软件工程第一次作业

这个作业属于哪个课程	H202601软件工程与软件工程实践
这个作业要求在哪里	2026秋软件工程个人作业（第一次）
这个作业的目标	学习使用 Hugging Face API 调用 AI 图像生成模型，并结合前端实现交互式图片生成；掌握 Markdown 编写博客的方法，同时提升 AI 应用开发实践能力
学号	102401205

一、Hugging Face API调用 Flux模型生成图像

1.1 实验目的

本次实验通过调用 Hugging Face 平台提供的 API，实现基于 Flux 模型的 AI 图像生成。

实验目标：

注册并使用 Hugging Face 平台；
获取 API Token；
调用 XLabs-AI/flux-RealismLora 模型生成真实感图片；
编写后端程序处理 API 请求；
结合 HTML 页面实现用户输入提示词并生成图片的交互功能。

1.2 实验环境

开发环境：

操作系统：Windows
编程语言：Python
后端框架：Flask
前端技术：
- HTML
- CSS
- JavaScript

使用工具：

Visual Studio Code
Hugging Face账号
Python 3.12

1.3 Hugging Face账号注册及API获取

首先在 Hugging Face 官网注册个人账号。

进入：

Settings → Access Tokens

创建 API Token。

生成 Token 后，将其配置到 Python 程序中，用于身份验证。

二、模型选择

本次实验使用模型：

XLabs-AI/flux-RealismLora

模型地址：

https://huggingface.co/XLabs-AI/flux-RealismLora

该模型主要用于生成具有真实摄影效果的图片。

选择该模型的原因：

Flux模型具有较强的文本理解能力；
RealismLora增强了图片真实感；
可以生成接近现实照片风格的图像。

三、API调用实现

3.1 后端代码

后端使用 Python 编写，通过 Hugging Face API 接收用户输入的提示词，并返回生成图片。

核心流程：

用户在网页输入 Prompt；
前端发送请求；
Flask 接收请求；
调用 Hugging Face API；
返回生成图片；
页面显示结果。

代码：

from fastapi import FastAPI
from fastapi.staticfiles import StaticFiles
from pydantic import BaseModel

from gradio_client import Client

import shutil
import os
import time


app = FastAPI()


HF_SPACE = "DamarJati/FLUX.1-RealismLora"


client = None


def get_client():

    global client

    if client is None:

        print("正在连接 Flux...")

        client = Client(
            HF_SPACE
        )
        print(client.view_api())

        print("Flux连接成功")

    return client

class Prompt(BaseModel):

    text:str

@app.post("/generate")
def generate_image(data:Prompt):

    prompt = data.text

    print("====================")
    print("收到提示词:")
    print(prompt)

    c = get_client()

    print("开始生成...")

    try:

        result = c.predict(
            prompt,
            3.2,          
            32,           
            True,         
            3981632454,   
            1152,         
            896,          
            0.85,       
            api_name="/run_lora"
        )

    except Exception as e:

        print("Flux调用失败:")
        print(e)

        return {
            "success":False,
            "error":str(e)
        }

    print("====================")
    print("返回类型:")
    print(type(result))

    print("返回内容:")
    print(result)

    image_path = None

    if isinstance(result, tuple):

        image_path = result[0]


    elif isinstance(result, list):

        image_path = result[0]



    elif isinstance(result, str):

        image_path = result


    elif isinstance(result, dict):

        if "image" in result:

            image_path = result["image"]

    if image_path is None:


        return {

            "success":False,

            "error":
            "无法解析Flux返回",

            "raw":
            str(result)

        }




    print("图片路径:")
    print(image_path)



    os.makedirs(
        "static",
        exist_ok=True
    )


    save_path = "static/generated.png"



    shutil.copy(
        image_path,
        save_path
    )


    print("保存成功")



    return {


        "success":True,

        "image":
        "/generated.png"

    }



app.mount(

    "/",

    StaticFiles(

        directory="static",

        html=True

    ),

    name="static"

)

四、前端交互设计

为了实现用户交互，本实验增加了简单网页界面。

页面主要包含：

输入框：
用户输入图片描述
生成按钮：
点击后发送请求
图片显示区域：
展示AI生成结果

页面截图：

五、API调用成功记录

运行 Python 程序：

说明 Flask 服务启动成功。

API调用截图：

六、Prompt设计过程

第一次提示词

A realisetic photo of a mountain lake

生成效果：

问题：

生成图片比较简单，缺少细节。

第二次优化

修改为：

A realistic city street in the evening,
people walking on the road,
cinematic lighting,
high detail,
photography style

优化原因：

增加：

时间
场景
人物
光照
风格描述

生成效果：

最终Prompt

A realistic photograph of a modern city street,
people walking,
trees and buildings,
natural sunlight,
high resolution,
cinematic photography style,
8k detailed最终效果：

七、生成效果分析

通过多次调整 Prompt 后，生成图片的真实性明显提高。

主要优化方向：

增加具体场景描述；
添加光照信息；
添加摄影风格关键词；
使用高清细节描述。

最终生成图片具有：

更自然的人物比例；
更真实的光影效果；
更接近现实照片的视觉效果。

八、实验过程中遇到的问题

1. API调用失败

问题：

Token配置错误导致无法访问模型。

解决方法：

重新检查：

Token是否正确；
API请求格式；
网络连接情况。

2. 图片生成速度较慢

原因：

AI图像生成需要较大的计算资源。