修改一些直接使用中垒火焱大模型网关的服务

.gitignore

@@ -69,6 +69,8 @@ backend/logs/
 .env.*
 !.env.example
 !**/.env.example
+!.env.docker
+!**/.env.docker
 
 # IDE
 .vscode/
@@ -99,3 +101,4 @@ Thumbs.db
 # 本地导出的 IDE / 对话历史等（按需）
 history.txt
 .cursor/
+backend/.env.docker

admin-frontend/vite.config.js

@@ -2,6 +2,8 @@ import { defineConfig } from "vite";
 import vue from "@vitejs/plugin-vue";
 
 export default defineConfig({
+  // Docker 部署在 /admin/ 子路径下时需构建前设置 VITE_BASE_PATH=/admin/
+  base: process.env.VITE_BASE_PATH || "/",
   plugins: [vue()],
   server: {
     port: 5174,

backend/.env.example

@@ -10,8 +10,24 @@ APP.NAME=星云 API Server
 DB_HOST=106.15.186.110
 DB_PORT=5432
 DB_NAME=qiyeban_huoyanai
-DB_USER=zuoleiroot
+DB_USER=changeme_in_production
-DB_PASSWORD=C1C0DDleRy4wgSkD
+DB_PASSWORD=changeme_in_production
+
+
+# ==================== Neo4j 图数据库配置 ====================
+NEO4J_URI=bolt://ip:7687
+NEO4J_USER=neo4j
+NEO4J_PASSWORD=graph123
+
+# 数据库连接池配置
+DB_POOL_MIN_SIZE=5
+DB_POOL_MAX_SIZE=20
+DB_COMMAND_TIMEOUT=60
+CHECKPOINTER_POOL_MAX_SIZE=20
+
+# ==================== ChromaDB（与原项目同网络）====================
+CHROMA_HOST=106.15.186.110
+CHROMA_PORT=9527
 
 
 # ==================== JWT 认证配置 ====================
@@ -32,23 +48,18 @@ logging.enable_console=True
 # HTTP 请求超时时间（秒）
 HTTPX_DEFAULT_TIMEOUT=120
 
-# ==================== 代理配置 ====================
+# ==================== 业务 / 第三方 MCP ====================
-# 如果需要通过代理访问 GitHub（可选）
-# HTTP_PROXY=http://127.0.0.1:7890
-# HTTPS_PROXY=http://127.0.0.1:7890
-
 MCP_JUHE_TOKEN=SLIC4Zv3KnCkxyOYsZj4FabImp0RDdz8Td17Io0Tn2YHio
-OSS_ACCESS_KEY_ID = 'LTAI5tFGRDXbWyCzJL2e8Apd'
+
-OSS_ACCESS_KEY_SECRET = 'QMEBsDhuAX6YwSmAbbILvsA7WFU58w'
+# ==================== 阿里云 OSS（按需）====================
+OSS_ACCESS_KEY_ID = changeme_in_production
+OSS_ACCESS_KEY_SECRET = changeme_in_production
 OSS_ENDPOINT = 'https://oss-cn-hangzhou.aliyuncs.com'  # 根据你的区域修改
-
+OSS_BUCKET_NAME = changeme_in_production
-OSS_BUCKET_NAME = 'zhongleiai'
-CHROMA_HOST=106.15.186.110
-CHROMA_PORT=9527
 
 
 
-# RAG 配置
+# ==================== RAG / Embedding ====================
 RAG_CHUNK_SIZE=512              # 文本分块大小
 RAG_CHUNK_OVERLAP=50            # 分块重叠大小
 RAG_TOP_K=5                     # 检索返回的文档数量
@@ -59,27 +70,28 @@ EMBEDDING_MODEL=text-embedding-v4    # 通义千问 Embedding 模型
 EMBEDDING_DIMENSION=1536             # Embedding 维度
 
 
-# OCR_ACCESS_KEY_ID=LTAI5tE5oGfC37bh3Vg1KLNK
+# ==================== 阿里云 OCR ====================
-# OCR_ACCESS_KEY_SECRET=WBAa3Fh8Tw9Kvgx4zzagWDOcPlSp4L
+OCR_ACCESS_KEY_ID=changeme_in_production
-# OCR_ENDPOINT=ocr-api.cn-hangzhou.aliyuncs.com
+OCR_ACCESS_KEY_SECRET=changeme_in_production
-# OCR_USE_LOCAL=false
-
-OCR_ACCESS_KEY_ID=LTAI5tHAbs3umUtnMS1yR8Ti
-OCR_ACCESS_KEY_SECRET=eByWHxrWrrDtKgOmKIu9jood6RTtwS
 OCR_ENDPOINT=ocr-api.cn-hangzhou.aliyuncs.com
 OCR_USE_LOCAL=false
 MODERATION_ENABLED=false
 
-# ==================== Neo4j 图数据库配置 ====================
+# DEEPSEEK_API_KEY=sk-changeme_in_production
-NEO4J_URI=bolt://47.110.73.142:7687
+# DASHSCOPE_API_KEY=sk-changeme_in_production
-NEO4J_USER=neo4j
+# DEEPSEEK_API_BASE=https://api.zlapi.com.cn/api/v1
-NEO4J_PASSWORD=graph123
+# DASHSCOPE_API_BASE=https://api.zlapi.com.cn/api/v1
 
 
-DEEPSEEK_API_KEY=sk-CvmggZnFVo0JlaBOa1EL9FRjn4bEprK
-DASHSCOPE_API_KEY=sk-CvmggZnFVo0JlaBOa1EL9FRjn4bEprK
-DEEPSEEK_API_BASE=https://api.zlapi.com.cn/api/v1
-DASHSCOPE_API_BASE=https://api.zlapi.com.cn/api/v1
 
-# 通义：ChatOpenAI / 视觉等走此兼容 base（如 .../compatible-mode/v1）。USE_ORIGIN_MODEL=true 时 ChatTongyi / 文生图等原生 SDK 会自动用同主机 .../api/v1（勿把兼容 URL 直接当原生 base）。
+DEEPSEEK_API_KEY=changeme_in_production
-USE_ORIGIN_MODEL=false
+DASHSCOPE_API_KEY=changeme_in_production
+#DEEPSEEK_API_BASE=https://api.deepseek.com/v1
+DASHSCOPE_API_BASE=https://dashscope.aliyuncs.com/compatible-mode/v1
+
+# 当此处为 true 时，表示聊天模型，使用的是原生的厂商模型以及原生厂商地址，否则，使用的是中垒的d大模型网关
+USE_ORIGIN_MODEL=True
+
+# 此处为必填，表示一定要使用中垒的dashscope网关，设计到的服务有text_to_image, text_to_video, text_to_poster以及向量化服务的embedding模型
+ZL_DASHSCOPE_API_BASE=https://api.zlapi.com.cn/api/v1
+ZL_DASHSCOPE_API_KEY=changeme_in_production

backend/Dockerfile

@@ -0,0 +1,16 @@
+# Python 3.11 + uv（与 pyproject 中 requires-python 一致）
+FROM ghcr.io/astral-sh/uv:python3.11-bookworm-slim
+
+WORKDIR /app
+
+COPY pyproject.toml uv.lock ./
+RUN uv sync --frozen --no-dev
+
+COPY . .
+
+ENV PYTHONUNBUFFERED=1
+
+EXPOSE 7861 7862
+
+# 端口以环境变量 API.PORT / API_PORT 为准（见 core.config）
+CMD ["uv", "run", "python", "-m", "main"]

backend/services/vector_service.py

@@ -131,8 +131,8 @@ class VectorService:
         print(settings.dashscope_api_key, settings.dashscope_api_base)
         self.embedding = OpenAIEmbeddings(
             model="text-embedding-v4",
-            api_key=settings.dashscope_api_key,
+            api_key=os.getenv("ZL_DASHSCOPE_API_KEY"),  # 如果您没有配置环境变量，请在此处用您的API Key进行替换
-            base_url=settings.dashscope_api_base,
+            base_url=os.getenv("ZL_DASHSCOPE_API_BASE"),
             check_embedding_ctx_length=False,
         )
         

backend/services/vision_service.py

@@ -1,11 +1,12 @@
 """
 视觉模型服务
 
-基于阿里云通义千问视觉模型 (qwen-vl-max-latest) 提供图片理解能力。
+基于 OpenAI 兼容 ``chat.completions`` 接口（参见阿里云百炼视觉文档），使用支持图像输入的多模态模型。
-参考 server/aaa/jenius_attachment_knowledge_base/jenius_rag_util.py 的实现。
+默认模型 ``qwen3-vl-plus``；网关与密钥优先读 ``ZL_OPENAI_*``，未配置时回退 ``DASHSCOPE_*`` / ``settings``。
 """
 import asyncio
 import base64
+import os
 from typing import Optional
 
 from openai import OpenAI, AsyncOpenAI
@@ -15,6 +16,27 @@ from logger.logging import get_logger
 
 logger = get_logger(__name__)
 
+# 与 OpenAI 兼容视觉示例一致；可通过环境变量覆盖
+VISION_CHAT_MODEL = (os.getenv("ZL_OPENAI_VISION_MODEL") or "qwen3-vl-plus").strip()
+
+
+def _vision_openai_api_key() -> str:
+    zl = (os.getenv("ZL_OPENAI_API_KEY") or "").strip()
+    if zl:
+        return zl
+    return (settings.dashscope_api_key or "").strip()
+
+
+def _vision_openai_base_url() -> str:
+    zl = (os.getenv("ZL_OPENAI_BASE_URL") or "").strip().rstrip("/")
+    if zl:
+        return zl
+    return tongyi_openai_compatible_base_url().strip().rstrip("/")
+
+
+def _vision_client_signature() -> tuple[str, str]:
+    return (_vision_openai_api_key(), _vision_openai_base_url())
+
 
 def _is_vision_image_url(url: str) -> bool:
     if not url:
@@ -45,39 +67,33 @@ def image_bytes_to_data_url(image_bytes: bytes, mime_hint: Optional[str] = None)
 
 
 class VisionService:
-    """视觉模型服务类
+    """视觉模型服务：OpenAI SDK ``chat.completions`` + ``image_url``（URL 或 base64 data URL）。"""
-    
-    使用阿里云通义千问视觉模型进行图片理解和描述。
-    """
     
     _client_cache: Optional[AsyncOpenAI] = None
     _sync_client_cache: Optional[OpenAI] = None
+    _async_client_sig: Optional[tuple[str, str]] = None
+    _sync_client_sig: Optional[tuple[str, str]] = None
     _lock = asyncio.Lock()
     
     @classmethod
     async def _get_async_client(cls) -> AsyncOpenAI:
-        """获取或创建异步客户端（单例模式）"""
+        """获取或创建异步客户端（凭证变更时重建）。"""
-        if cls._client_cache is not None:
+        sig = _vision_client_signature()
-            return cls._client_cache
-        
         async with cls._lock:
-            if cls._client_cache is None:
+            if cls._client_cache is not None and cls._async_client_sig == sig:
-                cls._client_cache = AsyncOpenAI(
+                return cls._client_cache
-                    api_key=settings.dashscope_api_key,
+            cls._async_client_sig = sig
-                    base_url=tongyi_openai_compatible_base_url(),
+            cls._client_cache = AsyncOpenAI(api_key=sig[0], base_url=sig[1])
-                )
             return cls._client_cache
     
     @classmethod
     def _get_sync_client(cls) -> OpenAI:
-        """获取或创建同步客户端（单例模式）"""
+        """获取或创建同步客户端（凭证变更时重建）。"""
-        if cls._sync_client_cache is not None:
+        sig = _vision_client_signature()
+        if cls._sync_client_cache is not None and cls._sync_client_sig == sig:
             return cls._sync_client_cache
-        
+        cls._sync_client_sig = sig
-        cls._sync_client_cache = OpenAI(
+        cls._sync_client_cache = OpenAI(api_key=sig[0], base_url=sig[1])
-            api_key=settings.dashscope_api_key,
-            base_url=tongyi_openai_compatible_base_url(),
-        )
         return cls._sync_client_cache
     
     @classmethod
@@ -104,26 +120,20 @@ class VisionService:
             client = await cls._get_async_client()
             
             completion = await client.chat.completions.create(
-                model="qwen-vl-max-latest",
+                model=VISION_CHAT_MODEL,
                 messages=[
-                    {
-                        "role": "system",
-                        "content": [{"type": "text", "text": "You are a helpful assistant."}]
-                    },
                     {
                         "role": "user",
                         "content": [
-                            {
+                            {"type": "image_url", "image_url": {"url": image_url}},
-                                "type": "image_url",
+                            {"type": "text", "text": prompt},
-                                "image_url": {"url": image_url}
+                        ],
-                            },
-                            {"type": "text", "text": prompt}
-                        ]
                     }
-                ]
+                ],
             )
             
-            description = completion.choices[0].message.content
+            description = completion.choices[0].message.content or ""
+            if description:
                 logger.info(f"成功获取图片描述: {description[:50]}...")
             return description
             
@@ -142,8 +152,8 @@ class VisionService:
         从内存中的图片字节获取描述（异步），使用 data URL 调用通义 VL。
         用于知识图谱上传等无公网 URL 的场景。
         """
-        if not settings.dashscope_api_key:
+        if not _vision_openai_api_key():
-            logger.warning("未配置 DASHSCOPE_API_KEY，无法进行视觉理解")
+            logger.warning("未配置 ZL_OPENAI_API_KEY 或 DASHSCOPE_API_KEY，无法进行视觉理解")
             return ""
         if not image_bytes:
             return ""
@@ -174,26 +184,20 @@ class VisionService:
             client = cls._get_sync_client()
             
             completion = client.chat.completions.create(
-                model="qwen-vl-max-latest",
+                model=VISION_CHAT_MODEL,
                 messages=[
-                    {
-                        "role": "system",
-                        "content": [{"type": "text", "text": "You are a helpful assistant."}]
-                    },
                     {
                         "role": "user",
                         "content": [
-                            {
+                            {"type": "image_url", "image_url": {"url": image_url}},
-                                "type": "image_url",
+                            {"type": "text", "text": prompt},
-                                "image_url": {"url": image_url}
+                        ],
-                            },
-                            {"type": "text", "text": prompt}
-                        ]
                     }
-                ]
+                ],
             )
             
-            description = completion.choices[0].message.content
+            description = completion.choices[0].message.content or ""
+            if description:
                 logger.info(f"成功获取图片描述: {description[:50]}...")
             return description
             
@@ -225,27 +229,21 @@ class VisionService:
             client = await cls._get_async_client()
             
             completion = await client.chat.completions.create(
-                model="qwen-vl-max-latest",
+                model=VISION_CHAT_MODEL,
                 messages=[
-                    {
-                        "role": "system",
-                        "content": [{"type": "text", "text": "You are a helpful assistant that can analyze images and answer questions about them."}]
-                    },
                     {
                         "role": "user",
                         "content": [
-                            {
+                            {"type": "image_url", "image_url": {"url": image_url}},
-                                "type": "image_url",
+                            {"type": "text", "text": question},
-                                "image_url": {"url": image_url}
+                        ],
-                            },
-                            {"type": "text", "text": question}
-                        ]
                     }
-                ]
+                ],
             )
             
-            answer = completion.choices[0].message.content
+            answer = completion.choices[0].message.content or ""
-            logger.info(f"成功分析图片并回答问题")
+            if answer:
+                logger.info("成功分析图片并回答问题")
             return answer
             
         except Exception as e:

backend/tools/tools.py

@@ -3,20 +3,18 @@
 
 定义各种 AI 工具函数，包括网络搜索、文生图、文生视频、RAG 检索等。
 """
+import os
 import time
 import uuid
 import requests
 from typing import Literal, Optional
-from http import HTTPStatus
+from openai import OpenAI
 from langchain.tools import tool
-from dashscope import ImageSynthesis, VideoSynthesis
-import dashscope
 from concurrent.futures import ThreadPoolExecutor, as_completed
 import json
 
 from tavily import TavilyClient
 from core.config import settings
-from core import llm_env
 from utils.datetime_utils import format_beijing_time_for_agent
 from logger.logging import get_logger
 from services.vector_service import get_vector_service
@@ -26,11 +24,6 @@ from services.oss_service import get_oss_service
 logger = get_logger(__name__)
 
 
-def _dashscope_http_api_base() -> str:
-    """``dashscope`` 原生 SDK 使用的 HTTP 根路径（与 OpenAI 兼容 ``DASHSCOPE_API_BASE`` 可能不同）。"""
-    return llm_env.dashscope_native_http_api_base().strip().rstrip("/")
-
-
 # 初始化 Tavily 客户端
 tavily_client = TavilyClient(api_key=settings.tavily_api_key)
 
@@ -125,91 +118,90 @@ def _download_and_upload_image_to_oss(image_url: str, image_index: int) -> tuple
         return image_url, None, 0.0, 0.0
 
 
+def _normalize_openai_image_size(size: str) -> str:
+    """将「宽*高」转为 OpenAI 兼容接口要求的「宽x高」。"""
+    return (size or "").strip().replace("*", "x")
+
+
 @tool
 def text_to_image(
     prompt: str,
     negative_prompt: str = "",
-    size: str = "1280*720",
+    size: str = "1024x1024",
     n: int = 1,
+    prompt_extend: bool = True,
+    watermark: bool = False,
+    seed: Optional[int] = None,
 ) -> str:
     """
     文生图工具：根据文本描述生成高质量图片。
 
-    当用户需要生成图片、创建图像、制作插图、设计视觉内容时，使用此工具。
+    通过 OpenAI 兼容接口 ``/v1/images/generations`` 调用通义千问文生图模型（如同步返回的 Qwen-Image 系列）。
-    该工具使用阿里云百炼平台的 AI 图像生成模型，可以根据文字描述生成相应的图片。
+    生成的图片会自动上传到 OSS，返回永久可访问的 URL。
-    生成的图片会自动上传到 OSS 存储，返回永久可访问的 URL。
 
     使用场景：
-    - 用户说"生成一张...的图片"、"画一个..."、"创建...的图像"
+    - 用户说「生成一张…的图片」「画一个…」「创建…的图像」
-    - 需要为文章、演示文稿、社交媒体创建配图
+    - 需要配图、插图或可视化某个概念/场景
-    - 用户想要可视化某个概念、场景、物体或人物
-    - 需要生成多个不同风格的图片供选择
 
     参数说明：
-        prompt (必需): 详细描述想要生成的图片内容。应该包含：
+        prompt: 正向提示词（建议详细描述主体、场景、风格、光线与构图）。
-            - 主体对象（人物、动物、物品等）
+        negative_prompt: 反向提示词；不需要可留空。
-            - 场景和环境（背景、地点、氛围）
+        size: 分辨率，OpenAI 标准 ``宽x高``（也可用 ``宽*高``，会自动转为 ``x``）。
-            - 风格和艺术效果（写实、卡通、油画、水彩等）
+            qwen-image-2.0 系列常用：``2048x2048``（默认 1:1）、``2688x1536``（16:9）、
-            - 颜色和光线（明亮、昏暗、暖色调等）
+            ``1536x2688``（9:16）、``2368x1728``（4:3）、``1728x2368``（3:4）。
-            - 构图和视角（正面、侧面、俯视、特写等）
+            plus / qwen-image 系列可参考：``1664x928``、``1472x1104``、``1328x1328`` 等。
-            示例："一只可爱的橘色小猫坐在窗台上，阳光透过窗户洒在它身上，背景是温馨的客厅，写实风格"
+        n: 生成张数；qwen-image-2.0 系列多为 1–6，其它系列常为 1。
-        
+        prompt_extend: 是否开启提示词智能改写（True 时模型会润色提示词）。
-        negative_prompt (可选): 描述不希望在图片中出现的内容，用于排除不想要的元素。
+        watermark: 是否在图像上加 Qwen-Image 水印。
-            示例："模糊，低质量，文字，水印，变形，多余的手指"
+        seed: 随机种子 [0, 2147483647]；不传则由服务端随机。
-        
-        size (可选): 图片尺寸，格式为 "宽*高"。支持的官方尺寸：
-            - "1280*1280" - 1:1 正方形（适合头像、图标、社交媒体头像）
-            - "800*1200" - 2:3 竖向（适合手机壁纸、竖版海报）
-            - "1200*800" - 3:2 横向（适合横向展示、横幅）
-            - "960*1280" - 3:4 竖向（适合手机屏幕、竖版内容）
-            - "1280*960" - 4:3 横向（适合传统显示器比例、横版内容）
-            - "720*1280" - 9:16 竖向（适合手机竖屏、短视频封面）
-            - "1280*720" - 16:9 横向（默认，适合宽屏显示器、视频封面、网页横幅）
-            - "1344*576" - 21:9 超宽屏（适合电影比例、超宽屏展示）
-            默认值："1280*720"
-        
-        n (可选): 生成图片的数量，范围 1-4。生成多张图片时会并行处理以提高效率。
-            默认值：1
 
     返回值：
-        返回包含图片的 Markdown 格式字符串，图片会自动显示在对话中。
+        Markdown 文本，包含可供渲染的图片链接（OSS 永久 URL，失败时回退临时 URL）。
-        如果生成多张图片，会按顺序展示所有图片。
 
-    注意事项：
+    注意：
-        - 生成图片需要一定时间，请耐心等待
+        平台返回的原始图像 URL 通常约 24 小时有效；本工具会尽快转存 OSS。
-        - 提示词越详细，生成的图片质量越好
-        - 生成多张图片时，总耗时会更长，但会并行处理以提高效率
-        - 如果用户没有明确指定尺寸，使用默认尺寸即可
     """
     try:
-        api_key = settings.dashscope_api_key
+        api_key = (os.getenv("ZL_DASHSCOPE_API_KEY") or "").strip()
+        base_url = (os.getenv("ZL_DASHSCOPE_API_BASE") or "").strip().rstrip("/")
         if not api_key:
             return "错误：未配置 DASHSCOPE_API_KEY 环境变量"
+        if not base_url:
+            return "错误：未配置 DASHSCOPE_API_BASE 环境变量"
 
-        dashscope.base_http_api_url = _dashscope_http_api_base()
+        client = OpenAI(api_key=api_key, base_url=base_url)
+        model_image = "qwen-image-2.0"
 
-        logger.info(f"开始生成图片，prompt: {prompt}, n={n}")
+        size_norm = _normalize_openai_image_size(size)
+        n_req = max(1, min(int(n), 6))
 
-        # 创建异步任务
+        extra_body: dict = {
-        rsp = ImageSynthesis.call(api_key=api_key,
+            "prompt_extend": prompt_extend,
-                                  model="wan2.2-t2i-flash",
+            "watermark": watermark,
+        }
+        np = (negative_prompt or "").strip()
+        if np:
+            extra_body["negative_prompt"] = np
+        if seed is not None:
+            extra_body["seed"] = seed
+
+        logger.info(
+            f"开始生成图片（OpenAI 兼容 images/generations），model={model_image}, n={n_req}, size={size_norm}"
+        )
+
+        response = client.images.generate(
+            model=model_image,
             prompt=prompt,
-                                  n=n,
+            size=size_norm,
-                                  size=size,
+            n=n_req,
-                                  negative_prompt=negative_prompt,
+            extra_body=extra_body,
-                                  prompt_extend=True,
+        )
-                                  watermark=True)
-        print(f'response: {rsp}')
-        if rsp.status_code != HTTPStatus.OK:
-            print(f'同步调用失败, status_code: {rsp.status_code}, code: {rsp.code}, message: {rsp.message}')
-            return "图片生成失败"
 
-        # 提取图片 URL
+        image_urls: list[str] = []
-        image_urls = []
+        for item in response.data or []:
-        if rsp.output and rsp.output.results:
+            url = getattr(item, "url", None)
-            for result in rsp.output.results:
+            if url:
-                if hasattr(result, 'url') and result.url:
+                image_urls.append(url)
-                    image_urls.append(result.url)
 
         if not image_urls:
             return "图片生成完成，但未获取到图片URL"
@@ -266,12 +258,9 @@ def text_to_image(
 
 from typing import Optional
 from langchain_core.tools import tool
-import os
 import logging
 import uuid
 import requests
-from dashscope import VideoSynthesis
-from http import HTTPStatus
 from services.oss_service import get_oss_service
 
 
@@ -279,141 +268,127 @@ from services.oss_service import get_oss_service
 def text_to_video(
         prompt: str,
         negative_prompt: str = "",
-        size: str = "832*480",
+        size: str = "1280x720",
         duration: int = 5,
 ) -> str:
     """
     文生视频工具：根据文本描述生成动态视频。
 
-    当用户需要生成视频、创建动画、制作短视频、需要动态视觉内容时，使用此工具。
+    通过 OpenAI 兼容接口（``POST /v1/videos`` / ``GET /v1/videos/{id}``）调用万相文生视频模型
-    该工具使用阿里云百炼平台的 AI 视频生成模型，可以根据文字描述生成相应的视频。
+    ``wan2.6-t2v``。任务为异步队列：queued → in_progress → completed / failed；
-    生成的视频会自动上传到 OSS 存储，返回永久可访问的 URL。
+    SDK 使用 ``create_and_poll`` 自动轮询直至结束。
+    生成的视频会自动下载并上传到 OSS，返回永久可访问的播放地址。
 
     使用场景：
-    - 用户说"生成一个...的视频"、"创建一个...的动画"、"制作...的短视频"
+    - 用户说「生成一个…的视频」「做一个短视频」「需要动态画面」
-    - 需要为产品演示、营销推广创建动态视频内容
+    - 产品演示、营销素材、社交媒体短视频脚本可视化
-    - 社交媒体短视频内容生成（抖音、快手、小红书等）
-    - 需要展示动态场景、运动过程、变化效果
-    - 用户想要可视化动态概念或过程
 
     参数说明：
-        prompt (必需): 详细描述想要生成的视频内容。应该包含：
+        prompt: 视频内容描述（中英文均可，建议写清主体、动作、镜头与风格）。
-            - 主体对象和动作（什么在做什么）
+        negative_prompt: 不希望出现的内容；若填写则附加到提示中约束生成方向。
-            - 场景和环境（背景、地点、氛围）
+        size: 分辨率，OpenAI 标准 ``宽x高``（也可用 ``宽*高``，会自动转为 ``x``）。
-            - 运动方式和动态效果（移动、旋转、变化等）
+            例如 ``1280x720``、``1920x1080``、``720x1280``（竖屏）等。
-            - 风格和视觉效果（写实、动画、电影感等）
+        duration: 时长（秒），平台支持 **2–15** 秒，超出范围会自动裁剪到该区间。
-            - 颜色和光线（明亮、昏暗、暖色调等）
-            示例："一只橘色小猫在窗台上玩耍，阳光透过窗户洒在它身上，它好奇地看向窗外，背景是温馨的客厅，写实风格，画面流畅自然"
-        
-        negative_prompt (可选): 描述不希望在视频中出现的内容，用于排除不想要的元素。
-            示例："模糊，低质量，文字，水印，画面抖动，不自然的运动，变形"
-        
-        size (可选): 视频尺寸，格式为 "宽*高"。支持的尺寸：
-            - "832*480" - 标准横向（默认，适合通用视频）
-            - "1280*720" - 高清横向（适合高质量视频）
-            - "720*1280" - 竖向（适合手机竖屏视频、短视频平台）
-            默认值："832*480"
-        
-        duration (可选): 视频时长，单位为秒。支持的时长：
-            - 5 秒（默认，适合短视频）
-            - 10 秒（适合中等长度视频）
-            - 15 秒（适合较长视频）
-            默认值：5
 
     返回值：
-        返回包含视频的 HTML 格式字符串，视频会自动显示在对话中，用户可以直接播放。
+        包含 ``<video>`` 的 HTML 片段，可直接播放；优先使用 OSS URL。
-        视频已上传到 OSS，返回的是永久可访问的 URL。
+        平台返回的原始视频链接通常约 24 小时内有效，请及时依赖 OSS 结果。
 
     注意事项：
-        - 视频生成需要较长时间（通常需要几十秒到几分钟），请耐心等待
+    - 生成耗时常为数十秒至数分钟，请耐心等待轮询完成
-        - 提示词越详细，生成的视频质量越好
+    - 提示词越具体，成片越可控
-        - 视频生成后会自动下载并上传到 OSS，这个过程可能需要额外时间
-        - 如果用户没有明确指定尺寸和时长，使用默认值即可
-        - 视频生成是异步过程，完成后会返回可播放的视频链接
     """
     try:
-        # 地域与 ``DASHSCOPE_API_BASE`` 一致；新加坡等请改环境变量（例：https://dashscope-intl.aliyuncs.com/api/v1）
+        api_key = (os.getenv("ZL_DASHSCOPE_API_KEY") or "").strip()
-        dashscope.base_http_api_url = _dashscope_http_api_base()
+        base_url = (os.getenv("ZL_DASHSCOPE_API_BASE") or "").strip().rstrip("/")
+        if not api_key:
+            return "错误：未配置 DASHSCOPE_API_KEY 环境变量"
+        if not base_url:
+            return "错误：未配置 DASHSCOPE_API_BASE 环境变量"
 
-        api_key = settings.dashscope_api_key
+        client = OpenAI(api_key=api_key, base_url=base_url)
+        model_video = "wan2.6-t2v"
+
+        size_norm = _normalize_openai_image_size(size)
+        seconds = max(2, min(int(duration), 15))
+
+        full_prompt = prompt
+        np = (negative_prompt or "").strip()
+        if np:
+            full_prompt = f"{prompt}\n（避免出现以下内容：{np}）"
+
+        resolution = "1080P" if "1920" in size_norm else "720P"
+        extra_body = {"resolution": resolution, "duration": seconds}
 
-            # call sync api, will return the result
         start = time.time()
-        print('开始时间-->',time.strftime("%Y-%m-%d %H:%M:%S", time.localtime()))
+        logger.info(
-        rsp = VideoSynthesis.call(api_key=api_key,
+            f"提交文生视频任务（videos API）：model={model_video}, size={size_norm}, seconds={seconds}"
-                                  model='wan2.2-t2v-plus',
+        )
-                                  prompt=prompt,
+
-                                  size="832*480",
+        result = client.videos.create_and_poll(
-                                  duration=5,
+            model=model_video,
-                                  negative_prompt=negative_prompt,
+            prompt=full_prompt,
-                                  # audio=True,
+            size=size_norm,
-                                  prompt_extend=True,
+            seconds=seconds,
-                                  watermark=True)
+            poll_interval_ms=5000,
-        print("请求结果：",rsp)
+            extra_body=extra_body,
-        video_url = ""
+        )
-        result = ""
+
-        if rsp.status_code == HTTPStatus.OK:
+        status = getattr(result, "status", None)
-            print("请求链接地址：",rsp.output.video_url)
+        video_url = getattr(result, "url", None) or ""
-            print("结束时间-->",time.strftime("%Y-%m-%d %H:%M:%S", time.localtime()))
+
-            print("耗时-->",time.time()-start,"秒")
+        if status != "completed" or not video_url:
-            video_url = rsp.output.video_url
+            err_obj = getattr(result, "error", None)
+            err_msg = getattr(err_obj, "message", None) if err_obj else None
+            if not err_msg:
+                err_msg = str(status) if status else "未知状态"
+            logger.error(f"视频任务未成功：status={status}, error={err_msg}")
+            return f"视频生成失败：{err_msg}"
+
+        logger.info(f"视频任务完成，耗时 {time.time() - start:.1f}s，开始下载并上传 OSS：{video_url}")
 
-            # 下载视频并上传到 OSS
         try:
             upload_start_time = time.time()
-                logger.info(f"开始下载视频：{video_url}")
-                
-                # 下载视频内容
             download_start = time.time()
-                response = requests.get(video_url, timeout=300)  # 5分钟超时
+            response = requests.get(video_url, timeout=300)
             response.raise_for_status()
             video_content = response.content
             download_time = time.time() - download_start
-                logger.info(f"视频下载完成，耗时：{download_time:.2f} 秒，大小：{len(video_content) / 1024 / 1024:.2f} MB")
+            logger.info(
+                f"视频下载完成，耗时：{download_time:.2f} 秒，大小：{len(video_content) / 1024 / 1024:.2f} MB"
+            )
 
-                # 生成 OSS 对象名称
             timestamp = int(time.time())
             unique_id = str(uuid.uuid4())[:8]
             oss_object_name = f"videos/{timestamp}_{unique_id}.mp4"
 
-                # 上传到 OSS
             upload_start = time.time()
             oss_service = get_oss_service()
             oss_url = oss_service.upload_file_from_bytes(
                 file_content=video_content,
                 oss_object_name=oss_object_name,
-                    file_name="generated_video.mp4"
+                file_name="generated_video.mp4",
             )
             upload_time = time.time() - upload_start
-                
-                # 计算总耗时
             total_time = time.time() - upload_start_time
 
             if oss_url:
                 logger.info(f"✅ 视频已上传到 OSS：{oss_url}")
-                    logger.info(f"📊 上传统计 - 下载耗时：{download_time:.2f} 秒，上传耗时：{upload_time:.2f} 秒，总耗时：{total_time:.2f} 秒")
+                logger.info(
-                    # 使用 OSS URL 替换临时 URL
+                    f"📊 上传统计 - 下载：{download_time:.2f}s，上传：{upload_time:.2f}s，总计：{total_time:.2f}s"
+                )
                 video_url = oss_url
             else:
-                    logger.warning("⚠️ OSS 上传失败，使用原始临时 URL")
+                logger.warning("⚠️ OSS 上传失败，使用平台返回的临时视频 URL")
-                    logger.warning(f"📊 上传统计 - 下载耗时：{download_time:.2f} 秒，上传耗时：{upload_time:.2f} 秒，总耗时：{total_time:.2f} 秒（上传失败）")
-                    # 如果 OSS 上传失败，继续使用原始 URL
-                
         except Exception as upload_error:
             logger.error(f"❌ 上传视频到 OSS 失败：{upload_error}", exc_info=True)
-                # 如果上传失败，继续使用原始临时 URL
             logger.warning("⚠️ 使用原始临时视频 URL")
 
-            result = f"""<video controls width="100%" style="max-width: 600px;">
+        logger.info(f"✅ 视频生成流程结束：{video_url}")
+        return f"""<video controls width="100%" style="max-width: 600px;">
   <source src="{video_url}" type="video/mp4">
   您的浏览器不支持视频播放
 </video>"""
-        else:
-            print('视频请求失败, status_code: %s, code: %s, message: %s' %
-                  (rsp.status_code, rsp.code, rsp.message))
-            result = "视频生成失败"
-        logger.info(f"✅ 视频生成完成：{video_url}")
-        return result
 
     except Exception as e:
         error_msg = f"❌ 生成视频异常：{str(e)}"
@@ -428,95 +403,60 @@ def text_to_poster(
     body_text: str = "",
     prompt_text_zh: str = "",
     prompt_text_en: str = "",
-    size: str = "1280*1280",
+    size: str = "2048x2048",
 ) -> str:
     """
-    创意海报生成工具：根据标题、副标题和正文内容生成创意海报。
+    创意海报生成工具：根据标题、副标题和正文生成海报图。
 
-    当用户需要生成海报、创建宣传图、制作营销图片、需要创意设计时，使用此工具。
+    与 ``text_to_image`` 相同，通过 OpenAI 兼容接口 ``/v1/images/generations``
-    该工具使用阿里云百炼平台的文生图（万相）模型，根据海报文案生成相应的创意海报图片。
+    调用通义千问文生图模型生成海报；结果上传到 OSS 后以 Markdown 图片链接返回。
-    生成的海报会自动上传到 OSS 存储，返回永久可访问的 URL。海报右下角带有「AI生成」水印。
+    海报场景默认 **打水印**、开启提示词扩展，并附带画质相关反向提示。
 
     使用场景：
-    - 用户说"生成一张...的海报"、"创建一个...的宣传图"、"制作...的创意海报"
+    - 「生成一张…海报」「活动宣传图」「营销配图」等
-    - 需要为活动、产品、品牌创建宣传海报
-    - 社交媒体营销图片生成（微信、微博、小红书等）
-    - 需要展示标题、副标题和正文内容的创意设计
-    - 用户想要可视化某个主题或概念的海报
 
     参数说明：
-        title (必需): 海报的主标题。应该简洁有力，能够吸引注意力。
+        title: 主标题。
-            示例："春季新品发布"、"限时优惠活动"、"品牌宣传"
+        sub_title: 副标题。
-        
+        body_text: 正文（过长时在 prompt 内截取约 200 字摘要）。
-        sub_title (可选): 海报的副标题。用于补充说明主标题或提供更多信息。
+        prompt_text_zh / prompt_text_en: 视觉风格描述；均未填则用默认「高质量海报风格」。
-            示例："全场8折起"、"限时3天"、"专业团队打造"
+        size: 分辨率 ``宽x高``（也可用 ``宽*高``）；正方形海报常用 ``2048x2048``，
-        
+            亦可选 ``2688x1536``、``1536x2688`` 等与 ``text_to_image`` 一致的取值。
-        body_text (可选): 海报的正文内容。可以包含详细说明、活动规则、联系方式等。
-            示例："活动时间：2024年3月1日-3月31日\n活动地点：全国门店\n咨询热线：400-xxx-xxxx"
-        
-        prompt_text_zh (可选): 中文提示文本，用于描述海报的视觉风格和设计元素。
-            示例："小朋友画的可爱的龙,白色背景"、"温馨的节日氛围,红色和金色主题"
-            如果未提供，将根据标题和副标题自动生成。
-        
-        prompt_text_en (可选): 英文提示文本，用于描述海报的视觉风格和设计元素。
-            示例："Children draw a lovely dragon, white background"、"Warm festive atmosphere, red and gold theme"
-            如果未提供，将根据标题和副标题自动生成。
-            注意：prompt_text_zh 和 prompt_text_en 至少需要设置其中一个。
-        
-        size string （可选）
-
-                输出图像的分辨率，格式为宽*高。
-
-                默认值为 1280*1280。
-
-                总像素在 [1280*1280, 1440*1440] 之间且宽高比范围为 [1:4, 4:1]。例如，768*2700符合要求。
-
-                示例值：1280*1280。
-
-                常见比例推荐的分辨率
-
-                1:1：1280*1280
-
-                3:4：1104*1472
-
-                4:3：1472*1104
-
-                9:16：960*1696
-
-                16:9：1696*960
 
     返回值：
-        返回包含海报图片的 Markdown 格式字符串，海报会自动显示在对话中。
+        Markdown 文本：海报图片 URL（OSS）及标题信息。
 
-    注意事项：
+    注意：
-        - 生成海报需要一定时间，请耐心等待
+        原始生成 URL 有效期有限，请以 OSS 链接为准。
-        - 标题、副标题和正文内容越清晰，生成的海报质量越好
-        - 生成的海报带有 AI 水印标识
     """
     try:
-        api_key = settings.dashscope_api_key
+        api_key = (os.getenv("ZL_DASHSCOPE_API_KEY") or "").strip()
+        base_url = (os.getenv("ZL_DASHSCOPE_API_BASE") or "").strip().rstrip("/")
         if not api_key:
             return "错误：未配置 DASHSCOPE_API_KEY 环境变量"
+        if not base_url:
+            return "错误：未配置 DASHSCOPE_API_BASE 环境变量"
 
-        dashscope.base_http_api_url = _dashscope_http_api_base()
+        client = OpenAI(api_key=api_key, base_url=base_url)
+        model_image = "qwen-image-2.0"
 
-        logger.info(f"开始生成创意海报，title: {title}, sub_title: {sub_title}, body_text: {(body_text[:50] + '...') if len(body_text) > 50 else body_text}")
+        logger.info(
+            f"开始生成创意海报（OpenAI 兼容 images/generations），title: {title}, "
+            f"sub_title: {sub_title}, body_text: {(body_text[:50] + '...') if len(body_text) > 50 else body_text}"
+        )
 
-        # 构建海报专用 prompt：将标题、副标题、正文与视觉风格融合为文生图提示词
+        prompt_parts = ["创意海报设计，宣传海报，专业排版，醒目吸睛，文字清晰可读"]
-        prompt_parts = ["创意海报设计，宣传海报，专业排版，醒目吸睛"]
 
         if title:
             prompt_parts.append(f"主标题：{title}")
         if sub_title:
             prompt_parts.append(f"副标题：{sub_title}")
         if body_text:
-            # 正文可能较长，截取关键信息（限制约 200 字符）
             body_summary = body_text.replace("\n", " ")[:200]
             if len(body_text) > 200:
                 body_summary += "..."
             prompt_parts.append(f"正文内容：{body_summary}")
 
-        # 视觉风格：优先使用用户提供的提示词
         if prompt_text_zh:
             prompt_parts.append(f"视觉风格：{prompt_text_zh}")
         elif prompt_text_en:
@@ -527,28 +467,27 @@ def text_to_poster(
         prompt = "，".join(prompt_parts)
         logger.info(f"海报生成 prompt: {prompt[:200]}...")
 
-        # 使用与 text_to_image 相同的文生图 API（万相 wan2.2-t2i-flash）
+        size_norm = _normalize_openai_image_size(size)
-        # 海报需要水印，故 watermark=True
+        negative = "低分辨率，低画质，画面模糊，文字扭曲，构图混乱，画面过饱和"
-        rsp = ImageSynthesis.call(
+        extra_body: dict = {
-            api_key=api_key,
+            "prompt_extend": True,
-            model="wan2.5-t2i-preview",
+            "watermark": True,
+            "negative_prompt": negative,
+        }
+
+        response = client.images.generate(
+            model=model_image,
             prompt=prompt,
+            size=size_norm,
             n=1,
-            size=size,
+            extra_body=extra_body,
-            negative_prompt="低分辨率，低画质，画面模糊，文字扭曲，构图混乱，画面过饱和",
-            prompt_extend=True,
-            watermark=True,
         )
 
-        if rsp.status_code != HTTPStatus.OK:
+        image_urls: list[str] = []
-            logger.error(f"海报生成失败, status_code: {rsp.status_code}, code: {rsp.code}, message: {rsp.message}")
+        for item in response.data or []:
-            return f"海报生成失败：{rsp.message or '请稍后重试'}"
+            url = getattr(item, "url", None)
-        
+            if url:
-        image_urls = []
+                image_urls.append(url)
-        if rsp.output and rsp.output.results:
-            for result in rsp.output.results:
-                if hasattr(result, 'url') and result.url:
-                    image_urls.append(result.url)
 
         if not image_urls:
             return "海报生成完成，但未获取到图片URL"
@@ -556,7 +495,6 @@ def text_to_poster(
         image_url = image_urls[0]
         logger.info(f"海报生成成功，图片URL: {image_url}，开始上传到 OSS")
 
-        # 复用 text_to_image 的 OSS 上传逻辑
         _, oss_url, _, _ = _download_and_upload_image_to_oss(image_url, 1)
         final_url = oss_url if oss_url else image_url