AI 图片标签衍生系统
基于千问视觉大模型（Qwen-VL）的医疗健康图片标签自动衍生系统。
功能概述
- 守护进程模式：持续监控数据库，自动处理新数据（默认10秒轮询）
- 批量处理模式：10张图片一个请求，多请求并发执行
- 内容审核处理：自动识别审核失败图片，标记状态并记录原因
- RESTful API 服务：提供标签衍生的 HTTP 接口
- 智能重试机制：API 调用失败自动重试，支持指数退避
- 统一配置管理：支持环境变量配置，灵活部署
- 完整日志系统：文件 + 控制台双输出，便于问题排查
标签衍生流程
1. 查询数据库
└─ SELECT * FROM ai_image_tags WHERE status='tag_extension'
2. 拼接图片URL
└─ 完整URL = CDN基础URL + image_url
3. 按10张分组，并发发送请求
├─ Prompt：图片1: ID=123, 原始标签「高血压」, 关键字「心血管」
├─ Prompt：图片2: ID=124, 原始标签「糖尿病」, 关键字「内分泌」
└─ + 10张原图URL
4. 大模型返回衍生标签
└─ {"results": [{"id": 123, "derived_tags": ["衍生1", "衍生2"]}]}
5. 更新数据库
├─ ai_tags表：INSERT 衍生标签
├─ ai_image_tags表：UPDATE tag_id, tag_name
└─ status: tag_extension → manual_review
6. 审核失败处理（DataInspectionFailed）
├─ status → automated_review_failed
└─ 记录失败原因到 automated_review_failed_reason
项目结构
ai_tagging_images/
├── config/
│ ├── __init__.py
│ └── settings.py # 配置管理中心
├── logs/ # 日志目录（自动创建）
├── promt/
│ └── qwen_tag_derive_prompt.py
├── database_config.py # 数据库连接和 DAO
├── image_tag_derive.py # 标签衍生主程序（支持守护模式）
├── start_tag_derive.sh # 部署管理脚本
├── logger.py # 日志模块
├── retry_handler.py # 重试机制
├── tag_derive_api.py # FastAPI 服务
├── query_tags.py # 标签查询工具
├── check_results.py # 结果检查工具
├── requirements.txt # 依赖清单
└── ai_article.sql # 数据库结构
快速开始
1. 安装依赖
pip install -r requirements.txt
2. 配置环境变量（可选）
# Windows
set DASHSCOPE_API_KEY=your-api-key
set DB_HOST=localhost
set DB_PASSWORD=your-password
# Linux/Mac
export DASHSCOPE_API_KEY=your-api-key
export DB_HOST=localhost
export DB_PASSWORD=your-password
3. 运行标签衍生服务
守护模式（推荐）：
# 持续监控数据库，自动处理新数据
python image_tag_derive.py --daemon
# 指定轮询间隔（默认10秒）
python image_tag_derive.py --daemon --interval 10
# 并发配置
python image_tag_derive.py --daemon --batch-size 50 --concurrency 3
单次执行模式：
# 处理全部待处理数据
python image_tag_derive.py
# 测试模式：只处理指定数量
python image_tag_derive.py --limit 10
# 从指定ID开始处理（断点续传）
python image_tag_derive.py --start-id 100
# 指定ID范围处理
python image_tag_derive.py --start-id 100 --end-id 200
# 指定批次大小和并发数
python image_tag_derive.py --batch-size 50 --concurrency 5
# 按指定ID处理（单个或多个）
python image_tag_derive.py --id 16495
python image_tag_derive.py --id 16495 16496 16497
命令行参数：
| 参数 | 说明 |
|---|---|
--daemon |
守护模式：持续监控数据库 |
--interval |
轮询间隔（秒），默认10秒 |
--limit |
限制处理数量（测试用） |
--start-id |
起始ID（断点续传） |
--end-id |
结束ID |
--batch-size |
每批次从数据库读取数量 |
--concurrency |
并发请求数 |
--id |
指定处理的ID列表 |
4. 部署管理脚本
# 启动服务
./start_tag_derive.sh start
# 停止服务
./start_tag_derive.sh stop
# 强制停止
./start_tag_derive.sh force-stop
# 重启服务
./start_tag_derive.sh restart
# 查看状态
./start_tag_derive.sh status
# 查看日志
./start_tag_derive.sh logs
./start_tag_derive.sh logs-follow
5. 启动 API 服务
python tag_derive_api.py
服务启动后访问：
API 接口
| 方法 | 端点 | 说明 |
|---|---|---|
| GET | / |
服务状态 |
| GET | /health |
健康检查 |
| POST | /api/derive/single |
单张图片标签衍生 |
| POST | /api/derive/batch |
批量标签衍生（最多5张） |
| POST | /api/derive/async |
异步批量任务 |
| GET | /api/task/{task_id} |
查询任务状态 |
| GET | /api/stats |
统计信息 |
| GET | /api/pending |
待处理列表 |
示例请求
单张图片衍生：
curl -X POST http://127.0.0.1:8000/api/derive/single \
-H "Content-Type: application/json" \
-d '{
"image_url": "https://example.com/image.jpg",
"tag_name": "高血压"
}'
响应：
{
"success": true,
"original_tag": "高血压",
"derived_tags": ["血压升高", "心血管疾病", "降压药", "血压监测"],
"merged_tag": "#高血压##血压升高##心血管疾病##降压药##血压监测#"
}
配置说明
| 环境变量 | 默认值 | 说明 |
|---|---|---|
DASHSCOPE_API_KEY |
- | 千问 API Key |
DB_HOST |
localhost | 数据库主机 |
DB_PORT |
3306 | 数据库端口 |
DB_USER |
root | 数据库用户 |
DB_PASSWORD |
- | 数据库密码 |
DB_DATABASE |
ai_article | 数据库名 |
BATCH_SIZE |
3 | 每批处理图片数 |
QWEN_MAX_RETRIES |
3 | 最大重试次数 |
LOG_LEVEL |
INFO | 日志级别 |
API_PORT |
8000 | API 服务端口 |
技术栈
- 大模型：阿里云千问 Qwen-VL-Max
- Web 框架：FastAPI
- 数据库：MySQL 9.0
- Python：3.10+
数据表
主要涉及以下数据表：
ai_image_tags：图片标签关联表ai_tags：标签主表
状态流转
tag_extension → manual_review （衍生成功）
tag_extension → automated_review_failed （内容审核失败）
内容审核失败处理：
- 当大模型返回
DataInspectionFailed错误时 - 自动更新
status = 'automated_review_failed' - 记录失败原因到
automated_review_failed_reason字段
日志
日志文件保存在 logs/ 目录，按日期命名：
logs/
└── tag_derive_20260130.log
License
MIT