komga-creater/docs/plans/2026-02-28-manga-generator-validation-design.md

漫画生成工具可行性验证设计

项目概述

目标

验证从小说文本到漫画分镜图片提示词的端到端AI处理流程可行性。

核心问题

1. 整个流程（输入→AI编辑→AI分镜→输出）能否顺畅执行？
2. AI生成的内容质量是否足够用于图片生成？

验证方案选择

方案：纯Dify工作流（选择此方案）

理由：

• 最快实现验证（30分钟内可搭建完成）
• 完全利用现有工具（Dify + DeepSeek API）
• 无需编码，专注于核心AI能力测试

详细设计

系统架构

用户输入（短段落小说文本）
    ↓
[Dify工作流]
    ├── [编辑节点] DeepSeek-R1
    │     └── 润色增强叙述文本
    └── [分镜节点] DeepSeek-R1
          └── 生成Markdown格式分镜提示词
    ↓
用户复制提示词到图片生成平台

组件说明

1. 输入处理

• 格式：短段落小说文本（300-1000字）
• 来源：用户从七猫小说等平台复制粘贴
• 预处理：无，直接交给AI编辑节点

2. AI编辑节点

• 模型：DeepSeek-R1
• 温度：0.7
• 任务：润色和增强小说文本描述
• 输出要求：
  • 保持原有情节和人物设定
  • 增强场景描述、角色动作和情感表达
  • 让文本更具画面感和戏剧张力
  • 长度控制在原文本的1.2-1.5倍

3. AI分镜节点

• 模型：DeepSeek-R1
• 温度：0.6
• 任务：将叙述文本转换为分镜提示词
• 输出格式：Markdown结构

  # 分镜分析
  
  ## 场景概览
  [整体场景描述]
  
  ## 分镜详情
  
  ### 分镜1：[标题]
  **场景描述：** [详细视觉描述]
  **角色动作：** [主要角色动作]
  **情感氛围：** [情感色彩]
  **图片提示词：** [用于图片生成的提示词]
  
  ### 分镜2：[标题]
  ...
  
  ## 风格建议
  [推荐图片生成风格]
  

Dify工作流配置

技术栈

• 平台：Dify（本地自部署）
• AI模型：DeepSeek-R1
• 格式：JSON DSL

关键配置

1. 编辑节点提示词：

   你是一个专业的小说编辑。你的任务是将用户提供的小说段落进行润色和增强，使其更适合转换为视觉分镜。
   
   要求：
   1. 保持原有情节和人物设定不变
   2. 增强场景描述、角色动作和情感表达
   3. 让文本更具画面感和戏剧张力
   4. 输出保持中文，长度控制在原文本的1.2-1.5倍
   

2. 分镜节点提示词：

   你是一个专业的漫画分镜师。请将叙述文本转换为3-5个分镜描述，每个分镜包含视觉元素和图片生成提示词。
   
   输出格式要求（Markdown）：
   [格式规范见上文]
   
   注意：图片提示词要具体、详细，包含构图、灯光、风格等要素。
   

验证方法

成功标准

1. ✅ 流程顺畅：输入→编辑→分镜→输出能完整执行
2. ✅ 输出质量：
   • 编辑节点输出增强画面感
   • 分镜节点输出符合Markdown格式
   • 图片提示词具体、可生成

测试用例

测试用例1：基础场景

输入：
李阳推开厚重的木门，月光透过窗户洒在地板上。他看到父亲坐在书桌前，手里拿着一封信。房间里弥漫着淡淡的墨香，父亲的背影显得格外孤独。

预期验证：
1. 编辑节点输出更丰富的视觉描述
2. 分镜节点生成3-5个分镜
3. 图片提示词包含具体构图和风格

测试用例2：动作场景

输入：
王雪快速穿过拥挤的街道，雨水打湿了她的头发。她回头看了一眼，追赶者的影子在路灯下拉长。心跳加速，她躲进了小巷的阴影中。

预期验证：
1. 编辑节点增强动作节奏感
2. 分镜节点体现动态构图
3. 提示词包含光影和氛围描述

验证步骤

1. 环境准备：

   • 确保Dify本地部署正常
   • 配置DeepSeek-R1模型访问
   • 导入提供的JSON DSL工作流

2. 功能测试：

   • 使用测试用例1运行工作流
   • 检查各节点输出格式
   • 验证Markdown结构完整性

3. 质量评估：

   • 人工评估编辑文本质量（是否增强画面感）
   • 检查分镜合理性（场景转换是否自然）
   • 评估图片提示词可用性（是否足够具体）

4. 性能测试：

   • 记录流程执行时间
   • 测试并发处理能力（可选）

风险与缓解

技术风险

1. 模型输出不稳定

   • 缓解：调整温度参数，优化提示词

2. Dify工作流配置复杂

   • 缓解：使用提供的DSL模板，分步测试

3. Markdown格式不规范

   • 缓解：在提示词中明确格式要求，添加示例

业务风险

1. 输出质量不足

   • 缓解：准备多个测试用例，调整提示词迭代

2. 流程时间过长

   • 缓解：设定时间阈值（如3分钟内完成）

后续计划

验证成功后的扩展

1. 添加预处理：文本分段、清理功能
2. 增加后处理：提示词格式美化、批量导出
3. 集成图片生成：直接调用Stable Diffusion等API
4. 用户界面：开发简单Web界面

验证失败的处理

1. 分析瓶颈：识别是AI能力问题还是流程设计问题
2. 调整方案：考虑混合方案（Dify+自定义代码）
3. 简化目标：先验证单一步骤（如仅分镜生成）

决策记录

关键决策

1. 选择纯Dify方案：快速验证优先
2. 使用Markdown输出：便于用户复制使用
3. 聚焦短段落输入：降低验证复杂度
4. 使用DeepSeek-R1：推理优化适合多步骤分析

约束条件

1. 工具限制：必须使用Dify + DeepSeek API
2. 时间目标：快速验证（1-2天内完成）
3. 输出要求：生成可用的图片提示词，而非实际图片

---

创建时间：2026-02-28
更新记录：

• 2026-02-28：初始设计创建