构建 AI 自动化文章配图系统：从 DeepSeek 到 OSS 的完整实践

目录

作为技术博主，每次写完文章都要为找配图发愁。要么花时间找合适的图，要么干脆不用图——但后者会让文章显得单调。最近我实现了一套AI 自动化文章配图系统，写完文章后一键生成与内容匹配的封面图。这篇文章分享完整的技术实现。

需求分析

核心诉求

1. 自动化：输入文章，自动输出配图
2. 内容相关：图片要体现文章主题，不是随机图
3. 批量处理：支持历史文章批量生成
4. 自动插入：生成后自动插入到文章合适位置

技术选型考量

方案	优点	缺点
搜索网络图片	免费、快速	版权问题、不一定匹配
AI 生成（Midjourney）	质量高	需要 Discord、API 不方便
DeepSeek + 通义万相	国内可用、成本低	需要组合两个服务
DALL-E 3	效果好	需要国外信用卡

最终选择 DeepSeek + 通义万相 的组合方案：DeepSeek 负责理解文章生成提示词，通义万相负责生成图片。

系统架构

┌─────────────────┐     ┌──────────────┐     ┌─────────────┐
│   Markdown文章   │────▶│  DeepSeek    │────▶│  英文提示词  │
│  (标题+正文)     │     │  (文本理解)   │     │             │
└─────────────────┘     └──────────────┘     └──────┬──────┘
                                                     │
                              ┌──────────────────────┘
                              ▼
┌─────────────────┐     ┌──────────────┐     ┌─────────────┐
│  Markdown+图片   │◀────│  自动插入    │◀────│ 阿里云OSS   │
│  (更新后的文章)  │     │  (指定位置)  │     │  (CDN加速)  │
└─────────────────┘     └──────────────┘     └─────────────┘
                              ▲
                              │
                       ┌──────┴──────┐
                       │  通义万相     │
                       │ (图片生成)   │
                       └─────────────┘

工作流程：

1. 解析文章提取标题和摘要
2. DeepSeek 生成专业英文提示词
3. 通义万相根据提示词生成图片
4. 上传到阿里云 OSS
5. 按策略插入到文章指定位置

核心实现

1. 文章解析模块

需要从 Markdown 中提取有效信息：

def extract_article_content(file_path):
    """提取文章标题和摘要"""
    with open(file_path, 'r', encoding='utf-8') as f:
        content = f.read()
    
    # 提取 front matter
    front_matter_match = re.match(r'^---\s*\n(.*?)\n---\s*\n', content, re.DOTALL)
    front_matter = front_matter_match.group(1)
    
    # 提取标题
    title_match = re.search(r'^title:\s*(.+)$', front_matter, re.MULTILINE)
    title = title_match.group(1).strip() if title_match else ""
    
    # 提取正文并清理
    body_content = content[front_matter_match.end():]
    # 去除代码块、图片标记等
    body_content = re.sub(r'```[\s\S]*?```', '', body_content)
    body_content = re.sub(r'!\[([^\]]*)\]\([^\)]+\)', '', body_content)
    
    # 提取前 500 字作为摘要
    summary = body_content.strip()[:500]
    
    return {'title': title, 'summary': summary}

2. DeepSeek 提示词生成

关键技巧：让 DeepSeek 充当”AI 绘画提示词工程师”：

system_prompt = """你是一位专业的 AI 绘画提示词工程师。根据文章内容，生成高质量的英文 AI 绘画提示词。

要求：
1. 提示词必须是英文，适合 Stable Diffusion、Midjourney、DALL-E 等
2. 风格要现代、专业、具有视觉冲击力
3. 包含场景描述、色彩、光线、构图等元素
4. 长度控制在 80-150 个单词
5. 不要包含文字、logo、水印"""

user_prompt = f"""基于以下文章生成提示词：

标题：{title}
摘要：{summary}

请直接返回英文提示词，不需要解释。"""

调用示例：

def call_deepseek_api(system_prompt, user_prompt):
    headers = {
        'Content-Type': 'application/json',
        'Authorization': f'Bearer {api_key}'
    }
    
    data = {
        "model": "deepseek-chat",
        "messages": [
            {"role": "system", "content": system_prompt},
            {"role": "user", "content": user_prompt}
        ],
        "temperature": 0.7,
        "max_tokens": 2000
    }
    
    response = requests.post(
        'https://api.deepseek.com/v1/chat/completions',
        json=data, headers=headers
    )
    
    return response.json()['choices'][0]['message']['content']

生成的提示词效果：

A dynamic digital illustration of two glowing chat windows floating in a dark cyberspace, one a small widget in the corner and one a large fullscreen interface, connected by a fragile, broken data stream of light particles and binary code…

3. 通义万相图片生成

使用阿里云百炼平台的同步接口：

def generate_image_with_tongyi(prompt):
    headers = {
        'Content-Type': 'application/json',
        'Authorization': f'Bearer {dashscope_key}'
    }
    
    data = {
        "model": "qwen-image-max",  # 最新版模型
        "input": {
            "messages": [
                {"role": "user", "content": [{"text": prompt}]}
            ]
        },
        "parameters": {
            "size": "1328*1328",  # 1:1 正方形
            "prompt_extend": True,  # 智能改写
            "watermark": False,     # 无水印
            "negative_prompt": "低分辨率，肢体畸形，画面过饱和..."
        }
    }
    
    response = requests.post(
        'https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation',
        json=data, headers=headers
    )
    
    # 同步返回，无需轮询
    image_url = response.json()['output']['choices'][0]['message']['content'][0]['image']
    return download_image(image_url)

4. 智能插入策略

不是简单地把图片放在开头，而是根据文章结构智能插入：

def find_insert_position(content, strategy="after_second_paragraph"):
    """查找图片插入位置"""
    
    if strategy == "after_second_paragraph":
        # 跳过 front matter
        if content.startswith('---'):
            fm_end = content.find('---', 3)
            content_after_fm = content[fm_end + 3:]
        
        # 提取段落
        paragraphs = []
        for line in content_after_fm.split('\n'):
            if line.strip() and not line.startswith('#'):
                paragraphs.append(line)
            elif paragraphs:
                break
        
        # 在第二个段落后插入
        if len(paragraphs) >= 2:
            second_para = paragraphs[1]
            pos = content.find(second_para)
            return pos + len(second_para)
    
    elif strategy == "after_first_h2":
        # 在第一个 ## 标题后插入
        match = re.search(r'\n##\s+.+\n', content)
        if match:
            return match.end()

插入效果示例：

---
title: 我的文章
---

这是第一个段落，通常是引言。

这是第二个段落，内容更详细的阐述。

![我的文章](https://file.awen.me/xxx.png)  <-- 插入在这里

## 问题分析

这里是正文内容...

踩坑记录

坑 1：Kimi API 401 错误

最初想用 Kimi 生成提示词，但配置了 Key 却返回 401。排查发现：

# 在服务器上测试
curl https://api.moonshot.cn/v1/models \
  -H "Authorization: Bearer sk-kimi-xxx"
# 返回 {"error":{"message":"Invalid Authentication"}}

原因：OpenClaw 配置的 Kimi Key 可能有 IP 白名单限制，只能在他的机器上使用。

解决：切换到 DeepSeek，同样国产、同样好用。

坑 2：OSS 上传超时

# ossutil 命令超时 120 秒
subprocess.run(cmd, timeout=120)  # 超时！

解决：改用 Python SDK（oss2），支持流式上传：

import oss2
auth = oss2.Auth(access_key_id, access_key_secret)
bucket = oss2.Bucket(auth, endpoint, bucket_name)
bucket.put_object_from_file(oss_key, local_file)

坑 3：图片 404

生成后图片 URL 返回 404，检查发现：

# 错误：文件上传到 OSS 后没有立即生效
# 正确：等待上传完成后再验证
bucket.put_object_from_file(oss_key, local_file)
assert bucket.object_exists(oss_key)  # 验证存在性

使用方式

命令行使用

# 为最新文章生成封面图
npm run gen-cover:latest

# 指定文章
python3 tools/auto_insert_cover.py source/_posts/2026/03/文章.md --model deepseek

# 指定插入位置
python3 tools/auto_insert_cover.py source/_posts/2026/03/文章.md \
    --strategy after_first_h2

Git 自动集成

配置了 Git pre-commit 钩子，提交文章时自动检查：

git add source/_posts/2026/03/我的文章.md
git commit -m "post: add new article"
# 自动触发：检查封面图 → 生成 → 插入 → 添加到提交

成本分析

服务	费用	说明
DeepSeek	¥0.001/千 tokens	一篇文章约 ¥0.01
通义万相	¥0.12/张	生成一张图
OSS 存储	¥0.12/GB/月	可忽略
总计	约 ¥0.13/篇	比一杯奶茶便宜多了

最终效果

现在写文章的工作流：

1. hexo new "文章标题" 创建文章
2. 写完内容
3. npm run gen-cover:latest 一键生成配图
4. git commit && git push 自动部署

配图与文章内容强相关，比如这篇文章的配图：

完美体现了”聊天窗口同步”的主题。

代码仓库

完整代码已开源：

• tools/auto_insert_cover.py - 主脚本
• tools/generate_image_prompt.py - 提示词生成
• tools/generate_article_image.py - 图片生成与上传

配置好自己的 DeepSeek 和阿里云 Key 后即可使用。

---

总结：通过 DeepSeek + 通义万相的组合，实现了低成本、高质量的 AI 自动化配图。整个过程从文章解析到图片插入全自动完成，大大提升了写作效率。如果你也是 Hexo 用户，可以直接拿这套方案使用。

文章作者：阿文

文章链接： https://www.awen.me/post/75409bd7.html

版权声明：本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 阿文的博客！