，甚至有几个朋友一起用时，就需要考虑得更远一些了。

6.1 性能与资源管理

  1. 模型选择与硬件平衡：Ollama 上的模型从几十亿到数百亿参数不等。对于个人使用的Discord机器人，一个7B（70亿）参数的模型（如llama2:7b-chat,mistral:7b）在速度和质量上是一个比较好的折衷，在16GB内存的电脑上可以流畅运行。13B模型则需要更强的硬件。时刻关注任务管理器中的内存和GPU显存占用。
  2. 请求队列与限流：当前的代码可能没有处理“多个用户同时@机器人”的情况。这可能导致请求堆积，内存激增，甚至Ollama/WebUI崩溃。一个简单的改进是引入一个任务队列，将收到的请求依次处理，并在机器人忙碌时回复“请稍等”。Discord.js 本身是异步的，但需要小心避免同时发起太多耗时的API调用。
  3. 响应超时设置：在调用Ollama和SD API的axios请求中，务必设置超时（timeout）参数。例如timeout: 300000（5分钟），防止因为某个生成任务卡死而导致机器人线程一直挂起。
  4. 图片生成优化：在SD WebUI的设置中，可以启用xformers来优化显存和速度（仅限NVIDIA显卡）。使用更高效的采样器，如DPM++ 2M Karras，可以用更少的步数获得不错的效果。

6.2 安全与隐私实践

  1. 令牌就是一切：DISCORD_TOKEN一旦泄露，他人就能完全控制你的机器人。绝对不要将它提交到Git仓库（.env文件已在.gitignore中，但请再次确认）。不要在公开场合粘贴。考虑使用密码管理器存储。
  2. 频道白名单：务必使用CHANNELS环境变量将机器人限制在特定的频道。避免它在公开频道被陌生人滥用，消耗你的计算资源。
  3. 输入过滤与审查：虽然是在私人服务器，但也要考虑基本的过滤。可以对用户输入进行简单检查，过滤掉极端辱骂、大量刷屏的文本，或者在发送给SD的prompt中强制添加一些安全过滤词（NSFW），这可以在WebUI的设置中配置。
  4. 网络隔离：如果你在公网服务器上部署，确保Ollama（11434端口）和Stable Diffusion WebUI（7860端口）的API接口不要直接暴露在公网。它们应该只允许本地（127.0.0.1）或内部Docker网络访问。你的Discord机器人作为前端，对外只通过Discord的安全网关通信。
  5. 依赖安全：定期运行npm audit检查项目依赖是否存在已知安全漏洞，并及时更新package.json中的依赖版本。

这个项目就像一把瑞士军刀，它巧妙地拼接了几个强大的开源工具，打开了一扇门，让你能在熟悉的聊天环境里直接调用本地AI能力。从配置环境、理解组件交互，到排查故障、思考优化，整个过程本身就是一个全栈开发的微型演练。最让我有成就感的是，看到它第一次在群里回应我的召唤，并生成一张虽然粗糙但符合描述的图片时，那种“自己造的工具真的能用了”的感觉。你可以把它当成一个起点，代码结构清晰，完全可以根据你的想法，把它改造成专属的多模态AI助手，比如加上对本地文档的问答，或者连接智能家居。玩得开心，也别忘了控制一下它画图的瘾，不然你的显卡风扇可能会一直呼啸。

http://www.jsqmd.com/news/805431/

相关文章：

  • 2026年中式化妆培训可靠机构：技术与实力双维度解析 - 优质品牌商家
  • ncmdumpGUI完整使用手册：简单快速解锁网易云音乐NCM格式转换
  • D26: 向下负责——保护团队免受 AI 焦虑影响
  • 2026年国内玻璃钢格栅花纹盖板厂家TOP5客观盘点 - 优质品牌商家
  • Python 爬虫数据处理：特殊格式文档爬虫解析处理
  • AI Agent 的难点，不在搭 Demo，而在让人敢交任务
  • Mac鼠标滚轮终极优化指南：用Mos实现触控板般的丝滑滚动体验
  • 告别底噪与失真：手把手教你用STM32 I2C驱动WM8988音频Codec（附完整寄存器配置代码）
  • 【AI面试临阵磨枪-52】LLM 服务高并发、高可用设计：负载均衡、池化、扩容、容错
  • ESP32音频播放终极指南：从SD卡播放MP3到网络流媒体的完整解决方案
  • 别再自己写弹窗了！UniApp内置的showLoading、showToast、showModal用法全解析（附避坑点）
  • 5分钟搞定Mac Boot Camp驱动部署：Brigadier全攻略
  • 快手拟分拆可灵AI独立IPO，Pre - IPO轮拟融资20亿美元，目标估值200亿美元
  • Python 爬虫反爬突破：CDN 防护节点穿透采集
  • 在株洲如何根据个人需求选择合适的床垫？
  • 618.4V锂电池完整设计方案要求【浩博电池】
  • 2026上海办公室设计技术评测：上海办公室设计、上海办公室装修设计、上海办公室装修选择指南 - 优质品牌商家
  • 本地化YouTube视频转录：基于Whisper与Shell脚本的完整解决方案
  • 【开盘预测】2026年5月13日（周三）
  • AI自媒体自动化工作流搭建：从Claude技能到MCP服务器的实战指南
  • 2026年不锈钢水管选型推荐：靠谱供应商的判定标准 - 优质品牌商家
  • Netfilter内核 API 解析
  • 字节/Meta/OpenAI都在组建的Harness工程，比Scaling Laws更重要的，是Harness Engineering
  • Docker 的了解和使用
  • 基于浏览器自动化的LLM-API-Open项目：免费构建本地AI代理API
  • 为Node.js后端服务接入Taotoken多模型API的详细步骤
  • 在株洲如何选择护脊透气的床垫？
  • 对比直接使用厂商API体验Taotoken在路由容灾上的差异
  • ClawGuard：为Clawdbot AI智能体打造的安全监控与熔断防护系统
  • Python 爬虫进阶技巧：网页脚本阻断稳定抓取数据