基于豆包大模型的 AI Agent 创意助手，支持图片生成、视频生成和创意文案写作。
- AI 文生图：根据文字描述生成高质量图片，支持自定义尺寸和风格
- AI 文生视频：支持文本生成视频和图片生成视频（图生视频）
- 创意文案写作：自动撰写自媒体风格文章、脚本、短文案
- 联网搜索（可选）：集成博查搜索 API，获取实时信息
- 智能 Prompt 优化：自动将简短描述扩充为高质量提示词
- 多轮对话：支持上下文记忆的连续对话
- 会话管理：前端保留 200 条历史消息，会话重置时自动标记
- 后端：Go 语言实现的 AI Agent 框架
- 支持 Function Calling 的 LLM 编排
- 工具注册与动态调用机制
- SSE 流式响应
- 内存会话管理
- 前端：原生 HTML/CSS/JavaScript
- 实时消息流展示
- 图片/视频自动渲染
- Markdown 格式支持
- localStorage 持久化存储
- Go 1.21+
- 豆包 API Key（获取地址）
- （可选）博查搜索 API Key（用于联网搜索功能）
复制 .env.example 为 .env 并配置：
# 豆包 API 基础 URL
ARK_BASE_URL=https://ark.cn-beijing.volces.com/api/v3
# Chat 模型（需要支持 function calling）
ARK_CHAT_MODEL=doubao-seed-2-0-pro-260215
# 图片生成模型
ARK_IMAGE_MODEL=doubao-seedream-5-0-260128
# 视频生成模型
ARK_VIDEO_MODEL=doubao-seedance-1-5-pro-251215
# 服务监听配置
HOST= # 留空监听所有网络接口（0.0.0.0），设置为 127.0.0.1 仅本地访问
PORT=58712 # 服务端口，默认 58712# 加载环境变量并启动
go run main.go服务将在 http://0.0.0.0:58712 启动（可通过局域网访问）。
- 打开浏览器访问
http://localhost:58712 - 在前端页面输入豆包 API Key（必填）
- （可选）输入博查搜索 API Key 以启用联网搜索
- 开始对话，尝试：
- "画一个赛博朋克风格的未来城市"
- "生成一个关于春天的短视频"
- "写一篇关于 AI 技术的自媒体文章"
Go 会自动将 web/ 目录嵌入到二进制文件中，部署时只需一个文件。
# 1. 编译
go build -o ai-agent-demo
# 2. 配置环境变量
export ARK_BASE_URL=https://ark.cn-beijing.volces.com/api/v3
export ARK_CHAT_MODEL=doubao-seed-2-0-pro-260215
export ARK_IMAGE_MODEL=doubao-seedream-5-0-260128
export ARK_VIDEO_MODEL=doubao-seedance-1-5-pro-251215
export HOST=0.0.0.0
export PORT=58712
# 3. 启动
./ai-agent-demo创建 Dockerfile：
FROM golang:1.21-alpine AS builder
WORKDIR /app
COPY . .
RUN go build -o ai-agent-demo
FROM alpine:latest
RUN apk --no-cache add ca-certificates
WORKDIR /root/
COPY --from=builder /app/ai-agent-demo .
EXPOSE 58712
CMD ["./ai-agent-demo"]构建和运行：
docker build -t ai-agent-demo .
docker run -d -p 58712:58712 \
-e ARK_BASE_URL=https://ark.cn-beijing.volces.com/api/v3 \
-e ARK_CHAT_MODEL=doubao-seed-2-0-pro-260215 \
-e ARK_IMAGE_MODEL=doubao-seedream-5-0-260128 \
-e ARK_VIDEO_MODEL=doubao-seedance-1-5-pro-251215 \
--name ai-agent-demo \
ai-agent-demo如果需要前后端分离部署，可以使用 Nginx 托管 web/ 目录，并代理 /api/ 到后端服务：
server {
listen 80;
server_name your-domain.com;
# 前端静态资源
root /path/to/web;
index index.html;
# 代理后端 API
location /api/ {
proxy_pass http://127.0.0.1:58712;
proxy_http_version 1.1;
proxy_set_header Upgrade $http_upgrade;
proxy_set_header Connection 'upgrade';
proxy_buffering off; # SSE 支持
}
}当前版本采用前端输入 API Key 的设计，主要用于：
- 多人测试场景：不同用户使用自己的 API Key，独立计费，避免共享额度
- 安全性：避免将敏感 API Key 硬编码在服务端或提交到代码仓库
- 灵活性：用户可以随时切换不同的 API Key，无需重启服务
注意：
.env.example中的ARK_API_KEY配置项在当前版本中不起作用，API Key 必须通过前端页面输入。
如果你需要提供 SaaS 服务，建议重新设计架构：
- 实现用户认证系统（JWT/Session）
- 在服务端统一管理 API Key（加密存储）
- 添加使用量统计和限流机制
- 实现计费和配额管理
- 聊天对话：使用
ARK_CHAT_MODEL配置的模型（默认doubao-seed-2-0-pro-260215） - 文章写作：与聊天对话使用同一个模型
- 图片生成：使用
ARK_IMAGE_MODEL配置的模型 - 视频生成：使用
ARK_VIDEO_MODEL配置的模型
-
前端 localStorage：
- 存储最近 200 条消息
- 刷新页面后立即恢复界面显示
- 用户可以手动清空（点击"清空历史"按钮）
-
后端内存存储：
- 存储当前会话的上下文（用于 LLM 多轮对话）
- 服务重启后会丢失
- 通过
session_id关联前后端会话
工作流程：
- 用户发送消息时，前端带上
session_id - 后端根据
session_id查找历史上下文 - 后端返回新消息后，前端追加到 localStorage（保留最近 200 条）
- 如果后端找不到
session_id（如服务重启），会创建新会话 - 前端的历史记录仍然保留，用户可以继续查看
会话重置提示：
前端通过检测后端返回的 session_id 是否与本地存储的不同来判断：
- 如果
session_id发生变化，说明后端创建了新会话 - 前端会在当前消息位置插入一条分隔线，显示"以上为历史对话"
- 同时弹出提示："会话已重置，上下文已清空"
- 历史消息仍然可见，但后端已经丢失了上下文
- 聊天和文章写作共用同一个 LLM 模型，无法针对不同场景选择最优模型
- 工具配置中未提供模型列表和特点说明，LLM 无法自主决策使用哪个模型
- 后端会话存储在内存中，服务重启后会丢失（前端历史仍保留）
以下是用户可以自行改进的方向：
目标：让 LLM 根据任务类型自主选择最优模型。
实现思路：
- 在工具注册时提供模型列表和特点描述
- 修改
write_article工具，支持传入model参数 - 在 System Prompt 中说明各模型的特点（如速度、质量、成本）
示例配置：
// 在 api/tools.go 中定义模型列表
var availableModels = map[string]string{
"doubao-seed-2-0-pro-260215": "高质量通用模型，适合复杂推理和创意写作",
"doubao-lite-4k-240515": "轻量快速模型，适合简单对话和快速响应",
"doubao-pro-32k-240515": "长文本模型，适合长篇文章和深度分析",
}目标：为不同场景配置专用模型。
实现思路：
- 新增环境变量
ARK_WRITER_MODEL - 修改
write_article工具，使用独立的 LLM Provider - 针对写作场景优化 System Prompt
目标：支持服务重启后恢复会话历史。
实现思路：
- 使用 SQLite/Redis 存储会话数据
- 实现会话过期清理机制
- 支持导出/导入会话历史
目标：适配生产环境的安全需求。
实现思路：
- 实现用户认证系统（JWT/Session）
- 在服务端加密存储用户的 API Key
- 添加 API Key 使用量统计和限流
可以添加更多工具：
- 图片编辑（裁剪、滤镜、风格迁移）
- 语音合成（TTS）
- 文档解析（PDF/Word）
- 数据可视化（图表生成）
.
├── agent/ # AI Agent 核心框架
│ ├── agent.go # Agent 编排逻辑
│ ├── config.go # 配置和 System Prompt
│ ├── llm.go # LLM Provider 接口
│ ├── llm_openai.go # OpenAI 兼容实现
│ ├── tool.go # 工具注册表
│ └── message.go # 消息结构定义
├── api/ # HTTP API 层
│ ├── handler.go # 路由和会话管理
│ ├── doubao.go # 豆包 API 调用
│ └── tools.go # 工具实现（图片/视频/文章）
├── web/ # 前端页面
│ ├── index.html # 主页面
│ ├── css/ # 样式文件
│ └── js/ # JavaScript 逻辑
├── main.go # 程序入口
├── .env.example # 环境变量示例
└── README.md # 本文档
原因：
- 合规性：直接爬取百度搜索结果违反服务条款，存在法律风险
- 稳定性：百度会检测和封禁爬虫，导致服务不稳定
- 结构化数据：博查 API 返回结构化的 JSON 数据，易于解析和处理
- 速度和质量：专业搜索 API 响应更快，结果质量更高
如果你想自己实现搜索功能，可以考虑：
-
使用其他搜索 API：
- Google Custom Search API（需要海外服务器）
- Bing Search API（微软 Azure）
- SerpAPI（聚合多个搜索引擎）
- DuckDuckGo Instant Answer API（免费但功能有限）
-
实现思路（以 Bing Search API 为例）：
// 在 api/tools.go 中添加新工具
registry.Register(agent.NewTool(
"web_search",
"联网搜索工具，可以搜索互联网获取实时信息",
`{"type": "object", "properties": {"query": {"type": "string"}}, "required": ["query"]}`,
func(ctx context.Context, arguments string) (string, error) {
var args struct{ Query string `json:"query"` }
json.Unmarshal([]byte(arguments), &args)
// 调用 Bing Search API
req, _ := http.NewRequest("GET", "https://api.bing.microsoft.com/v7.0/search", nil)
req.Header.Set("Ocp-Apim-Subscription-Key", "YOUR_BING_API_KEY")
q := req.URL.Query()
q.Add("q", args.Query)
req.URL.RawQuery = q.Encode()
// 处理响应...
return searchResults, nil
},
false,
))不会冲突，这是有意设计的双层存储架构：
-
前端 localStorage：
- 存储用户的完整聊天历史（最近 200 条）
- 刷新页面后立即恢复界面显示
- 用户可以手动清空（点击"清空历史"按钮）
-
后端内存存储：
- 存储当前会话的上下文（用于 LLM 多轮对话）
- 服务重启后会丢失
- 通过
session_id关联前后端会话
改进建议： 如果需要更好的同步机制，可以：
- 实现后端持久化存储（SQLite/Redis），避免重启丢失会话
- 添加会话过期机制，自动清理长时间未使用的会话
- 支持会话导出/导入功能
A: 确保宽 × 高的像素总数不低于 3686400（约 1920×1920）。推荐尺寸：
- 16:9 → 2560×1440
- 1:1 → 1920×1920
- 9:16 → 1440×2560
A: 视频生成是异步任务，通常需要 1-3 分钟。工具会自动轮询最多 3 分钟，请耐心等待。
A: 在前端页面的"博查搜索 Key"输入框中填入你的博查 API Key，即可使用 web_search 工具。
A: 当前版本后端使用内存存储，重启会清空后端上下文。但前端 localStorage 中的历史记录（200 条）仍然保留，用户可以继续查看。会话重置时会显示分隔线提示。可参考"改进建议"章节实现后端持久化存储。
MIT License
欢迎提交 Issue 和 Pull Request！