@所有人 
今天(2026-01-14)，我们联合华为开源了新一代图像生成模型GLM-Image，
基于昇腾Atlas 800T A2设备和昇思MindSpore AI框架完成从数据到训练的全流程，
是首个在国产芯片上完成全程训练的SOTA多模态模型。

欢迎大家来玩～
GitHub：
https://github.com/zai-org/GLM-Image

技术报告：
https://z.ai/blog/glm-image

技术文档：
https://zhipu-ai.feishu.cn/wiki/CcwzwOCK2iWPOqkE5v0ceUTKnNg?from=from_copylink

API接入：
https://docs.bigmodel.cn/cn/guide/models/image-generation/glm-image

 
体验
https://bigmodel.cn/trialcenter/modeltrial/image

文档
https://docs.bigmodel.cn/cn/guide/models/image-generation/glm-image

 
```

"""思路
先生成摘要 
再根据摘要生成图片

再将图片配置文件形成html页面，然后导出图片，生成海报 

根据图片生成一个网站
- 编辑填充内容，一边markdown笔记（也可以是模板），一边是网页效果 
- 智能填图，在预定的位置上填充上生成的图片 
- html转图片输出
- 由海报拆解为素材生成，由前端展示html页面


可以截图现在的材料，逆向生成prompt模板
- 在些模板的基础上，进行微调 

- 将与llm交互的程序单独拉一个API


"""



wenzhang = """
小小苏以案说法之贷款诈骗洗钱案
"""

prompt = """
根据以下内容生成一张图片
{wenzhang}

图片格式要求：
1. 使用中文描述，同时避免出现中文乱码的情况；图片最终输出前请检查是否存在中文乱码，若存在则进行修正；
2. 小小苏一个龙形态的卡通动物形象，表情是一种被骗的苦笑，总体是卡哇伊卡通表情
"""

"""
curl --request POST \
  --url https://open.bigmodel.cn/api/paas/v4/images/generations \
  --header 'Authorization: Bearer 715c...tjc3' \
  --header 'Content-Type: application/json' \
  --data '
{
  "model": "cogView-4-250304",
  "prompt": "一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云.",
  "size": "1024x1024"
}
'
"""


"""
图像的像素有要求：
宽度和高度必须在 512-2048 之间
必须是 16 的倍数
最大像素数不能超过 2^21 (2097152)

脱敏需求


图片生成的风格
1. 使用中文描述，同时避免出现中文乱码的情况

图片上有AI生成的标记，无法去掉

整体生成海报的方式不可取

"""

import requests
import json
import time
import re

# 智谱AI尺寸要求：
# - 宽度和高度必须在 512-2048 之间
# - 必须是 16 的倍数
# - 最大像素数不能超过 2^21 (2097152)
# 常用海报尺寸：1024x1024 (1:1), 1024x1792 (9:16), 1536x640 (12:5)
w = 1024
h = 1024  # 使用正方形，符合所有要求
_size = f"{w}x{h}"

def desensitize_text(text):
    """
    脱敏处理函数，将敏感信息替换为通用描述

    Args:
        text: 原始文本

    Returns:
        str: 脱敏后的文本
    """
    # 姓名脱敏（中文姓名2-3个汉字）
    text = re.sub(r'[钱朱林赵王张]某', '犯罪嫌疑人', text)

    # 地名/机构名脱敏
    text = re.sub(r'人民银行江苏省分行', '金融机构', text)
    text = re.sub(r'交通银行江苏省分行', '商业银行', text)
    text = re.sub(r'2025年7月', '近期', text)
    text = re.sub(r'2023年7月至9月', '案发期间', text)
    text = re.sub(r'2023年8月至9月', '案发期间', text)

    # 具体金额脱敏
    text = re.sub(r'人民币十六万元', '相应罚金', text)
    text = re.sub(r'人民币十万元', '相应罚金', text)
    text = re.sub(r'人民币五万元', '相应罚金', text)
    text = re.sub(r'有期徒刑三年', '有期徒刑', text)
    text = re.sub(r'有期徒刑一年十个月', '有期徒刑', text)

    # 车辆品牌等具体信息脱敏
    text = re.sub(r'车辆无抵押信用贷款', '车辆贷款', text)
    text = re.sub(r'汽车销售服务公司', '销售公司', text)

    return text

def generate_poster_prompt(original_text):
    """
    生成脱敏后的海报提示词

    Args:
        original_text: 原始文章文本

    Returns:
        str: 适合AI生成的海报提示词
    """
    # 先脱敏
    desensitized = desensitize_text(original_text)

    # 生成通用的、不包含敏感信息的提示词
    prompt = """请设计一张金融安全宣传海报的头部图片，主题：防范贷款诈骗和洗钱风险

海报内容要素：

【核心主题】
- 警惕贷款诈骗
- 远离洗钱风险
- 保护个人银行账户
- 不要出现中文乱码

【视觉元素】
- 金融图标（金钱、计算器、小汽车）
- 现代简约设计风格

【图片中的标题】
- 小小苏以案说法之贷款诈骗洗钱案
- 每行最多8个字，超过则换行
- 标题的文本背景进行一定特写
- 标题的字体稍微艺术化一些，看起来总体给人一种轻松中稍微带点调皮的感觉

【设计风格】
- 适合金融机构宣传使用
- 小小苏作为一个龙形态但头部像人的卡通动物形象，表情是一种被骗的苦笑，总体是卡哇伊卡通表情
- 使用中文描述，同时避免出现中文乱码的情况；图片最终输出前请检查是否存在中文乱码，若存在则进行修正；

请生成一张1024x1024像素的图片，该图片会做为海报网页开头的部分，让人一眼看见这个图片"""

    return prompt

def generate_image(prompt_text,
                   models=["glm-image", "cogview-3"],
                   api_key="715c27776d19889a332309a4c81b3e0f.D6VnhU9eQl8Itjc3",
                   size=_size,
                   max_retries=3,
                   timeout=120):
    """
    调用智谱AI图像生成API（带重试机制）

    Args:
        prompt_text: 图像生成提示词
        models: 模型列表，优先使用第一个
        api_key: API密钥
        size: 图像尺寸，如 "1024x1024"
        max_retries: 最大重试次数（默认3次）
        timeout: 请求超时时间（秒，默认120秒）

    Returns:
        dict: API响应结果
    """
    url = "https://open.bigmodel.cn/api/paas/v4/images/generations"

    headers = {
        "Authorization": f"Bearer {api_key}",
        "Content-Type": "application/json"
    }

    # 尝试不同的模型
    for model in models:
        for retry in range(max_retries):
            data = {
                "model": model,
                "prompt": prompt_text,
                "size": size
            }

            try:
                print(f"[请求信息] 尝试: {retry + 1}/{max_retries} | Model: {model}")
                print(f"[请求信息] URL: {url}")
                print(f"[请求信息] Size: {data['size']}")
                print(f"[请求信息] Prompt 长度: {len(prompt_text)} 字符")
                print(f"[请求信息] 超时设置: {timeout}秒")

                response = requests.post(url, headers=headers, json=data, timeout=timeout)

                print(f"[响应信息] 状态码: {response.status_code}")

                if response.status_code == 200:
                    print(f"[成功] 模型 {model} 生成成功！")
                    return response.json()
                else:
                    print(f"[失败] HTTP {response.status_code}")
                    print(f"[错误详情] {response.text[:200]}")

                    # 如果是客户端错误（4xx），不需要重试
                    if 400 <= response.status_code < 500:
                        print(f"[提示] 客户端错误，停止重试")
                        return {
                            "error": f"HTTP {response.status_code}",
                            "details": response.text,
                            "status_code": response.status_code,
                            "model": model
                        }

            except requests.exceptions.Timeout as e:
                print(f"[超时] 第 {retry + 1} 次尝试超时: {str(e)}")
                if retry < max_retries - 1:
                    wait_time = (retry + 1) * 5  # 递增等待时间：5s, 10s, 15s
                    print(f"[等待] {wait_time}秒后重试...")
                    time.sleep(wait_time)
                else:
                    print(f"[放弃] 已达最大重试次数")

            except requests.exceptions.RequestException as e:
                print(f"[请求异常] {str(e)}")
                if retry < max_retries - 1:
                    print(f"[重试] 5秒后重试...")
                    time.sleep(5)
                else:
                    return {"error": str(e), "model": model}

        print(f"[切换] 尝试下一个模型...\n")

    # 所有模型都失败了
    return {
        "error": "所有模型尝试失败",
        "tried_models": models,
        "suggestion": "请检查网络连接或稍后重试"
    }

if __name__ == "__main__":
    # 使用脱敏后的提示词生成海报
    print(f"[测试] 使用脱敏模板生成海报...\n")

    # 方法1：使用通用模板（推荐）
    poster_prompt = generate_poster_prompt(wenzhang)

    print(f"[脱敏提示词] 长度: {len(poster_prompt)} 字符\n")
    print(f"[提示词预览]\n{poster_prompt}\n")
    print("="*80 + "\n")

    result = generate_image(poster_prompt)
    print("\n[结果]")
    print(json.dumps(result, ensure_ascii=False, indent=2))

    # 如果成功生成，保存图片URL
    if isinstance(result, dict) and 'data' in result:
        print("\n[成功] 图片生成成功！")
        if len(result['data']) > 0 and 'url' in result['data'][0]:
            image_url = result['data'][0]['url']
            print(f"[图片URL] {image_url}")

            # 下载图片
            try:
                img_response = requests.get(image_url, timeout=30)
                if img_response.status_code == 200:
                    timestamp = time.strftime("%Y%m%d_%H%M%S")
                    filename = f"poster_{timestamp}.png"
                    with open(filename, 'wb') as f:
                        f.write(img_response.content)
                    print(f"[保存成功] 图片已保存为: {filename}")
                else:
                    print(f"[下载失败] HTTP {img_response.status_code}")
            except Exception as e:
                print(f"[下载异常] {str(e)}")

```

 
- 增加下面这张图片之前的效果
- 标题的字体稍微艺术化一些，看起来总体给人一种轻松中稍微带点调皮的感觉

 
点击下面的地址的链接，申请去水印即可
https://bigmodel.cn/usercenter/safety-mgmt/watermark

 
```
from tpf.llm import MyChat 
chat = MyChat()

url,img_path = chat.glm_image(prompt=prompt, 
                              models=["cogview-3","glm-image", ],
                              outdir="",size="1024x1024",)

print("img_path:",img_path)
```

windows环境

 
```
PS C:\Users\itora> npm -v
8.5.5
```
npm install -g @anthropic-ai/claude-code

安装插件
Claude Code for VS Code

ANTHROPIC_BASE_URL=https://open.bigmodel.cn/api/anthropic
ANTHROPIC_AUTH_TOKEN="777...8Itj"

 
- 在 ‌VS Code‌ 中通过 ‌OAI Compatible Provider for Copilot‌ 插件，接入 ‌智谱AI 的 GLM-4.6 或 GLM-5‌ 大模型
- 在 VS Code 的扩展商店中搜索并安装 ‌OAI Compatible Provider for Copilot
- 安装完成后，点击 插件右边的齿轮设置图标，选择settings,进入插件设置界面
- Base Url: https://open.bigmodel.cn/api/anthropic
- Commit Language: 选择 简体中文
- 配置完插件后，点击chat图标，展开对话框,Auto -- Manage Models -- Add Models 
- 选择 Anthropic ,API Key，完成模型添加
- 智谱AI官方平台 https://open.bigmodel.cn/， API Key

 
```
export ANTHROPIC_BASE_URL="https://open.bigmodel.cn/api/anthropic"
export ANTHROPIC_AUTH_TOKEN="777...8Itj"
```
- 没买智谱包月计划的，按tokens消耗扣费： 填写具体模型的base url

 
https://bailian.console.aliyun.com/cn-beijing/#/home
itoracle@aliyun.com
Name_deptno 

 
https://bailian.console.aliyun.com/cn-beijing/?tab=api#/api/?type=model&url=2975126


支持多样化的艺术风格，尤其擅长在图像中渲染复杂文字，可实现图文混合的布局设计。
qwen-image-plus-2026-01-09推荐
qwen-image

同步接口（推荐）
HTTP调用
通义千问Qwen-image模型支持同步接口，一次请求即可获得结果，调用流程简单，推荐用于多数场景。

北京地域：POST 
https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation


    

 
```
curl --location 'https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \
--header 'Content-Type: application/json' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--data '{
    "model": "qwen-image-max",
    "input": {
        "messages": [
            {
                "role": "user",
                "content": [
                    {
                        "text": "一副典雅庄重的对联悬挂于厅堂之中，房间是个安静古典的中式布置，桌子上放着一些青花瓷，对联上左书“义本生知人机同道善思新”，右书“通云赋智乾坤启数高志远”， 横批“智启通义”，字体飘逸，在中间挂着一幅中国风的画作，内容是岳阳楼。"
                    }
                ]
            }
        ]
    },
    "parameters": {
        "negative_prompt": "低分辨率，低画质，肢体畸形，手指畸形，画面过饱和，蜡像感，人脸无细节，过度光滑，画面具有AI感。构图混乱。文字模糊，扭曲。",
        "prompt_extend": true,
        "watermark": false,
        "size": "1664*928"
    }
}'
```