Vibecoding 案例分享：零代码打造 AI 绘本生成器

面向人群：无编程基础的纯小白
项目周期：约 2 周（边学边做）
最终成果：一个能把任意文档自动转换成儿童绘本的 AI 应用

️ 效果展示

上图展示了一本由 AI 自动生成的儿童绘本《狐狸大冒险》，包含封面、内容页、互动页、角色参考图等完整内容。

学习路线图

第一阶段：Demo（5 分钟看到效果）

核心理念：别看理论，先动手！5 分钟内让你看到效果。

Step 1：下载 AI 编辑器（2 分钟）

1. 打开浏览器，搜索 "Cursor 下载" 或 "Windsurf 下载"
2. 下载安装包，双击安装
3. 用邮箱注册账号

Step 2：创建项目文件夹

在电脑上随便找个地方，新建一个文件夹：我的AI绘本

Step 3：复制这段话给 AI

打开 Windsurf/Cursor，按 Cmd+L（Mac）或 Ctrl+L（Windows）打开 AI 对话框。

复制粘贴这段话：

我想做一个 AI 绘本生成器。

请帮我创建一个最简单的版本：
1. 用 Python + Gradio 做界面
2. 用户输入一段文字描述
3. 调用 AI 生成一张绘本风格的图片
4. 显示出来

先帮我创建项目结构和必要的文件。
​

Step 4：跟着 AI 做（2 分钟）

AI 会告诉你：

• 创建哪些文件
• 安装什么依赖
• 怎么运行

你只需要：点击 AI 给的"Apply"按钮，它会自动帮你创建文件。

Step 5：接入 Nano Banana Pro API

Nano Banana Pro 是一个强大的 AI 图片生成服务，用于生成绘本插图。

1. 申请 API Key

1. 打开 https://grsai.com (注: 这个网站目前是我用着相对性价比感觉比较高的nano banana pro模型服务商, 如果有其他更好的模型服务商, 欢迎在评论区分享)

2. 注册账号并登录
3. 进入控制台，创建 API Key(按需购买积分, 按照我的经验来说, 10 元以内对于测试项目是完全够用的, 非广告推销, 只是为了测试与接入nano banana pro做图片生成功能使用)
   
4. 重要：妥善保存你的 API Key，不要泄露！

2. 配置环境变量

在项目根目录创建 .env 文件（如果没有的话），添加以下配置：

# Nano Banana Pro API（用于 AI 图片生成）
NANO_BANANA_API_KEY=sk-7832cba5ad4e4119bbd1bf756ea721ab(这里提供一个可直接用来做测试的 api_key, 有额度限制, 建议实践的同学后续换成自己的 api_key，注意不要泄露，避免被他人使用)
NANO_BANANA_API_BASE=https://grsai.com
NANO_BANANA_MODEL=nano-banana-pro
​

可选模型：

• nano-banana-fast - 快速生成，质量一般
• nano-banana-pro - 专业版（推荐）

3. 让 AI 帮你接入

把下面这段话复制给 AI：

请帮我接入 Nano Banana Pro 图片生成 API。

API 信息：
- 基础 URL: https://grsai.com
- 绘画接口: POST /v1/draw/nano-banana
- 结果查询: POST /v1/draw/result
- 认证方式: Bearer Token (放在 Authorization header)

请求参数：
- model: 模型名称，如 "nano-banana-pro"
- prompt: 图片描述
- aspectRatio: 图片比例，如 "16:9"
- imageSize: 图片大小，如 "2k"

返回结果是异步的，需要轮询 /v1/draw/result 接口获取生成结果。

请帮我：
1. 创建一个 image_service.py 服务类
2. 从 .env 读取 API Key
3. 实现生成图片和等待结果的逻辑


​

AI 会帮你生成完整的接入代码！

如果AI生成的代码有错误, 可以打开接入文档:https://grsai.com/dashboard/documents/nano-banana, 然后把所有的 api 调用信息copy 过来, 让AI帮你实现具体的接入逻辑, 而你只需要配置下 Token 就可以了。

Step 6：运行看效果！

AI 会告诉你运行命令，通常是：

pip install gradio openai
python app.py
​

然后打开浏览器，访问 http://localhost:7860，你就能看到一个简单的界面了！

** 恭喜！你已经做出了第一个 AI 应用！**

Demo 阶段小结

第二阶段：上手（1-2 天完成完整项目）

上面的 Demo 只是开胃菜，下面是完整的项目开发过程。

什么是 Vibecoding？

Vibecoding = 用自然语言告诉 AI 你想要什么，让 AI 帮你写代码。

你不需要懂编程语法，只需要：

1. 清晰描述你的想法
2. 和 AI 对话迭代
3. 测试并反馈问题

就像和一个程序员朋友聊天，告诉他你想做什么，他帮你实现。

项目目标

痛点

• 幼儿园老师想把教案变成绘本给小朋友看，但不会画画
• 家长想把孩子喜欢的故事做成图文并茂的绘本
• 培训机构想把枯燥的知识点变成有趣的图画书

解决方案

上传一个文档 → AI 自动生成一本完整的绘本

包含：故事大纲、角色设计、每页插图、最终 PPT/PDF

️ 完整实战过程

第一轮对话：从零开始

我对 AI 说：

"我想做一个 AI 绘本生成器。用户上传一个 PDF 文档，系统自动把它变成一本儿童绘本。需要有：文档解析、大纲生成、图片生成、导出 PDF 这几个功能。用 Python Flask 做后端。"

AI 帮我生成了：

• 项目目录结构
• Flask 应用入口文件
• 数据库模型（存储绘本信息）
• 基础 API 接口

第二轮对话：完善文档解析

我对 AI 说：

"文档解析这块，我想支持 PDF、Word、TXT 格式。PDF 可能有图片，需要用 OCR 识别。帮我接入mineru 这个 OCR 服务。"

AI 帮我实现了：

• 文件上传接口
• 根据文件类型选择不同解析方式
• 调用 mineru API 解析 PDF
• 提取文档中的图片并生成描述

如何申请与接入 mineru API呢？

https://mineru.net/

全能的文档解析神器全能的文档解析神器

精准解析 高效提取 全面助力AI Ready数据自由

打开网址, 注册账号, 进入首页.

点击 'API'，先进行 API 申请, "MinerU API 申请问卷", 提交后很快就会收到通过的申请.

申请通过后，就可以创建 API Token 了(注意, 该 Token 要保存好，后面要用到, 且不要轻易泄漏)。

mineru当前每天支持 10000 次的免费调用，基本可以满足我们的测试需求!

在接入阶段, 将API文档页中关于如何接入 API 的全部内容 copy 过来, 让AI帮我实现具体的接入逻辑, 而你只需要配置下 Token 就可以了。

第三轮对话：设计 Prompt（最关键！）

我对 AI 说：

"大纲生成的 Prompt 不太好，生成的内容太像 AI 写的，没有童趣。我想要：

1. 让 AI 扮演'世界级儿童绘本设计师'
2. 每页要有叙事目标、关键内容、视觉画面、布局结构
3. 避免 AI 废话，比如'不仅仅是 X，而是 Y'这种
4. 封面要有冲击力，封底要有仪式感"

AI 帮我优化了 Prompt：

你是一位世界级的儿童绘本设计师和故事讲述者。

你制作的绘本能根据源素材和目标受众进行调整。
凡事皆有故事，而你要找到最佳的讲述方式。

每一页必须包含以下 4 个部分：
// NARRATIVE GOAL (叙事目标)
// KEY CONTENT (关键内容)  
// VISUAL (视觉画面)
// LAYOUT (布局结构)

**至关重要 (CRITICAL):**
- 避免"标题：副标题"格式，这很 AI 感
- 禁止"不仅仅是 [X]，而是 [Y]"这种废话
- 封底不要用"谢谢观看"，要有设计感的结束语
​

第四轮对话：解决角色一致性问题

我发现的问题：

"生成的绘本里，同一个小狐狸在不同页面长得不一样！第一页是橙色的，第三页变成红色了。"

我对 AI 说：

"怎么让角色在每一页都保持一致？"

AI 给出的方案：

1. 先生成一张"角色设定图"（正面、侧面、不同表情）
2. 生成每一页时，把角色设定图作为参考传给 AI
3. 在 Prompt 里强调"必须和参考图保持一致"

角色设定图示例：包含全身姿势（站立、挥手、坐下、行走）、面部表情（开心、好奇、惊讶、坚定）、关键特征标注（发型、眼睛、服装）

##  Character Consistency (CRITICAL)
You MUST maintain character consistency with the reference image.
- Keep the same: face shape, eye color, hair style, clothing
- Only change: pose, expression, and interaction with the scene
​

第五轮对话：添加实时进度

我对 AI 说：

"生成一本绘本要好几分钟，用户干等着体验很差。能不能实时显示进度？比如'正在解析文档...'、'正在生成第 3 页...'这样。"

AI 帮我实现了 SSE（服务器推送事件）：

• 用户创建任务后，获得一个 task_id
• 前端通过 SSE 订阅进度
• 后端每完成一步就推送进度更新
• 每生成一张图就实时显示出来

第六轮对话：支持用户上传照片

我对 AI 说：

"有个新需求：用户可以上传自己的照片（比如孩子的照片），让 AI 把照片融入到绘本插图里。比如画一个卡通场景，但里面有真实的照片。"

AI 帮我设计了 Mixed Media 方案：

️ Reality Layer (真实照片层)
   └── 用户上传的照片，保持 100% 真实质感

 Illustration Layer (插画层)
   └── AI 生成的卡通角色和场景

 The Glue (融合层)
   └── 光影统一、边缘交互
​

上手阶段小结

⚡ 第三阶段：优化（解决实际问题）

项目跑起来了，但会遇到各种问题。这一节教你怎么解决。

Vibecoding 的关键技巧

1. 先描述"做什么"，再说"怎么做"

❌ 错误示范：

"帮我写一个 Flask 路由，用 POST 方法，接收 multipart/form-data..."

✅ 正确示范：

"我需要一个文件上传功能，用户可以上传 PDF 文件，系统保存后返回一个任务 ID"

2. 遇到问题，描述现象而非猜测原因

❌ 错误示范：

"数据库连接池是不是有问题？"

✅ 正确示范：

"上传文件后，有时候会报错'connection timeout'，大概 10 次里有 2 次"

3. 用具体例子说明期望

❌ 错误示范：

"生成的内容不够好"

✅ 正确示范：

"现在生成的标题是'狐狸的故事：一个关于友谊的冒险'，我想要更有童趣的，比如'嘿！这就是你要找的狐狸入门指南'"

4. 分步骤迭代，不要一次说太多

❌ 错误示范：

"帮我做一个完整的绘本系统，要有用户登录、文件上传、AI 生成、导出 PDF、分享到微信..."

✅ 正确示范：

"我们先做文件上传功能。用户上传一个 PDF，系统保存到本地，返回文件路径。"

踩坑指南：我遇到的问题和解决方案

这些坑我都踩过，分享出来让你少走弯路。

坑 1：API Key 泄露

问题：把 API Key 写在代码里，上传到 GitHub，被人盗用，一夜之间扣了 500 块。

解决：

# ❌ 错误：直接写在代码里
api_key = "sk-xxxxxxxxxxxxx"

# ✅ 正确：写在 .env 文件里
# .env 文件（不要上传到 GitHub）
OPENAI_API_KEY=sk-xxxxxxxxxxxxx

# 代码里这样读取
import os
api_key = os.getenv("OPENAI_API_KEY")
​

记住：创建 .gitignore 文件，把 .env 加进去。

坑 2：生成的图片风格不统一

问题：第一页是卡通风格，第二页变成写实风格了。

解决：在每个图片生成的 Prompt 里，都加上风格描述。

# ❌ 错误：只描述内容
prompt = "画一只狐狸在森林里"

# ✅ 正确：内容 + 风格
prompt = """
画一只狐狸在森林里。

风格要求：
- 迪士尼皮克斯 3D 动画风格
- 明亮温暖的色调
- 角色有大眼睛、圆润的线条
- 背景简洁，有柔和的光线
"""
​

坑 3：角色长得不一样

问题：同一个角色，每一页长得都不一样。

解决：

1. 先生成一张角色参考图
2. 每次生成页面时，把参考图传给 AI
3. 在 Prompt 里强调"必须和参考图一致"

坑 4：生成太慢，用户以为卡死了

问题：生成一本绘本要 5 分钟，用户盯着白屏。

解决：

1. 加进度条
2. 每完成一步就更新状态
3. 每生成一张图就立刻显示

坑 5：Prompt 太长，AI 忘记前面的要求

问题：Prompt 写了 2000 字，AI 只记住了最后几句。

解决：

1. 把最重要的要求放在 Prompt 的开头和结尾
2. 用 **加粗** 或 ⚠️ 重要 标记关键要求
3. 把长 Prompt 拆成多个短 Prompt

Prompt 模板：拿来就用

这些是我调试好的 Prompt，直接复制使用。

模板 1：大纲生成 Prompt

你是一位世界级的儿童绘本设计师和故事讲述者。

## 任务
根据以下文档内容，设计一本 10-15 页的儿童绘本大纲。

## 文档内容
{这里粘贴文档内容}

## 输出要求
为每一页提供：
1. **标题**：叙事性标题（不是"标题：副标题"格式）
2. **叙事目标**：这一页在故事中的作用
3. **关键内容**：要展示的文字
4. **视觉画面**：场景、角色动作、表情
5. **布局**：构图建议

## 禁止事项
- 禁止使用"让我们一起..."、"小朋友们..."等说教语气
- 禁止"不仅仅是X，而是Y"等 AI 味道的句式
- 禁止以"谢谢观看"结尾

## 输出格式
JSON 格式，便于程序解析
​

模板 2：图片生成 Prompt

你是一位专业的儿童绘本插画师。

## 任务
为绘本的第 {页码} 页绘制插图。

## 页面内容
标题：{标题}
文字：{内容}
场景：{视觉描述}

## 风格要求
- 迪士尼皮克斯 3D 动画风格
- 明亮温暖的色调，主色调为橙色、绿色、蓝色
- 角色有大眼睛、圆润的线条
- 背景简洁，有柔和的光线
- 16:9 比例，4K 分辨率

## 角色一致性（重要！）
主角必须和参考图保持一致：
- 相同的：脸型、眼睛颜色、发型、服装
- 可以变化的：姿势、表情、与场景的互动

## 禁止
- 禁止出现 Markdown 符号（# * 等）
- 禁止文字模糊不清
- 禁止风格突变
​

模板 3：角色设定图 Prompt

创建一张角色设定图（Character Reference Sheet）。

## 角色信息
名称：{角色名}
描述：{外观描述}

## 设定图要求
1. 展示角色的 3 个角度：正面、3/4 侧面、侧面
2. 展示 3-4 种表情：开心、好奇、惊讶、思考
3. 展示全身和面部特写
4. 使用干净的白色背景
5. 标注关键特征（发色、眼睛颜色、服装细节）

## 风格
{风格描述，如"迪士尼皮克斯 3D 动画风格"}

## 布局
横向 16:9，像专业的角色设计稿一样排列
​

优化阶段小结

第四阶段：深水区（理解原理，举一反三）

这一节帮你理解"为什么"，而不只是"怎么做"。理解了设计思路，你就能举一反三，做出自己的 AI 应用。

项目成果展示

功能清单

技术栈（你不需要懂，AI 帮你选的）

• 后端：Python Flask
• 数据库：SQLite（开发）/ PostgreSQL（生产）
• 文档解析：MinerU OCR
• AI 模型：GPT-4o（文本）+ GPT-Image-1 / Gemini（图片）
• 动画生成：可灵 AI / 通义万象

️ 项目架构

小白版（快速理解）

你上传一个 PDF/Word 文档
        ↓
   ┌─────────────────────────────────────┐
   │  第 1 步：文档解析                    │
   │  把文档里的文字和图片提取出来          │
   └─────────────────────────────────────┘
        ↓
   ┌─────────────────────────────────────┐
   │  第 2 步：AI 生成绘本大纲             │
   │  决定分几页、每页讲什么、画什么        │
   └─────────────────────────────────────┘
        ↓
   ┌─────────────────────────────────────┐
   │  第 3 步：AI 生成角色参考图           │
   │  确保主角在每一页长得一样             │
   └─────────────────────────────────────┘
        ↓
   ┌─────────────────────────────────────┐
   │  第 4 步：AI 批量生成每页插图         │
   │  根据大纲，一页一页画出来             │
   └─────────────────────────────────────┘
        ↓
   ┌─────────────────────────────────────┐
   │  第 5 步：导出成品                    │
   │  打包成 PPT/PDF，还能生成动画视频！   │
   └─────────────────────────────────────┘
        ↓
   一本完整的 AI 绘本诞生！
​

系统架构图

架构说明：

完整技术流程（进阶版）

┌─────────────────────────────────────────────────────────────────────────────┐
│                           AI 绘本生成完整流程                                │
└─────────────────────────────────────────────────────────────────────────────┘

用户输入
├── 主题/文档内容 (parsed_content)
├── 风格关键词 (style_keyword): "疯狂动物城"、"宫崎骏"
├── 参考图片 (reference_images): 风格参考图
└── 素材图片 (source_images): 需要嵌入绘本的真实照片

        ↓

┌─────────────────────────────────────────────────────────────────────────────┐
│  Stage 1: 风格生成 (Style Generator)                                        │
├─────────────────────────────────────────────────────────────────────────────┤
│  输入:                                                                      │
│  - theme (主题)                                                             │
│  - style_keyword (风格关键词)                                               │
│  - reference_images (参考图片) ← 多模态 LLM 分析图片风格                     │
│  - target_audience (目标受众)                                               │
│                                                                             │
│  输出:                                                                      │
│  - style_config JSON (设计美学、配色、字体、视觉元素、角色风格)              │
└─────────────────────────────────────────────────────────────────────────────┘

        ↓ style_config

┌─────────────────────────────────────────────────────────────────────────────┐
│  Stage 2: 大纲生成 (Outline Generator)                                      │
├─────────────────────────────────────────────────────────────────────────────┤
│  输入:                                                                      │
│  - parsed_content (文档内容)                                                │
│  - background_knowledge (联网搜索的背景知识)                                │
│  - style_config (来自 Stage 1)                                              │
│  - source_images (素材图片列表) ← 告知 LLM 有多少张图片可用                  │
│  - user_prompt, target_audience, subject, theme_character                   │
│                                                                             │
│  输出:                                                                      │
│  - 完整绘本大纲 JSON                                                        │
│    - title, style_config, sections                                          │
│    - 每页 slide: title, narrative_goal, content, visual_description,        │
│                  layout, embedded_images (如 ["IMG_1", "IMG_2"])            │
└─────────────────────────────────────────────────────────────────────────────┘

        ↓ 大纲 + embedded_images

┌─────────────────────────────────────────────────────────────────────────────┐
│  Stage 3: 图片生成 (Image Generator)                                        │
├─────────────────────────────────────────────────────────────────────────────┤
│  对每个 slide 执行:                                                         │
│                                                                             │
│  1. 检查 embedded_images 是否为空                                           │
│     ├── 有图片 → 使用 REALITY_PATCH_TEMPLATE                                │
│     └── 无图片 → 使用 STANDARD_TEMPLATE                                     │
│                                                                             │
│  2. 拼接视觉指令:                                                           │
│     - style_config.design_aesthetic                                         │
│     - slide.visual_description                                              │
│     - Reality Layer / Illustration Layer / The Glue (如有图片)              │
│                                                                             │
│  3. 调用多模态 API:                                                         │
│     - prompt: 拼接后的视觉指令                                              │
│     - images: source_images 中对应的真实图片 (IMG_1 → source_images[0])     │
│                                                                             │
│  输出:                                                                      │
│  - 每页的生成图片 (Mixed Media: 插画 + 真实照片融合)                        │
└─────────────────────────────────────────────────────────────────────────────┘

        ↓

最终绘本 (图片 + 文字)
​

核心设计原则

原则 1：流水线思维 —— 把大问题拆成小步骤

问题：直接让 AI "把文档变成绘本" 太模糊，AI 不知道从哪下手。

解决：拆成 5 个清晰的步骤，每一步只做一件事。

❌ 错误思路：一步到位
   "AI，把这个 PDF 变成绘本"
   → AI 懵了，不知道要做什么

✅ 正确思路：流水线
   步骤1：提取文字 → 步骤2：生成大纲 → 步骤3：画角色 → 步骤4：画每页 → 步骤5：打包
   → 每一步都很清晰，AI 能精准执行
​

原则 2：Prompt 是灵魂 —— 好的提示词决定一切

类比：Prompt 就像你给厨师的菜谱

• 菜谱写"做一道好吃的菜" → 厨师随便做
• 菜谱写"用鸡胸肉、西兰花、蒜末，先煎后炒，少盐多蒜" → 厨师精准执行

原则 3：分层架构 —— 让代码像乐高积木

┌─────────────────────────────────────────────────────────────┐
│   界面层 (Gradio) - 用户看到的界面                          │
└─────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────┐
│   服务层 (Services) - 具体的业务逻辑                        │
└─────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────┐
│   AI 层 (Providers) - 和各种 AI 模型通信                    │
└─────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────┐
│   数据层 (Database) - 存储绘本信息                          │
└─────────────────────────────────────────────────────────────┘
​

好处：想换一个 AI 模型？只改 AI 层，其他层不用动。

原则 4：异步处理 —— 别让用户干等

❌ 同步处理：点击"生成" → 白屏 5 分钟 → 突然全部出来

✅ 异步处理：点击"生成" → "正在解析文档..." → "正在生成大纲..."
   → "第 1 页生成完成 ✓" [显示图片] → "第 2 页生成完成 ✓" [显示图片]
​

项目文件结构（参考）

AI绘本/
├── backend/                    # 后端代码
│   ├── app.py                 # Flask 应用入口
│   ├── config.py              # 配置文件
│   ├── requirements.txt       # Python 依赖
│   ├── .env                   # 环境变量（API Key 放这里）
│   │
│   ├── controllers/           # API 接口
│   ├── services/              # 业务逻辑
│   ├── models/                # 数据模型
│   ├── prompts/               # Prompt 模板
│   └── utils/                 # 工具函数
│
├── uploads/                   # 上传的文件
├── outputs/                   # 生成的绘本
└── docs/                      # 文档
​

常见问题

Q: 我完全不懂代码，真的能做出来吗？

A: 可以！关键是：把需求描述清楚、遇到问题及时问 AI、不要怕报错。

Q: 需要花多少钱？

A: AI 编辑器免费版够用，API 测试阶段大概几十块，开发阶段用本地电脑免费。

Q: 生成一本绘本要多久？

A: 文档解析 10-30 秒 + 大纲生成 20-40 秒 + 图片生成 2-5 分钟 = 总计约 3-6 分钟

相关资源

• 项目代码：就在这个文件夹里
• API 文档：docs/API文档-文件上传与解析.md
• SSE 文档：docs/SSE-API文档.md
• Prompt 设计：docs/AIPromot-AI 绘本生成完整流程.md

进阶方向

深水区小结

最后的话

Vibecoding 不是让你变成程序员，而是让你不需要成为程序员也能创造软件。

这个 AI 绘本项目，从想法到成品，全程都是和 AI 对话完成的。

你也可以。

*本文档由 Vibecoding 生成，用 AI 写关于 AI 的故事 *