dify + ollama + deepseek-r1+ stable-diffusion 构建绘画智能体

故事背景

stable-diffusion 集成进 dify 后，我们搭建一个小智能体，验证下文生图功能

业务流程

用户输入文本 LLM根据用户诉求,
生成文生图英文prompt 根据文生图prompt调用
stable-diffusion 生成图片输出图片和英文prompt

节点图

节点说明

LLM

LLM 节点采用 deepseek-r1 模型，提示词为：根据用户输入的文本，理解并转换成文生图提示词，且提示词必须是英文，输出内容不带思考过程，以文本输出

代码执行

由于大模型生成的文本中，还存在思考过程，这里由于是demo，直接字符串截取，获取英文prompt

验证效果

LLM节点输出的数据为

json 复制代码

{
  "text": "<details style=\"color:gray;background-color: #f8f8f8;padding: 8px;border-radius: 4px;\" open> <summary> Thinking... </summary>\n好的，我现在需要处理用户的查询。用户提供了一段中文文本："《红楼梦》中的林黛玉"，然后要求我将其转换为用于文生图的提示词，并且这个提示词必须是英文，同时不带任何思考过程，直接输出结果。\n\n首先，我要理解用户的需求。他们希望将中文描述转换成英文的提示词，用于生成图像。这可能是因为他们正在使用一个支持英文提示词的绘图工具或API，比如DALL·E、MidJourney或者Stable Diffusion等。这些工具通常需要明确且详细的英文提示词来生成高质量的图像。\n\n接下来，我分析用户提供的文本："《红楼梦》中的林黛玉"。这句话提到了两个关键元素：一是作品名称《红楼梦》，二是人物林黛玉。因此，提示词需要包含这两个信息点，并且可能还需要一些额外的描述来帮助生成更准确的画面。\n\n考虑到绘图模型通常对细节和氛围比较敏感，我应该在提示词中添加一些环境或风格的描述。例如，"古典中国文学作品"可以传达出《红楼梦》的文化背景；"忧郁而优雅"则能描绘林黛玉的性格特点；再加上"传统服饰"来具体化人物的形象。\n\n然后，我会把这些元素组合成一个连贯的英文句子。确保用词准确且自然流畅，避免过于生硬或直译。例如，"A melancholic and elegant character from the classic Chinese literary work 'Dream of the Red Chamber'"能够很好地表达林黛玉的角色特质和作品背景；"dressed in traditional Chinese attire"则进一步细化了人物的外貌特征。\n\n最后，检查整个提示词是否完整，是否有遗漏的关键信息。确保没有语法错误，并且每个部分都清晰传达给绘图模型，以便生成符合预期的画面。\n</details>\n\nA melancholic and elegant character from the classic Chinese literary work \"Dream of the Red Chamber\", dressed in traditional Chinese attire",
  "usage": {
    "prompt_tokens": 45,
    "prompt_unit_price": "0",
    "prompt_price_unit": "0",
    "prompt_price": "0E-7",
    "completion_tokens": 402,
    "completion_unit_price": "0",
    "completion_price_unit": "0",
    "completion_price": "0E-7",
    "total_tokens": 447,
    "total_price": "0E-7",
    "currency": "USD",
    "latency": 42.33978042751551
  },
  "finish_reason": "stop"
}