从零构建自动化图文内容生成器，解析“Python-Use”的任务编排能力

一、为什么用“图文内容生成”作为技术验证场景在前两篇实战中我们分别用 AiPy 构建了 2048 游戏和五子棋游戏验证了 AiPy 在前端交互与游戏逻辑层面的代码生成与自动调试能力。但游戏开发只是 AiPy 能力边界的一个侧面。在实际工作场景中内容创作与文档处理才是大多数非技术用户最频繁遭遇的重复劳动。写一篇图文并茂的旅游攻略、整理一份带配图的行业报告、把零散的文档转化为结构化数据——这些任务通常涉及信息检索、数据处理、格式编排、文件输出等多个环节传统上需要人工逐项完成或者借助多个工具拼凑工作流。AiPy 的“Python-Use”范式在应对这类多步骤、多工具编排的任务时表现出了不同于单一代码生成的能力它不只是一个“会写代码的 AI”而是一个能自主规划任务链路、动态调用 Python 生态完成全流程的执行体。官方将其核心逻辑概括为“任务→规划→代码→执行→反馈”的完整闭环而图文内容生成恰好是验证这一闭环在真实生产力场景中价值的理想案例。二、环境准备与配置2.1 安装与基础配置AiPy 通过 pip 即可安装bashpip install aipyapp安装完成后在终端输入aipy即可进入默认的 Task Mode任务模式。2.2 模型配置可选如果希望 AiPy 调用更强大的云端大模型如 DeepSeek可以创建配置文件~/.aipyapp/aipyapp.tomltoml[llm.deepseek] type deepseek api_key 你的 DeepSeek API Key如果未配置云端模型AiPy 也支持接入 Ollama 等本地推理方案。不过对于涉及联网搜索如图片检索的任务云端模型通常能提供更稳定的语义理解能力。三、任务输入用自然语言描述完整工作流打开 AiPy 后默认 Task Mode输入以下提示词。这里的关键是把“目标”和“约束条件”说清楚而不需要解释“怎么做”text你是一名专业的新闻编辑者现在需要你帮我写一篇图文并茂的成都旅游攻略图片来源于网络真实拍照要求以Word文档的形式输出到我的桌面并且整理好文档格式图片统一大小和尺寸正文使用宋体小四首行缩进其余一二级等标题采用一般标准。这个提示词看似简单但包含了多个技术指令用户表达技术映射写一篇图文并茂的成都旅游攻略信息检索与文本生成内容创作图片来源于网络真实拍照网络图片搜索与下载联网能力以Word文档的形式输出到桌面文档生成与文件操作python-docx 或类似库整理好文档格式图片统一大小和尺寸正文宋体小四首行缩进文档排版与格式约束样式控制关键原则用户只需要描述“我要什么结果”AiPy 自主决定“用什么工具、分几步执行”。四、执行闭环AiPy 在后台的完整流程任务输入后AiPy 会进入“感知→规划→执行→反馈”的自动闭环。以下是根据类似任务的社区案例和官方文档梳理的执行逻辑。4.1 任务拆解收到指令后AiPy 会自主分析任务结构将“写一篇图文并茂的旅游攻略”拆解为若干可执行的子任务信息检索与内容生成调用语义理解能力生成成都旅游攻略的文本大纲与正文内容景点、美食、住宿、交通等图片素材检索与下载根据内容中的关键词如“宽窄巷子”“火锅”“熊猫基地”联网搜索对应的真实拍摄图片并下载到本地文档生成与排版使用 Python 的python-docx库创建 Word 文档按约束条件设置字体、字号、行距、缩进图片嵌入与尺寸统一将下载的图片按统一尺寸嵌入文档对应位置文件输出将最终文档保存到桌面指定位置这些步骤在 AiPy 的执行日志中会以结构化列表呈现用户可随时查看当前进度。4.2 代码生成与执行针对上述子任务AiPy 会动态生成对应的 Python 代码。结合社区案例核心代码逻辑大致如下联网搜索与图片下载pythonimport requests from bs4 import BeautifulSoup import os # 根据关键词搜索并下载图片 def search_and_download_image(keyword, save_path): search_url fhttps://.../search?q{keyword}tbmisch # ... 解析搜索结果获取图片URL # ... 下载图片并保存到本地Word 文档生成与排版pythonfrom docx import Document from docx.shared import Inches, Pt from docx.enum.text import WD_PARAGRAPH_ALIGNMENT # 创建文档 doc Document() # 设置正文样式宋体小四首行缩进 style doc.styles[Normal] style.font.name 宋体 style.font.size Pt(12) style.paragraph_format.first_line_indent Inches(0.35) style.paragraph_format.alignment WD_PARAGRAPH_ALIGNMENT.LEFT # 插入标题、正文段落、图片 # ...关键细节上述代码不是用户写的也不是 AiPy 从模板里复制的——它是根据任务语义动态生成的。AiPy 不依赖任何预设的“旅游攻略生成工具”因为它以 Python 生态为执行层而 Python 有现成的库requests做爬虫、python-docx做文档、PIL做图片处理可以完成所有这些操作。4.3 自检与调试根据官方披露的机制AiPy 在代码执行过程中如果遇到错误会自动捕获报错信息、判断原因、修复代码并重新运行。例如在图片下载过程中可能遇到以下情况某个图片 URL 失效 → AiPy 自动更换搜索来源或跳过该图片图片尺寸不一致 → 自动调用PIL统一裁剪/缩放python-docx未安装 → 自动执行pip install python-docx这种“自主排障”能力使得整个工作流可以在无人干预的情况下持续推进直至任务完成。4.4 输出交付执行完成后AiPy 会将最终生成的 Word 文档保存到用户桌面文件名为任务描述的摘要如“成都旅游攻略.docx”。用户打开后即是一份排版规范、图文并茂的完整文档。五、技术拆解为什么图文内容生成是检验 AiPy 能力的试金石5.1 从“顾问”到“执行者”的范式跃迁在传统 AI 工具如 ChatGPT、Copilot中面对“写一篇图文并茂的旅游攻略并保存到桌面”的需求典型回应是生成一段文本内容提供一段 Python 代码示例告诉用户“你需要自己运行这段代码并手动插入图片”交付物是“方案”和“代码”执行主体是用户。而 AiPy 的交付物是“可直接使用的文档”执行主体是 AI。这种差异的本质是两种交互模式的根本不同维度传统大模型AiPy交互方式问答式任务驱动式交付物代码/方案可用的结果执行主体用户AI工具调用需要预定义 Tool动态生成 Python 代码5.2 Python-Use 范式不依赖预设工具的能力边界AiPy 能够完成图文内容生成根本原因在于其“Python-Use”范式不预设任何工具而是让 AI 直接使用 Python 生态。图文内容生成涉及的能力链是文本生成→ Python 调用大模型 API或本地模型图片检索→ Python 调用requests 网络搜索图片处理→ Python 调用PIL文档生成→ Python 调用python-docx文件操作→ Python 内置os和文件 I/O所有这些能力都来自 Python 的标准库和第三方生态它们天然存在、天然可用不需要任何人为 AiPy 提前开发“旅游攻略生成工具”。这正是“代码即代理”理念的体现——代码成为统一的接口取代了传统 Agent 中繁杂的 Tool 注册和 Workflow 编排。5.3 成本优势从技术架构角度看AiPy 的 Python-Use 范式在同等任务下大幅减少了 Token 消耗。传统 Agent 需要多轮“工具调用→结果返回→再调用”的对话式交互而 AiPy 通过一次代码生成即可完成全过程运行成本显著降低。六、扩展从攻略到任意图文内容同样的技术路径可以扩展到几乎任何图文内容生成场景场景变化点行业报告检索方向从旅游变为行业数据产品说明书图片来源从网络变为本地产品图教学课件输出格式从 Word 变为 PPTpython-pptx小红书/公众号推文排版风格从正式变为自媒体风格用户只需修改提示词中的“主题”和“格式约束”不需要重新设计任何技术方案。AiPy 会根据新的语义自动调整检索策略、内容风格和排版参数。七、总结从任务规划到结果交付的技术闭环通过这个图文内容生成的实战案例可以清晰地看到 AiPy 的“Python-Use”范式在复杂任务场景中的完整运作路径任务理解从用户自然语言中提取目标与约束自主规划将单一任务拆解为可执行的子任务序列代码生成为每个子任务动态生成 Python 代码执行与编排按序执行、处理依赖、管理状态排障与迭代自动捕获异常、修复代码、重试结果交付输出可直接使用的文件这六个步骤形成一个完整闭环让用户从“写提示词→等方案→自己执行→手动 Debug”的传统流程转变为“写提示词→等结果”的体验。图文内容生成只是 AiPy 能力边界的一个切面。同样的技术路径可以覆盖数据分析、自动化测试、文件批量处理、甚至视频生成——只要任务能用 Python 完成AiPy 就能自主规划并执行。正如官方理念所言“让大模型不只是思考更要动手”。