当我用AI开发了一个应用

全栈工程师，关注一下。带你一起飞

开玩笑，不关注怎么带你飞

前段时间计划开发一个小应用。

正好碰上Qwen3-Coder发布。

这也有点太巧了（是的😊）

在线体验地址：

https://service.bckf.cn/chameleon/

做点什么好？

别人都在图改图，我也想试试。

应用逻辑比较简单，

1. 短信登录

2. 上传图片

3. 输入提示词

4. 提示词翻译（可选，中译英）

5. 调用后台接口处理图片

6. 返回修改后的图片（提供下载）

首先登录就遇到难题了。

个人申请不到短信接口，好吧😥。

我退一步，选择了Github授权（方便又快捷）。

这个解决了。

Qwen3-Coder生成好的代码，又让Qwen3-Coder改了一次。

其他流程基本没问题（当时图片处理选择的Flux，后来接口下线了）。

跑起来发现两个问题，1. 提示词翻译时间很长;2. 图片处理接口会超时。

第一个问题，想起是用的Qwen3-8B，模型默认进行了推理。在提示词里面，让模型不要推理。这个问题就此解决。

第二个问题，图片处理接口超时，改了三个地方: 第一个是前端请求，第二个是后端nginx反向代理，第三个是Python中的接口请求代码。

处理之后，超时问题解决。

本地调试的时候，图生图模型接口勉强可以用。

等发到线上的时候，图生图模型接口下线了。😫

只能重新找图生图接口。

偶然发现，我在百炼还有试用tokens，狂喜。

几下换成百炼，果然很丝滑。😄😄😄

使用方式比较简单，

先右上角登录，然后上传图片，输入提示词（百炼的接口可以不用翻译），点开始处理。

等处理好之后，就可以下载了。

好了，扯完没用的。

该说点有用的了

用了什么技术

一开始就计划PC和移动端，所以前端框架选的Vant。

简单来说，后端是Python3+Flask。

前端是Vue3+Vant。

百炼使用的dashscope这个官方Python库去调用的。

翻译是用的硅基流动的大模型接口，直接用的requests这个http请求库。

数据库用的sqlite，简单又好用。

前端往后端传数据的时候，用了SM2国密算法加密（后端往前端暂时没有更好的方案，因此后端往前端是明文传输）。

这里面有个坑的地方是Flask的限流组件不能直接用内存，只能放Redis或者数据库。

因为这个，多依赖了一个Redis。

整体技术比较简单，大多数代码是AI生成的。

从哪开始部署

想自己部署有几个小条件。

1. 在Github申请应用（登录）

2. 一台服务器（或者本机电脑也可以）

3. 申请硅基流动的APIKEY

4. 申请阿里云百炼的APIKEY

这里以Linux服务器部署后端为例（假设上面的你都申请成功了）:

1. 修改.bashrc文件，将密钥和配置写进去，保存（Windows用系统环境变量）;

2. 使用 source ～/.bashrc 让环境变量生效（Windows忽略）;

3. 安装Python3和Redis软件（Windows有别人打包好的Redis Windows版本）;

4. 使用下面的命令安装项目依赖：

 pip install -r requirements.txt 

5. 用 python app.py启动应用

提示ip和端口就说明启动成功了。

前端:

1. 安装nodejs，配置加速仓库

2. 在前端根目录下面使用 npm install 命令安装依赖

3. 需要根据后端接口地址修改为前端的接口地址

4. 在package.json中启动应用（发布也是在这个文件）

提示ip和端口就说明启动成功了。

一整个流程下来，Qwen3-Coder发挥了大作用。

源码已托管至Github:

https://github.com/pruidong/chameleon

#Qwen3Coder挑战赛

写代码累了，玩会游戏