随着基础模型（如 VLMs，例如 Minimax、Qwen-V）和尖端图像生成技术（如 Flux 1.1）的快速发展，我们正进入一个创造性可能性的新纪元。结合像 T5 这样的模型以增强对潜在空间中文本提示的理解，这些工具使得生产广告级别的关键视觉（KVs）成为可能，且具有显著的真实感。在本组织中，我们测试了结合这些模型生成高质量 KVs 的潜力。我的任务是开发一个 KV 生成系统，能够复制特定风格，利用针对各个产品的预训练 LoRA 模型，提供视觉上令人惊艳的结果，甚至在适合打印的高分辨率格式中。为了构建原型，我探索了几种 AI 编码工具的能力。本文将分享我最初的经验和学习，首先介绍我用作这些系统输入的高层次 PRD。

👉 野卡 | 一分钟注册，轻松订阅海外线上服务

技术栈与系统设计

KV 系统设计

KV 系统是一个基于 AI 的关键视觉生成系统，旨在为客户品牌生成高质量的关键视觉。

技术栈

• 前端：Next.js

• 样式：Tailwind CSS

• UI 组件：Shadcn UI

• 提示优化：OpenAI

• 数据库：Supabase

• 后端：Python + Flask

• AI 图像生成：ComfyUI API

主要功能

主页面功能

• 基于 KV 风格和设计产品的选择，生成客户品牌的关键视觉。

• 用户选择 KV 风格后，相应的提示将自动加载。

• 所有 KV 风格和提示均存储在数据库中，以便将来使用。

• 用户可以下载生成的图像并分享，或将其保存到服务器。

• 用户可以在生成图像前修改提示。

• 生成图像时显示等待动画。

设置页面功能

• 管理员可以添加、删除或更新 KV 风格和提示。

历史页面功能

• 用户可以查看所有生成的图像，并下载或删除它们。

数据库架构

• KV_styles：存储 KV 风格、KV 风格图像和提示。

• Products：存储产品信息、描述、图像和 LoRA 模型路径。

• KV_images：存储用户生成的图像。

平台对比

V0：前端开发的得力助手

使用 V0，我能够相当有效地开发单独的页面。然而，每个页面需要单独处理，适合前端任务而非完整应用开发。V0 的优势在于快速生成视觉上吸引人的前端设计，但后端功能有限。代码导出是页面特定的，这可能导致耗时。

优点：快速生成前端原型，适合视觉设计。缺点：后端开发能力不足，多页面集成耗时。

Cursor：有潜力但有限制的 AI 编码 IDE

Cursor 基于 VSCode 开源版本构建，为开发者提供了熟悉的环境。然而，它在前端和后端文件夹的链接上表现不佳。虽然能生成初始项目结构，但在处理复杂项目时显得不可靠。

优点：快速生成项目结构，适合副驾驶式开发。缺点：处理复杂项目时能力有限。

Bolt.new：基于 SaaS 的 AI 编码环境

Bolt.new 提供了前端和后端的同步开发，且无需本地环境设置。平台在执行任务前会询问确认，并自动修复代码问题。虽然速度较慢，但其与外部工具的集成能力令人印象深刻。

优点：自动化程度高，支持外部工具集成。缺点：编码和测试速度较慢。

Windsurf：基于代理的高自动化 AI 编码平台

Windsurf 提供了高度自动化的编码体验，适合专注于结果的用户。它支持最新的编程框架，但缺乏对视觉文件拖放的支持。

优点：编码准确性高，自动化能力强。缺点：视觉支持有限。

费用与试用选项

• Cursor、V0、Bolt.new 和 Windsurf：均提供每月 $20 的基本订阅。

• Windsurf：提供两周免费试用。

• V0 和 Bolt.new：提供试用积分，但消耗较快。

• Cursor：免费版本功能有限，不适合复杂项目。

最终推荐

• 前端原型设计：V0 或 Cursor。

• 全栈原型设计：Bolt.new。

• 后端/复杂编码：Windsurf。

• 预算友好选项：Windsurf 的两周免费试用。

👉 野卡 | 一分钟注册，轻松订阅海外线上服务

文章来自于“barry的异想世界”，作者“barry的异想世界”。