2025/12/5 每日总结 从0到1搭建AI儿童故事平台：数据模型设计与大模型选型

从0到1搭建AI儿童故事平台：数据模型设计与大模型选型

作为软件构造课程的核心实验项目，AI儿童故事平台的开发目标是打造一个“文本+图像+音频”三位一体的多媒体故事生成与管理系统。而项目成功的关键，始于前期扎实的基础搭建——包括贴合需求的数据模型设计，以及适配场景的大模型选型。这两步不仅决定了后续功能开发的顺畅度，更直接影响平台的扩展性与用户体验。本文就来详细拆解这一“地基工程”的实现思路与决策逻辑。

一、项目背景与核心需求拆解

在数字化时代，儿童故事的呈现形式早已超越单一文本，家长和孩子更需要“可读、可看、可听”的沉浸式体验。基于这一需求，我们的AI儿童故事平台核心目标是：用户输入简单关键词（如“宇航员、小狗、月球”），平台自动生成完整儿童故事，并配套生成贴合意境的插图与专业朗读音频，最终以“故事卡”形式呈现。
围绕这一核心目标，拆解出三大核心需求：

1. 文本生成：基于关键词创作符合6-12岁儿童认知的故事，需具备完整性、趣味性与教育意义；

2. 多媒体联动：故事生成后自动触发插图、音频生成，三者精准关联；

3. 可扩展性：支持后续用户管理、故事收藏、资源导出等功能拓展，避免后期重构。

二、数据模型设计：兼顾当下需求与未来拓展

数据模型是平台的骨架，设计时需避免“只顾当前、不顾长远”的短视思维。我们采用“基础字段+预留扩展”的设计思路，以MySQL为数据库，核心表为storys，同时预留多表关联空间。

1. 核心表结构设计（storys表）

字段名	类型	说明
id	INT	主键，自增，确保故事唯一性
title	VARCHAR(255)	故事标题，由AI生成或默认命名
summary	VARCHAR(500)	故事梗概（100字以内），方便用户快速了解故事核心
content	TEXT	故事正文，存储完整AI生成内容
keywords	VARCHAR(100)	用户输入的关键词（逗号分隔），用于关联插图、音频生成及标签复用
created_time	DATETIME	故事创建时间，默认自动填充当前时间
img	VARCHAR(255)	预留字段，存储插图本地文件路径（实验二拓展）
img_url	VARCHAR(255)	预留字段，存储插图访问URL（实验二拓展）
img_prompt	VARCHAR(500)	预留字段，存储插图生成提示词（实验二拓展）
audio_url	VARCHAR(255)	预留字段，存储音频访问URL（实验三拓展）
user_id	INT	预留字段，关联用户表，实现故事专属化（大作业拓展）

2. 设计思路解析

• 主键选择：以id为自增主键，确保每篇故事唯一标识，便于后续关联查询；

• 核心字段优先：title、summary、content、keywords、created_time满足实验一的故事生成与存储需求；

• 预留扩展字段：img、img_url等字段提前规划，避免实验二、三拓展时修改表结构，减少重构成本；

• 多表关联预留：user_id字段为后续用户管理模块铺路，未来新增users表（存储用户账号、昵称、邮箱）后，可直接通过user_id实现“用户-故事”一对一关联，确保用户只能查看自己的故事。

  3. 数据库配置优化

  为保证开发环境一致性与部署灵活性，数据库配置通过config.py文件管理，采用环境变量优先级高于硬编码的方式：

  # config.py 核心配置
  import os
  from dotenv import load_dotenv
  load_dotenv() # 加载.env文件中的环境变量
  # MySQL数据库配置
  MYSQL_HOST = os.getenv("MYSQL_HOST", "localhost")
  MYSQL_PORT = os.getenv("MYSQL_PORT", "3306")
  MYSQL_USER = os.getenv("MYSQL_USER", "root")
  MYSQL_PASSWORD = os.getenv("MYSQL_PASSWORD", "~~~~~~")
  MYSQL_DATABASE = os.getenv("MYSQL_DATABASE", "storygenerator")
  # 数据库连接URL
  DATABASE_URL = os.getenv("DATABASE_URL")
  if not DATABASE_URL:
  DATABASE_URL = f"mysql+pymysql://{MYSQL_USER}:{MYSQL_PASSWORD}@{MYSQL_HOST}:{MYSQL_PORT}/{MYSQL_DATABASE}"
  

  这种配置方式既方便本地开发（无需修改代码，仅需配置.env文件），也便于后续部署时快速适配服务器环境。

  三、大模型选型：轻量化、高适配、低学习成本

  平台核心依赖三大类大模型：文本生成（故事创作）、文生图（插图生成）、语音合成（音频朗读）。选型时遵循“场景适配优先、易用性为辅”的原则，拒绝盲目追求“大而全”，选择最贴合儿童故事场景的模型。

  1. 文本生成模型：Kimi（ moonshot-v1-8k）

  选型对比

  模型	优势	劣势
  Kimi	API文档简洁、调用流程简单、支持JSON格式输出、响应速度快	生态不如文心一言完善
  百度文心一言	生态完善、功能丰富	接口配置复杂、冗余功能多、学习成本高

  最终决策：Kimi

  选择Kimi的核心原因的三点：

• 场景适配：支持指定输出格式（强制JSON），可直接返回title、summary、content结构化数据，无需复杂解析；

• 易用性强：API调用仅需api_key与简单参数配置，30行左右代码即可完成核心调用；

• 成本可控：moonshot-v1-8k模型支持8192 tokens上下文，完全覆盖儿童故事500-800字的篇幅需求，且免费额度足够开发测试。

  关键配置：提示词设计

  儿童故事的生成质量，核心在于提示词的精准度。我们设计的提示词既明确约束条件，又保留AI想象力：

  prompt = f"""
  请根据以下关键词创作一个适合6-12岁儿童的精彩故事：
  关键词：{keywords}
  要求：
  
  
  

1. 故事要生动有趣，富有想象力

2. 语言简单易懂，适合儿童阅读

3. 包含完整的起承转合

4. 故事长度在500-800字之间

5. 要有积极向上的主题和教育意义
   请严格按照以下JSON格式返回数据：
   {{
   "title": "故事标题",
   "summary": "故事梗概（100字以内）",
   "content": "完整故事内容"
   }}
   请确保只返回JSON格式的数据，不要包含其他任何文本。
   """

### 2. 文生图模型：阿里云百炼（qwen-image-plus）

#### 选型理由


- 风格适配：`qwen-image-plus`模型在儿童插画生成上表现突出，色彩鲜艳、画面生动，契合6-12岁儿童审美；

- 配置简单：仅需`access_key`即可调用，无需复杂环境部署；

- 灵活可控：支持自定义图片尺寸（如1024x1024），生成速度快（平均3-5秒），满足实时性需求。

### 3. 语音合成模型：百度TTS

#### 选型理由

- 多模式适配：支持短文本、长文本、流式合成三种模式，可应对不同篇幅的故事朗读；

- 音色丰富：提供“度小美”“度小宇”等适合儿童的音色，支持语速、音量、音调调整；

- 文档详尽：API调用示例清晰，错误码说明完善，问题排查成本低。

## 四、开发环境搭建与基础配置

### 1. 技术栈选型

- 后端：Python 3.10+、Flask（轻量级Web框架，便于快速开发）；

- 数据库：MySQL 8.0；

- 依赖管理：pip + requirements.txt（统一依赖版本，避免环境冲突）；

- 工具：PyCharm（IDE）、Postman（API测试）、Navicat（数据库管理）。

### 2. 核心依赖安装

```txt
# requirements.txt
flask==2.3.3
requests==2.31.0
pymysql==1.1.0
python-dotenv==1.0.0
Pillow==10.1.0 # 后续图片处理用
dashscope==1.14.0 # 阿里云百炼API依赖

3. API密钥配置

所有第三方API密钥均通过.env文件管理，不硬编码到代码中，保障安全性：

# .env文件
KIMI_API_KEY=your_kimi_api_key
ALIYUN_ACCESS_KEY=your_aliyun_access_key
BAIDU_API_KEY=your_baidu_api_key
BAIDU_SECRET_KEY=your_baidu_secret_key
MYSQL_HOST=localhost
MYSQL_PORT=3306
MYSQL_USER=root
MYSQL_PASSWORD=~~~~~~
MYSQL_DATABASE=storygenerator

五、总结：基础搭建的核心原则

从数据模型设计到大模型选型，再到开发环境配置，整个基础搭建阶段始终围绕“稳、准、灵”三大原则：

• 稳：数据模型设计扎实，避免后期重构；依赖版本统一，减少环境冲突；

• 准：大模型选型精准匹配儿童故事场景，不盲目追求“大而全”；

• 灵：配置灵活，支持本地开发与后续部署快速切换；预留扩展字段，适配功能迭代。
  做好这些基础工作后，后续的故事生成、插图联动、音频合成等功能开发就能顺理成章地推进。