使用 Dify 搭建 AI 图片生成助手并不是什么难事，而且不需要你会编程知识，也能轻松实现。
但是，Dify 在搭建 AI 图片生成助手的过程中会遇到很多坑，例如以下这些：
- 有些组件随着时间的推移，已经不能正常调用了；
- 有些组件在国内需要魔法才能使用；
- 有些组件需要复杂的本地部署才能正常调用；
- 有些组件虽然能用，但生成的速度、成本、质量，是无法应用于生产环境的。
所以，接下来本文就带你来避开这些坑。
1.搭建AI图片生成助手
在 Dify 中，搭建 AI 图片生成助手的步骤主要分为以下几步：
- 添加“文生图”组件（这一步有很多坑）。
- 获取组件 API Key，通常需要去官网注册账号，申请 API Key。
- 在 Dify 中创建“Agent”应用。
- 添加提示词。
- 添加“文生图”工具。
- 编写提示词，生成图片。
接下来我们分别来看。
2.添加文生图组件
所谓“文生图”组件，指的是根据文字生成图片的组件（工具），Dify 中提供的和“图片”有关的插件如下：
这些组件大致可以这样分类：
- 本地模型
- 云端模型
a.需要魔法
b.不需要魔法
当然，其中本地模型因为部署麻烦，所以我们这里不会使用（但企业级应用为了考虑数据隐私性可能会用），需要魔法的云端模型我们也不会用，执行速度慢，并且对于小白用户不友好。所以最符合预期的模型为不需要魔法的云端大模型。
不需要魔法的（好用一点的）云端大模型有以下这些：
- Doubao：字节旗下大模型，非官方维护插件，对使用者来说无影响。
- 智普 AI：清华团队开发的国内知名大模型，并且智普 AI 提供了可以免费生成图片的大模型（生成图片效果一般）。
- 讯飞星火：讯飞公司旗下生成图片的大模型。
- Stability：国际知名图片生成大模型，不需要魔法可调用，但不支持中文提示词，以及只为新用户提供了 25 积分（一次图片生成大概会消耗 4 积分）。
（1）避坑硅基流动（SiliconFlow）
有人这里会说生成图片为什么不选择硅基流动（SiliconFlow）啊？它支持 Flux 和 Stable Diffusion 都是图片生成届注明的大模型，如下图所示：
当然，我刚开始的时候也是这么想的，把 SiliconFlow 插件添加上，申请一个 API Key 可以选择调用多个大模型，看起来是很美好的时候。
但是当我尝试的时候，发现这两种图片生成的大模型压根就调用不了，起初我以为是配置权限或 API Key 填写的某个环节出现了问题，各种折腾，到最后发现效果还是一样的，完全不用了。
于是就 Google 了一把，发现了问题，原来是早些时候确实是能正常调用的，但是在今年 2 月份，硅基流动为了规范化运营，已经把很多大模型给下线了，其中也包括咱们要使用的 Flux 和 Stable Diffusion，这是不能调用的关键，但 Dify 中的插件并没有将这两个工具去掉，所以调用就会出现各种奇怪的报错信息，如下图所示：
（2）推荐图片模型
不同的使用场景，推荐使用的图片模型是不同的，例如以下这些：
- 如果对生成图片的成本比较敏感：可以使用智普 AI 的免费文生图的模型。
- 如果对生成图片的质量要求比较高：建议使用 Doubao 文生图模型，Doubao 3.0 版本之前生成图片的质量很差，但 3.0 版本之后，不知道是不是和即梦 AI 整合了，视觉生成质量有一个很多的提升，并且也为新用户送 500 次的免费调用次数，开发环境够用了。但在调用插件的时候也有一些坑，需要注意。
3.调用Doubao文生图工具
调用 Doubao 图片生成有几个坑，这个需要给大家详细说一下，不然很容易出错。
首先在插件市场，安装 Doubao 插件：
之后是去 Doubao 平台开通图片生成权限和添加生成 API Key，这两个步骤都很容易出错。
插件提供的访问地址不对，一定要去火山方舟平台，也就是这个地址：https://console.volcengine.com/ark/region:ark+cn-beijing/openManagement
我们需要以下三步：
实名认证完成之后，一定是选择下面栏目并开通服务：
接下来是容易出错的地方，当你点击获取 API Key 有可能会到这个地址，但这个地址不对（是火山方舟不是火山引擎）：
如果获取的是这个地方的 API Key 就会在生成调用的时候，提示 401 没有权限，正常的操作是点击上面的“方舟大模型专用 API Key”，进入到这个页面，点击创建 API Key 才行：
4.Dify创建Agent编排任务
创建 Agent 应用：
“
什么是 Agent？
Agent 是一种模拟人类行为和能力的 AI 系统，它通过自然语言处理与环境交互，能够理解输入信息并生成相应的输出。Agent 还具有 "感知" 能力，可以处理和分析各种形式的数据。此外，Agent 能够调用和使用各种外部工具和 API 来完成任务，扩展其功能范围。这种设计使 Agent 能够更灵活地应对复杂情况，在一定程度上模拟人类的思考和行为模式。
因此，很多人都会将 Agent 称为“智能体”。
（1）撰写提示词
提示词（Prompt）是 Agent 的灵魂，直接影响到输出的效果。通常来说越具体的提示词输出的效果越好，但是过冗长的提示词也会导致一些负面效果。
调整提示词的工程，我们称之为提示词工程（Prompt Engineering）
在本次实验中，你不必担心没有掌握提示词工程，我们会在后面循序渐进地学习它。
让我们从最简单的提示词开始：
复制根据用户的提示，使用工具绘画指定内容。
用户每次输入命令的时候，Agent 都会知晓这样的系统级的指令，从而了解要执行用户绘画的任务的时候需要调用一个叫 Doubao 的工具进行绘图。
（2）添加绘图工具
（3）测试图片生成
5.发布
点击右上角的发布按钮，发布后选择运行就可以获得一个在线运行的 Agent 的网页。
复制这个网页的 URL，可以分享给其他好友使用。
6.优化：指定图片风格
我们可以在用户输入的命令中加上画风的指令，例如：二次元风格，画一个女孩，手中拿着一本打开的书
但是如果我们希望风格默认都是二次元风格呢，那么我们加在系统提示词里就行了，因为我们之前了解到系统提示词是每次执行用户命令都会知晓的，优先级更高。
复制根据用户的提示，使用工具绘画指定内容，画面是二次元风格
7.优化：拒绝某些不当请求？
在许多业务场景中，我们需要避免输出一些不合理的内容，但是 LLM 很多时候比较 “傻”，用户下指令时会照做不误，即使输出的内容是错的，这种模型为了努力回答用户而编造虚假内容的现象称为模型幻觉（Hallucinations），那么我们需要让模型必要的时候拒绝用户的请求。
此外，用户也可能提一些和业务无关的内容，我们也需要让 Agent 这个时候拒绝请求。
我们可以使用 markdown 格式给不同的提示词进行划分，将上述教 Agent 拒绝不合理内容的提示词写到 “约束” 标题下。当然，这样的格式仅仅是为了规范化，你可以有自己的格式。
复制## 任务 根据用户的提示，使用工具绘画指定内容，画面是二次元风格。 ## 约束 如果用户在请求和绘画无关的内容，回复：“对不起，我不明白你在说什么”
例如，我们尝试提问：今晚吃什么
在一些更正式的业务场景中，我们可以调用敏感词库来拒绝用户的请求。
在添加功能 - 内容审查中添加关键词 “晚饭”，当用户输入关键词时，则 Agent 应用输出 “对不起，我不明白你在说什么”。
小结
Dify 是一个入门简单，但用好比较难的技术，这点和 Java 有点像，但没关系，跟我一起，快速上手学习 AI 技术，避免踩坑。一起动手试起来吧~
