文章图片智能匹配系统

AI驱动的文章与图片智能匹配系统，支持自动匹配现有图片、Gemini生成新图片、封面图压字花处理，并批量发布文章。

项目概述

本项目实现了以下核心功能：

• 从数据库读取待处理的文章数据（status='pending_review' 且 review_user_id=152）
• 基于文章标签和科室智能匹配现有图片库（优先实拍图，后模板图）
• 使用通义千问大模型评估文章与图片的匹配度（阈值0.6）
• 匹配失败时自动调用Gemini API生成图片（0张图：1封面+2详情；1张图：补充缺失类型）
• 封面图压字花处理：本地化图片文字融合（深褐色文字+白色描边，居中显示）
• 将图片信息插入数据库并上传到服务器
• 所有图片生成完成后统一调用RPA审核接口

技术栈

• Python 3.12
• 运行平台: Linux 服务器（不支持Windows）
• 数据库: MySQL (PyMySQL)
• AI服务:
  • Google Gemini API (图片生成，模型：gemini-3-pro-image-preview)
  • 通义千问 API (文章图片匹配评估，模型：qwen-max)
• 核心依赖库:
  • requests==2.31.0 - HTTP请求
  • google-genai==0.1.0 - Gemini API调用
  • pymysql - MySQL数据库连接
  • Pillow==10.0.0 - 图片处理和文字融合

项目结构

文字匹配图片/
├── article_auto_image_matching.py    # 主程序：文章图片智能匹配
├── start_article_auto_image_matching.sh  # 启动脚本
├── database_config.py                # 数据库配置管理
├── log_config.py                    # 日志配置
├── export_approved_articles.py      # 导出审核通过的文章
├── export_image_tags.py             # 导出图片标签数据
├── push_article_published.py        # 文章发布监控脚本
├── requirements.txt                 # 项目依赖
├── setup_env.bat                    # Windows环境初始化脚本
├── setup_env.sh                     # Linux/macOS环境初始化脚本
├── db/                             # 数据库表结构
│   ├── split_tables/              # 按表拆分的SQL文件（24个表）
│   └── ai_articles.sql            # 完整数据库结构
└── logs/                           # 日志目录
    ├── article_image_matching.log       # 匹配日志
    ├── article_image_matching_error.log # 错误日志
    └── start_*.log                      # 启动日志

环境配置

1. Linux 中文字体安装（必需）

封面图压字花功能需要中文字体支持，请先安装：

Ubuntu/Debian:

sudo apt-get update
sudo apt-get install fonts-wqy-zenhei fonts-wqy-microhei

CentOS/RHEL:

sudo yum install wqy-zenhei-fonts wqy-microhei-fonts
# 或安装 Google Noto 字体
sudo yum install google-noto-sans-cjk-fonts

验证字体安装:

fc-list :lang=zh

2. Python 虚拟环境

本项目使用共享虚拟环境：/home/work/keyword_crawl/venv

如需创建新环境：

python3 -m venv /home/work/keyword_crawl/venv
source /home/work/keyword_crawl/venv/bin/activate
pip install -r requirements.txt

3. 数据库配置

编辑 database_config.py 中的数据库连接信息：

DB_CONFIG = {
    'host': 'your_host',
    'user': 'your_user',
    'password': 'your_password',
    'database': 'ai_articles',
    'charset': 'utf8mb4'
}

使用方法

快速启动（推荐）

1. 赋予执行权限:

chmod +x start_article_auto_image_matching.sh

2. 前台运行（查看实时输出）:

./start_article_auto_image_matching.sh

3. 后台运行:

nohup ./start_article_auto_image_matching.sh > /dev/null 2>&1 &

4. 查看运行状态:

# 查看进程
ps aux | grep article_auto_image_matching

# 查看最新日志
ls -lt logs/start_*.log | head -1
tail -f logs/start_*.log

手动运行

source /home/work/keyword_crawl/venv/bin/activate
python article_auto_image_matching.py

导出数据

导出审核通过的文章:

python export_approved_articles.py

导出图片标签数据:

python export_image_tags.py

核心功能说明

1. 文章图片匹配流程

1. 查询待匹配文章：status='pending_review' 且 review_user_id=152，无图片关联
2. 获取可用图片：根据文章科室ID查询可用图片（image_attached_article_count < 5 且 status='generate'）
3. 图片优先级排序：实拍图（image_source=2）> 模板图（image_source=1），按挂载次数升序
4. 通义千问评估：调用API评估匹配度，阈值0.6
5. 匹配成功：插入关联记录，更新图片状态为published
6. 匹配失败：根据当前图片数量采用不同策略生成图片

2. 图片生成策略

• 0张图：生成1张封面图（image_source=12）+ 2张详情图（image_source=13）
• 1张图：
  • 缺少实拍图：生成1张封面图（image_source=12）
  • 缺少AI生成图：补充详情图至2张（image_source=13）
• ≥2张图：检查并补充缺失类型图片

3. 封面图压字花处理（本地化）

核心特性：

• ✅ 文字居中显示：自动计算居中坐标
• ✅ 深褐色文字：RGB(180, 60, 50)
• ✅ 白色描边效果：3像素宽度
• ✅ 自适应字体大小：基础120px，根据图片尺寸调整（40-150px）
• ✅ 自动换行：每行最多12个字符
• ✅ 跨平台支持：自动检测操作系统并加载对应字体

处理流程：

1. Gemini生成封面图片
2. 本地压字花处理（添加文章标题）
3. 上传到通用图片接口
4. 插入数据库关联记录（image_source=12）

技术优势：

• 绕过网络接口的 IncompleteRead 问题
• 本地处理更快更稳定
• 完全符合视觉规范

4. Gemini图片生成流程

1. 根据文章标题和标签生成提示词
2. 调用Gemini API生成图片（模型：gemini-3-pro-image-preview）
3. 插入 ai_images 表
4. 插入 ai_image_tags 表（image_source=3表示AI生成）
5. 上传图片到服务器（获取真实URL）
6. 更新数据库中的图片URL
7. 插入 ai_article_images 表（sort_order自动递增）

5. RPA审核接口

所有图片（1封面+2详情）生成完成后，统一调用RPA审核接口：

• 端点：POST /api/articles/rpa/review
• 参数：article_ids（文章ID列表）、image_source（图片来源类型）

数据库表结构

主要表说明

• ai_articles: 文章主表
• ai_images: 图片信息表
• ai_image_tags: 图片标签关联表
• ai_article_images: 文章图片关联表
• ai_tags: 标签表
• ai_keywords: 关键词表
• ai_departments: 部门表

配置参数

核心常量

WORKER_COUNT = 4           # 并行处理worker数量
BATCH_SIZE = 50           # 每批处理的文章数量
MATCH_THRESHOLD = 0.6     # 匹配分数阈值（0-1）

API配置

Gemini API:

• 端点：https://work.poloapi.com
• 模型：gemini-3-pro-image-preview
• API Key：配置在代码中

通义千问 API:

• 端点：https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation
• 模型：qwen-max
• API Key：配置在代码中

后端服务 API:

• 登录：http://47.99.184.230:8324/api/auth/login
• 图片上传：http://47.99.184.230:8324/api/images/upload
• RPA审核：http://47.99.184.230:8324/api/articles/rpa/review

日志说明

日志文件位置

日志文件存储在 logs/ 目录下：

• article_image_matching.log - 文章匹配主日志
• article_image_matching_error.log - 错误日志
• start_YYYYMMDD_HHMMSS.log - 启动脚本日志

日志级别

• INFO：正常流程信息
• WARNING：警告信息（如字体加载失败）
• ERROR：错误信息（如图片生成失败）

数据库日志

系统会将关键操作记录到 ai_logs 表：

• 启动/停止服务
• 文章匹配成功/失败
• 图片生成成功/失败
• API调用结果

注意事项

1. 运行平台：仅支持Linux服务器，不支持Windows
2. 中文字体：封面图压字花功能必须安装中文字体（文泉驿正黑/微米黑）
3. 虚拟环境：使用共享虚拟环境 /home/work/keyword_crawl/venv
4. API密钥：妥善保管Gemini和通义千问的API密钥
5. 数据库密码：生产环境建议使用环境变量管理敏感信息
6. 并发控制：默认4个worker并行处理，可根据服务器性能调整
7. 图片生成策略：所有图片生成完成后才调用RPA审核接口
8. 网络稳定性：封面图上传已本地化处理，避免 IncompleteRead 错误

常见问题

1. 字体加载失败

错误：无法加载任何中文字体

解决：

# Ubuntu/Debian
sudo apt-get install fonts-wqy-zenhei fonts-wqy-microhei

# CentOS/RHEL
sudo yum install wqy-zenhei-fonts

# 验证安装
fc-list :lang=zh

2. 虚拟环境未找到

错误：[警告] 未找到虚拟环境

解决：检查虚拟环境路径是否正确，或使用系统Python

3. 图片上传失败

原因：网络不稳定导致的 IncompleteRead 错误

解决：已通过本地化处理解决，封面图使用本地压字花+通用上传接口

4. Gemini生成超时

解决：检查网络连接和API密钥配置

许可证

内部项目，保密使用。