基于 Qoder 和 AnalyticDB Supabase 快速构建AI原生移动端 APP

本文涉及的产品
RDS AI 助手,专业版
RDS MySQL DuckDB 分析主实例,集群系列 4核8GB
简介: 本文介绍如何基于Qoder、AnalyticDB PostgreSQL版Supabase和通义千问图像编辑模型,快速构建无需传统后端的AI手办生图Flutter应用,涵盖前端自动生成、BaaS配置与AI集成,助力开发者高效实现AI原生应用原型。

本文介绍如何利用Qoder、云原生数据仓库 AnalyticDB PostgreSQL 版Supabase和通义千问图像编辑模型(Qwen Image Edit),快速搭建一个无需传统后端的AI手办生图Flutter应用。内容涵盖从前端代码自动生成、后端即服务(BaaS)配置,到AI模型集成,适合希望快速验证AI原生应用原型并实现敏捷开发的开发者。

一、概述

在AI原生应用开发的时代,传统的后端架构正在被重新定义。本方案采用轻量、敏捷的架构,通过组合以下核心技术,实现全程无需自建传统后端,即可快速构建AI手办生图Flutter应用。

  • 前端:由Qoder根据需求自动生成Flutter代码,负责界面与交互。Qoder作为AI驱动的IDE Agent,能够根据需求自动生成高质量的Flutter代码。使用Flutter插件创建Empty Project后,您只需描述核心功能,配合几轮调试,就能得到可运行的移动端应用。
  • 后端即服务(BaaS):AnalyticDB Supabase提供数据存储、对象存储和边缘函数能力,简化了传统后端开发的复杂性。
  • AI能力集成:AnalyticDB Supabase Edge Function接入通义千问图像编辑模型,实现图片编辑。

二、前提条件

三、操作步骤

步骤一:生成Flutter应用代码

1.环境准备。

2.创建Flutter项目。

在VS Code中使用快捷键Command + Shift + P(Mac)或Ctrl + Shift + P(Windows/Linux),搜索“flutter”,选择Flutter: New Project。

3.使用Qoder生成代码。

向Qoder描述功能需求,并调试生成代码。本文源代码示例请参见adb-supabase-flutter-demo

功能需求描述示例如下:

build a flutter image edit app, powered by supabase, using edge function invoke image model to edit image by uploaded by users

步骤二:配置AnalyticDB Supabase

1.配置API访问。

在项目根目录下新增.env文件,复制以下信息并将相关配置替换为实际值。配置信息获取请参见获取API Keys。

SUPABASE_URL=https://sbp-xxxxx.supabase.opentrust.net
SUPABASE_SERVICE_KEY=xxxxxxxx

2.设计数据库表结构。

登录Supabase Dashboard,创建数据库表。此表用于存储用户编辑图片的记录,包括原始图片URL、编辑后图片URL、用户输入的提示词等关键信息

CREATE TABLE public.edited_images (
    id TEXT PRIMARY KEY,
    prompt TEXT NOT NULL,
    original_image_url TEXT NOT NULL,
    edited_image_url TEXT NOT NULL,
    created_at TIMESTAMPTZ NOT NULL DEFAULT NOW()
);
  1. 创建对象存储桶。
  1. 在Supabase Dashboard侧边栏,单击Storage。
  2. 创建一个名为images的存储桶,用于存储用户上传的图片数据。

步骤三:集成AI服务

1.配置安全密钥。

说明在AnalyticDB Supabase中,阿里云提供原生的Edge Function Secrets配置与集中管理能力,可将AI API Token(如DashScope和百炼)安全地存放在函数运行环境的密钥库中,通过Deno.env.get读取,避免硬编码或客户端暴露。

  1. 在Supabase Dashboard侧边栏,单击Edge Function>Secrets。
  2. 配置BAILIAN_API_KEY,其值为前提条件中获取的阿里云百炼API Key。

2.部署Edge Function。

  1. 在Supabase Dashboard侧边栏,单击Edge Function>Functions。
  2. 单击页面右上角的Deploy a new function,在下拉选项中选择Via Editor。
  3. 创建并部署名为wan的function。

代码示例如下,请根据网络访问方式替换BASE_URL。私网访问,请参见通过终端节点私网访问阿里云百炼平台;公网访问,请参见图像编辑-通义千问

const DASHSCOPE_API_KEY = Deno.env.get('BAILIAN_API_KEY');
const BASE_URL = 'https://vpc-cn-beijing.dashscope.aliyuncs.com/api/v1';
async function callImageEditAPI(image_url, prompt) {
  const messages = [
    {
      role: "user",
      content: [
        {
          image: image_url
        },
        {
          text: prompt
        }
      ]
    }
  ];
  const payload = {
    model: "qwen-image-edit",
    input: {
      messages
    },
    parameters: {
      negative_prompt: "",
      watermark: false
    }
  };
  try {
    const response = await fetch(`${BASE_URL}/services/aigc/multimodal-generation/generation`, {
      method: 'POST',
      headers: {
        'Authorization': `Bearer ${DASHSCOPE_API_KEY}`,
        'Content-Type': 'application/json'
      },
      body: JSON.stringify(payload)
    });
    if (!response.ok) {
      console.error(`Request failed: ${response.status} ${response.statusText}`);
      return null;
    }
    const data = await response.json();
    return data.output?.choices?.[0]?.message?.content ?? null;
  } catch (error) {
    console.error("Request error:", error.message);
    return null;
  }
}
Deno.serve(async (req)=>{
  try {
    const { image_url, prompt } = await req.json();
    if (!image_url || !prompt) {
      return new Response(JSON.stringify({
        error: "Missing image_url or prompt"
      }), {
        status: 400,
        headers: {
          'Content-Type': 'application/json'
        }
      });
    }
    const result = await callImageEditAPI(image_url, prompt);
    return new Response(JSON.stringify({
      message: result
    }), {
      headers: {
        'Content-Type': 'application/json',
        'Connection': 'keep-alive'
      }
    });
  } catch (error) {
    console.error("Server error:", error);
    return new Response(JSON.stringify({
      error: "Internal server error"
    }), {
      status: 500,
      headers: {
        'Content-Type': 'application/json'
      }
    });
  }
});

四、工作流程

  1. 上传原图:用户选择图片后,前端将其上传至Supabase Storage的images存储桶,并生成签名URL。
  2. 调用编辑:前端将签名URL与编辑指令(prompt)发送给Edge Function。Edge Function利用BAILIAN_API_KEY调用通义千问图像编辑模型,处理图片并获取生成图的URL。
  3. 写入历史记录:前端将原始图片URL、编辑后图片URL及prompt等信息写入edited_images数据库表,作为历史记录。

五、测试与验证

依次执行以下命令,安装依赖并启动应用。

flutter pub get
flutter run

启动应用后,您可在设备或模拟器上体验AI手办生图功能。

提示词示例

绘制图中角色的1/7比例的商业化手办,写实风格,真实环境,手办放在电脑桌上,电脑屏幕里的内容为该手办的C4D建模过程,电脑屏幕旁放着印有原画的塑料玩具包装盒,电脑桌上还有制作手办的工具,如画笔,颜料,小刀等。


测试示例

效果示例


了解更多

欢迎扫描下方群码或搜索钉钉群号(101930027031)入群领取免费试用!

image.png

相关文章
|
2月前
|
机器人 数据挖掘 API
一个销售数据分析机器人的诞生:看 Dify 如何在 DMS 助力下实现自动化闭环
Dify 作为一款低代码 AI 应用开发平台,凭借其直观的可视化工作流编排能力,极大降低了大模型应用的开发门槛。
473 22
一个销售数据分析机器人的诞生:看 Dify 如何在 DMS 助力下实现自动化闭环
|
24天前
|
关系型数据库 分布式数据库 数据库
议程抢先看|2026阿里云PolarDB开发者大会,重磅来袭
2026年1月20日,阿里云PolarDB开发者大会将于上海五角场凯悦酒店举行!聚焦数据库前沿技术,1场主论坛+3场分论坛,探讨行业趋势与创新实践。议程精彩,报名从速!
|
存储 缓存 NoSQL
阿里云 Tair 联手 SGLang 共建 HiCache,构建面向“智能体式推理”的缓存新范式
本文系统剖析面向智能体推理的 KVCache 技术演进,针对传统机制在长上下文、多轮决策与多智能体协同中的状态膨胀、持久化缺失和缓存孤立三大瓶颈,介绍阿里云 Tair KVCache 团队联合 SGLang 社区推出的 HiCache 分层缓存体系。该方案通过显存-内存-3FS 多级卸载与全局共享,实现缓存命中率提升至80%,TTFT 降低56%,推理 QPS 翻倍,支撑智能体时代的大模型高效推理。
|
1月前
|
人工智能 监控 算法
AI搜索引擎内容、GEO优化工具开发工程的“可信赖”基石:内容真实性、权威性与ADSM工程化闭环
在AI搜索主导信息入口的今天,生成式引擎优化(GEO)成为新焦点。内容不仅是流量载体,更是可信赖的知识资产。依托ADSM技术框架,最新上架的GEO特工队AI等工具实现算法洞察、真实性验证与权威投放闭环,确保品牌内容在豆包、千问等平台中成为“黄金信源”,构建长期可信认知。
196 0
|
2月前
|
人工智能 数据挖掘 关系型数据库
内附原文|VLDB论文精读:AI进行时,数据分析迈入增量计算时代
阿里云AnalyticDB团队近期在VLDB 2025上发表了关于增量计算的最新研究成果——论文《Streaming View: An Efficient Data Processing Engine for Modern Real-time Data Warehouse of Alibaba Cloud》。本文将对该工作进行简要介绍。
|
2月前
|
人工智能 自然语言处理 搜索推荐
文章“找茬”神器——媒体行业AI智能校对方案
年初DeepSeek大模型火爆以后,各行各业都在加速建设AI相关的场景,媒体行业无疑是大模型场景适配较好的一个行业。大模型凭借强大的内容生成能力,可以深度渗透内容生产的全链路环节,从热点事件的智能抓取、新闻稿件的快速生成,文章智能校对、个性化润色,大模型几乎可以重构传统内容生产流程。
356 15