又一个新项目完结,全栈 AI 修图 Agent!

简介: 手把手带你用 AI 编程做出一个能上线传播、能变现的 AI 智能修图 Agent 产品!最新 AI Agent 应用开发 + Vibe Coding 项目,基于 Python FastAPI + LangChain + LangGraph + React 开发,秋招简历亮点拉满~

大家好,我是程序员鱼皮。

又经过了一段时间的爆肝,我在编程导航的保姆级新项目教程《AI 修图智能体》,完结啦!

这是一套以 AI Agent 驱动的图片编辑 为核心的全栈项目教程,基于 Python 3.13 + FastAPI + LangChain + LangGraph + React 19 + Konva。你只需要输入一句话,AI 就能自动规划修图步骤、调用 21 种编辑工具帮你完成专业级修图,从文生图到抠图调色、区域编辑、图层拆分,全部自动搞定。

每一期文字教程都详细讲解了设计决策和实现细节,让你不只会做,还知道为什么这么做。

这还不够,每个项目我都写了详细的简历写法和面试题解,做完项目直接写到简历上、突击面试,一条龙服务!

真心换真心,我做项目教程的付出也得到了大家的认可,也帮很多同学拿到了大厂 offer~

接下来鱼皮给大家快速介绍这个项目,希望让更多需要它的同学看到,把它变成自己的项目。

秋招正处于黄金时段,简历上写满前沿技术,不仅求职有底气,做项目的能力也会大幅提升!

项目介绍

项目有 8 大核心能力。

1)AI 文生图,输入提示词就能出图

在创作页输入一段提示词,AI 自动生成四张候选图,以四宫格的形式展示给你挑选。整个生成过程通过 SSE 实时推送进度,不用傻等,随时知道跑到哪一步了。选中满意的图片后,直接进入编辑器开始修图。

2)专业级画布编辑器

基于 react-konva 搭建了一个真正能用的图片编辑器,支持画布缩放平移、图层文档管理、撤销重做,还有前后对比滑杆,一拖就能看到修图前后的效果。这不是玩具级 demo,而是对标专业修图软件的交互体验。

3)自然语言驱动修图

这是整个项目最酷的能力。你在对话框里输入一句话,比如“把背景换成海滩”、“提高亮度和饱和度”,AI Agent 会自动分析你的需求,规划出修图步骤,然后一步步调用工具帮你执行。不需要你去找按钮、调参数,说一句话就搞定。

4)21 种编辑工具,覆盖主流修图场景

项目内置了丰富的编辑工具:rembg 一键抠图、11 参调色(亮度/对比度/饱和度/色温等)、裁剪/翻转/缩放/旋转/移动等画布变换、AI 换背景、AI 扩图、超分辨率放大。手动点击工具栏可以用,Agent 也能自动调用,UI 和 Agent 共享同一套工具注册表。

5)智能区域选择

集成了 SAM(Segment Anything Model)点选能力,鼠标点一下就能精准选中画面中的任意物体。还支持笔刷涂抹模式,自由绘制选区。首次点击计算 embedding,后续点击只跑 decoder,响应速度是毫秒级的。

6)局部精细编辑

有了选区之后,可以做局部消除和局部替换。局部消除会用 AI inpainting 把选区内的东西抹掉,自动填补背景;局部替换可以用一句提示词描述你想换成什么,只改选区内容,其他地方纹丝不动。

7)图层拆分和独立操作

一键把图片按语义拆成主体层和背景层,还可以选择拆出 OCR 文字层。拆完之后每个图层可以独立缩放、调色、移动,互不影响。还支持点选画面中的任意物体,把它提升为独立图层,背景自动修复。图层数据用 JSONB 持久化,切换图片再切回来,图层结构不会丢。

8)多步计划和人机协作

当修图需求比较复杂时,AI 会输出一份包含多个步骤的结构化 JSON 计划,每一步标注了依赖关系。服务端会做工具存在性校验、参数合法性检查、依赖补全和环检测,然后按拓扑排序确定执行顺序。用户可以在计划卡片上确认执行、单步重试或取消后续,真正做到人机协作,AI 干活你把关。

当你学会这个项目后,你不仅能开发 AI 修图应用,更能把这套 Agent + 工具注册 + 异步执行的架构套用到任何需要 AI 驱动的业务场景中,比如 AI 设计工具、AI 视频编辑、AI 数据处理等等。

学前沿技术、涨开发经验,全栈 AI Agent 实战开发,绝对让你收获满满!

而且为了让更多同学参与学习,我直接把所有代码 完整开源 !能力强的同学可以自学,点个 star 就算对鱼皮的支持啦~

开源仓库:https://github.com/yuyuanweb/ai-retouch-agent

项目收获

本项目选题新颖,紧跟 AI Agent 和 AIGC 趋势,以 专业级 AI 修图工具 为目标。区别于增删改查的烂大街项目,你将从零搭建一个集画布编辑器、AI Agent、异步任务、图层系统于一体的全栈应用,技术深度和广度都远超普通项目。

项目内容丰富扎实,前后端 + AI Agent 全链路覆盖,帮你成为 AI 时代企业的香饽饽,给你的简历和求职大幅增加竞争力!

Python 全栈 + LangChain / LangGraph Agent + 专业画布编辑器 + 异步任务 + 图层系统,技术丰富,玩透 AI Agent 全栈项目开发~

鱼皮给大家讲的是 通用的 AI Agent 开发方法和真实工具产品从 0 到部署的全流程,从这个项目中你可以学到:

  • 如何基于 FastAPI + SQLAlchemy 搭建 Python 全栈项目,实现 JWT Cookie 认证?
  • 如何设计 Provider 抽象层,一行配置切换 Mock 和真实 AI 模型?
  • 如何用 ARQ 异步队列 + Redis Pub/Sub + SSE 实现实时进度推送?
  • 如何用 react-konva 搭建专业级图片编辑器,支持图层文档和视口变换?
  • 如何用 LangChain 接入规划模型,再用 LangGraph 构建 AI Agent,让大模型规划修图步骤?
  • 如何设计统一的工具注册表,一处定义同时服务 UI 和 Agent?
  • 如何用 SAM 模型实现智能点选,一键选中任意物体?
  • 如何做图层拆分,把一张图拆成主体、背景和文字三个独立图层?
  • 如何实现多步计划的服务端校验、拓扑排序和人机协作?
  • 如何用 Docker 多阶段构建和 compose profile 实现一条命令部署?

此外,还能学会很多架构设计、方案取舍、问题排查的方法,提升独立解决复杂问题的能力。鱼皮还给大家提供了大量的项目扩展点,有能力的同学可以进一步拉开和别人的区分度,无限进步!

满满的项目正反馈:

除视频教程外,鱼皮编程导航的项目还提供:

教程资料 求职助力
详细的文字教程 / 直播笔记 ⭐️ 现成的简历写法,直接写满简历
完整的项目源码 ⭐️ 项目相关面试题解和真实面经
1 对 1 答疑解惑 + 专属交流群 ⭐️ 项目扩展思路,拉开区分度
前端 + Java 后端万用项目模板 ⭐️ 从学项目到拿 Offer 一条龙

更多介绍

该项目功能完整,涵盖文生图、画布编辑器、AI Agent 对话、编辑工具、区域选择、局部编辑、图层系统、多步计划、营销图、批量处理 10 大模块,覆盖了一个真实 AI 修图产品的核心业务场景。

本项目采用前后端分离 + 异步 Worker 架构。前端是 React 19 + Konva 的单页应用,后端是 Python FastAPI 服务,通过 REST API 和 SSE 通信。

后端内部按照路由层、业务服务层、数据访问层分层,AI 生图、抠图、扩图等耗时任务通过 ARQ 异步队列提交到独立 Worker 执行,结果通过 Redis Pub/Sub + SSE 实时推送给前端。LangChain 负责接入规划模型和绑定工具签名,LangGraph 负责 Agent 的计划编排,ToolRegistry 统一管理所有编辑工具的元信息和执行逻辑。数据分别落在 PostgreSQL(业务数据)、Redis(缓存和消息)和 MinIO(图片资源)中。

项目的核心业务流程非常清晰,能够帮你理清 AI Agent 项目开发的思路,比如一次 AI 修图请求的完整链路:用户输入自然语言指令 → Agent 规划修图步骤 → 服务端校验和拓扑排序 → 用户确认计划 → 按依赖自动执行工具 → 结果推送前端 → 画布实时更新。

不得不说,做项目真的给了很多同学坚持学习的目标、也有了更多拿 Offer 的机会,大家的动力也更足了!冲冲冲!

相关文章
|
8天前
|
人工智能 API 内存技术
刚刚 DeepSeek V4.1 Flash 开启内测,1 分钟教你用上!
刚刚 DeepSeek 内测群发布了 DeepSeek V4.1 Flash 中间版本内测的消息,这次的模型采用了新的结构,原生支持多模态、能力更强、速度更快、且成本更低。
1832 14
|
7天前
|
人工智能 自然语言处理 安全
阿里云千问办公 QwenWork详细介绍:产品核心能力、典型场景、价格及常见问题解答
千问办公是阿里云推出的一站式AI办公平台,主打"不止于对话,更注重交付",依托通义千问旗舰大模型,用户一句话即可完成数据分析、PPT生成、视频剪辑等复杂任务,直接输出可用成果。产品深度打通钉钉生态与企业OA,覆盖桌面端、网页端,提供企业标准版198元/人/月等多档订阅方案,新用户注册即赠2000积分,适配工程师、HR、财务等多职业办公场景,成为能动手干活的"全能AI同事"。
|
13天前
|
网络协议 Linux iOS开发
【2026实测】Wireshark下载+安装+汉化+使用教程(图文版,巨详细)
Wireshark 是一款免费开源的网络协议分析工具,可实时捕获、解析并可视化数据包,助你诊断网络故障、分析通信协议(如HTTP、DNS、TCP等)。支持Windows/macOS/Linux,含中文界面,新手入门便捷。(239字)
|
12天前
|
人工智能 运维 BI
阿里云千问办公QwenWork深度解析:基于Qwen3.8,六大核心能力重构企业全自动化工作流与计费选型指南
传统AI办公工具大多停留在对话问答、文档摘要、简单文案生成层面,只能完成单点碎片化任务,无法自主拆解复杂业务流程,很难串联多工具、多文档、外部业务系统完成端到端完整工作交付。很多企业在落地AI办公的时候,需要组合多款不同工具,来回切换界面,手动复制粘贴中间结果,智能化改造落地门槛居高不下。千问办公QwenWork是整合多款智能体产品能力打造的一体化企业办公智能体平台,底层基座依托Qwen3.8大模型,打通桌面端Agent、云端Agent、企业协同Agent三种运行形态,不再局限简单问答,接收业务目标之后自主拆解任务步骤,调用各类工具,处理文档、表格、浏览器自动化、数据查询,直接输出可交付的办公
1655 3
|
7天前
|
人工智能
千问办公官网入口:阿里AI办公QwenWork产品页和免费网页端链接
千问办公官网含两大入口:一是网页端(qwenwork.cn),即开即用,支持浏览器直接访问;二是阿里云产品页 https://t.aliyun.com/U/JNKJuO 提供免费/付费版详情、功能介绍及使用指南。
|
9天前
|
SQL 人工智能 前端开发
QoderWake 1.0 正式发布:从桌面里的 Agent,到工作现场的数字员工
QoderWake v1.0正式发布:企业级数字员工团队平台。支持“一句话建岗”,预置10类特训岗位;Waker常驻钉钉/飞书群,@即响应、自动协作、跨任务记忆;具备定时/事件/API多触发方式与统一任务看板;已沉淀27.6万条记忆、12.3万项技能,助力组织实现人机协同增效。
800 2
|
7天前
|
缓存 测试技术 API
DeepSeek V4.1 Flash 内测接入:改个模型名即可调用(附代码)
DeepSeek V4.1 Flash 内测不用申请,base_url 不变、改个模型名就能调,9/10 到期。本文讲清接入、计费限流与多模态注意点。
816 0
DeepSeek V4.1 Flash 内测接入:改个模型名即可调用(附代码)
|
14天前
|
缓存 数据可视化 开发工具
DeepSeek Harness 怎么更新?dsh 更新完整指南:更新本体(npx、npm、源码)与更新插件两种方式
DeepSeek Harness 的更新分两层:本体更新(npx 自动最新、npm update -g、源码 git pull)与插件更新(插件市场点更新、命令行覆盖安装)。本文按「准备 → 更新本体 → 更新插件 → 更新后检查」四步走,覆盖新手常见疑问。
1649 1
DeepSeek Harness 怎么更新?dsh 更新完整指南:更新本体(npx、npm、源码)与更新插件两种方式
|
21天前
|
人工智能 自然语言处理 安全
阿里云千问办公、Qoder Teams、Qoder CN区别与选择指南:模型能力、适用场景与最新活动参考
本文聚焦阿里云2026年推出的三款自研AI办公产品,清晰拆解千问办公、Qoder Teams、Qoder CN的差异化定位与能力边界:千问办公主打职场全场景提效,支持自然语言指令一键完成PPT生成、数据分析等高频办公任务;Qoder Teams面向程序员团队,深度整合AI代码生成、团队协同与企业知识库能力;Qoder CN则专为金融、政务等强合规场景打造,实现数据不出境与VPC私有化部署。文章同步给出分场景选型指南与最新活动定价,帮助不同类型的企业按需组合产品,实现业务岗、研发岗与强合规场景的AI能力全覆盖。
3999 5
阿里云千问办公、Qoder Teams、Qoder CN区别与选择指南:模型能力、适用场景与最新活动参考
|
12天前
|
人工智能 自然语言处理 安全
阿里云AI数智鉴密:AI 生成内容如何拿到一张"防篡改的身份证"
隐形水印 + C2PA签名:让AI生成内容“持证上岗”。
1159 0