本文创作于 OPENAI GPT4 | 图片绘制 Midjourney | 编撰 Odin
我们的AI 演示站点中有很多画的美美的AI创作成品，但是总是因为加载速度慢，文件太大太多等问题让查看的体验变得很差，今天是周六了，要不我们今天就行动起来，扮演一个提示词工程师，让AI来创作一个小程序，解决这个问题。
解决当前问题的思路是，减少图片大小、使用CDN进行加速；这个时候阿里云的OSS其实就是一个不错的选择，除开价格贵点之外，其他都是优点。 想下我的图片一共也没多少，应该花不了多少钱，就这么办吧。
让我们开动，编写提示词，让AI给我们编码！顺便也让大家了解一下，提示词工程师是如何写程序的，以及在这种水平的提示词编写能力要求下，你是否能够轻松胜任。
- 阿里云OSS的相关配置信息 ( 可以被环境变量覆盖 )
- 阿里云OSS配置信息
ACCESS_KEY_ID = os.getenv('ACCESS_KEY_ID', 'your-access-key-id')
ACCESS_KEY_SECRET = os.getenv('ACCESS_KEY_SECRET', 'your-access-key-secret')
ENDPOINT = os.getenv('ENDPOINT', 'your-oss-endpoint')
CDN = os.getenv('CDN', 'your-cdn')
BUCKET_NAME = os.getenv('BUCKET_NAME', 'your-bucket-name')
- 部分网络图片加载速度过慢，在我的网页上直接链接这些图片会导致网页卡顿
- 在所有的图片链接上加一个分发器
- （原图片地址） http://a.com/1.jpg
- 修改后的图片地址 http://分发器.com/o?url=http://a.com/1.jpg
- 新的（缓存后的AliyunOSS中的图片地址）会作为img 的 src 添加到网页中
- 分发器.com 会做一个简单的逻辑判断
- 已缓存 -> 跳转缓存后的文件地址
- 未缓存 -> 跳转原始地址
-
语言采用Python
-
对象定义：
- （原图片地址）：作为参数传入的原始图片地址
- （缓存后的AliyunOSS中的图片地址）：缓存后的AliyunOSS中的图片地址
- AliyunOSS 中的存储路径定义 cache/{原图片地址去掉https:// 和 http:// 的其他部分}
- （缓存时间）： 缓存任务发起的时间
-
数据库采用sqlite
./data/sqlite.db- 检查数据库文件和目录是否存在，不存在则创建，并初始化数据库
- 在数据库中创建 history 表，用于存储 （原图片地址），（缓存后的AliyunOSS中的图片地址），（缓存时间）
-
文件存放到 Aliyun OSS , 配置信息在文件头部预定义，可以被覆盖未缓存变量中传入的值
-
编写这样的分发器
-
定义一个变量，用于存储 （缓存进行中的文件列表），包含（原图片地址）和（缓存时间）
-
提供接口 / 和 /list ，支持 offset 和 limit 参数用于翻页，用时间倒序排列列表，功能是用于以json的格式返回当前已缓存的文件列表。 默认50条每页(limit =50)， 在返回的结果对象里面有一个 total 用于返回总数, item 用于返回列表
{ "items":[], "total":0 } -
提供接口 /o?url=，
- 获取被请求的地址的当前 host 之外的所有内容（原图片地址）
- 从sqlite 中检查是否存在缓存成功记录
- 存在3分钟之前的缓存记录
- 跳转（缓存后的AliyunOSS中的图片地址）
- 未存在缓存成功记录
- 检查变量 （缓存进行中的文件列表），是否存在3分钟内发起的缓存任务。
- 存在
- 跳过检查，返回 （原图片地址）
- 不存在
- 返回 （原图片地址），
- 后台发起一项任务
- 在变量 （缓存进行中的文件列表） 中添加当前任务信息【（原图片地址），（缓存时间）】
- 检查（原图片地址）的图片文件大小，
- 大于20M直接跳过，并移出掉 （缓存进行中的文件列表）的任务。
- 小于等于20M
- 下载图片，并把文件存放在一个临时目录 ./tmp
- 将下载好的图片从临时目录上传到OSS, 并得到 （缓存后的AliyunOSS中的图片地址）
- 把（原图片地址），（缓存后的AliyunOSS中的图片地址），（缓存时间） 添加到sqlite
- 存在
- 检查变量 （缓存进行中的文件列表），是否存在3分钟内发起的缓存任务。
- 存在3分钟之前的缓存记录
-
请勿使用redis, 缓存直接用全部变量
直接返回我完整代码，请勿省略任何内容
把以上提示词贴给ChatGPT, 得到如下代码：
import os
import sqlite3
from datetime import datetime, timedelta
from urllib.parse import urlparse
import requests
from flask import Flask, request, redirect
import oss2
import shutil # 用于操作临时文件和目录
# 配置信息
ACCESS_KEY_ID = os.getenv("ACCESS_KEY_ID", "your-access-key-id")
ACCESS_KEY_SECRET = os.getenv("ACCESS_KEY_SECRET", "your-access-key-secret")
ENDPOINT = os.getenv("ENDPOINT", "your-oss-endpoint")
CDN = os.getenv("CDN", "your-cdn")
BUCKET_NAME = os.getenv("BUCKET_NAME", "your-bucket-name")
BUCKET = oss2.Bucket(oss2.Auth(ACCESS_KEY_ID, ACCESS_KEY_SECRET), ENDPOINT, BUCKET_NAME)
TMP_DIR = "./tmp" # 临时目录路径
# 确保临时目录存在
if not os.path.exists(TMP_DIR):
os.makedirs(TMP_DIR)
# 数据库初始化
DB_FILE = "./data/sqlite.db"
def init_db():
if not os.path.exists("./data"):
os.makedirs("./data")
conn = sqlite3.connect(DB_FILE)
cursor = conn.cursor()
cursor.execute(
"""CREATE TABLE IF NOT EXISTS history
(original_url TEXT PRIMARY KEY,
cached_url TEXT,
cache_time TIMESTAMP)"""
)
conn.commit()
conn.close()
init_db()
# 缓存进行中的文件列表
caching_tasks = {}
app = Flask(__name__)
@app.route("/")
@app.route("/list")
def list_cached_images():
offset = int(request.args.get("offset", 0))
limit = int(request.args.get("limit", 50))
conn = sqlite3.connect(DB_FILE)
cursor = conn.cursor()
cursor.execute(
"SELECT original_url, cached_url, cache_time FROM history LIMIT ? OFFSET ?",
(limit, offset),
)
records = cursor.fetchall()
cached_images = []
for record in records:
original_url, cached_url, cache_time = record
cached_images.append(
{
"original_url": original_url,
"cached_url": cached_url,
"cache_time": cache_time,
}
)
total_count = cursor.execute("SELECT COUNT(*) FROM history").fetchone()[0]
return {"items": cached_images, "total": total_count}
@app.route("/o")
def redirect_image():
original_url = request.args.get("url")
plus_url = request.args.get("plus")
print("try " + original_url)
if not original_url:
return "Missing url parameter", 400
# 从数据库检查是否存在缓存记录
conn = sqlite3.connect(DB_FILE)
cursor = conn.cursor()
cursor.execute(
"SELECT cached_url, cache_time FROM history WHERE original_url = ?",
(original_url,),
)
record = cursor.fetchone()
if record:
cached_url, cache_time = record
if datetime.strptime(
cache_time, "%Y-%m-%d %H:%M:%S"
) > datetime.now() - timedelta(minutes=3):
print("to " + cached_url + "?x-oss-process=image/resize,m_fill," + plus_url)
return redirect(cached_url + "?x-oss-process=image/resize,m_fill," + plus_url)
# 检查是否存在进行中的缓存任务
if original_url in caching_tasks and datetime.now() - caching_tasks[
original_url
] < timedelta(minutes=3):
return redirect(original_url)
# 发起后台缓存任务
cache_image(original_url)
return redirect(original_url)
def download_image_to_tmp(url):
"""下载图片到临时目录"""
try:
response = requests.get(url, stream=True)
if response.status_code == 200:
file_path = os.path.join(TMP_DIR, urlparse(url).path.split("/")[-1])
with open(file_path, "wb") as f:
shutil.copyfileobj(response.raw, f)
return file_path
except Exception as e:
print(f"Error downloading image {url}: {e}")
return None
def cache_image(original_url):
caching_tasks[original_url] = datetime.now()
tmp_file_path = download_image_to_tmp(original_url)
if tmp_file_path:
try:
oss_path = "cache/" + urlparse(original_url).path.lstrip("/")
with open(tmp_file_path, "rb") as f:
BUCKET.put_object(oss_path, f)
cached_url = f"{CDN}/{oss_path}"
print("cached " + cached_url)
with sqlite3.connect(DB_FILE) as conn:
cursor = conn.cursor()
cursor.execute(
"INSERT OR REPLACE INTO history (original_url, cached_url, cache_time) VALUES (?, ?, ?)",
(
original_url,
cached_url,
datetime.now().strftime("%Y-%m-%d %H:%M:%S"),
),
)
conn.commit()
except Exception as e:
print(f"Error caching image {original_url}: {e}")
finally:
os.remove(tmp_file_path) # 删除临时文件
del caching_tasks[original_url]
if __name__ == "__main__":
app.run(debug=False)# 使用官方Python基础镜像
FROM python:3.9-slim-buster
# 设置工作目录
WORKDIR /app
# 复制requirements.txt到工作目录
COPY requirements.txt .
# 安装Python依赖
RUN pip install --no-cache-dir -r requirements.txt
# 复制应用程序代码到工作目录
COPY . .
# 创建临时目录
RUN mkdir -p tmp
# 创建数据目录
RUN mkdir -p data
# 暴露应用程序端口(根据实际情况修改)
EXPOSE 5000
# 运行应用程序
CMD ["python", "app.py"]Flask
oss2
requests
version: '3'
services:
img2oss:
image: odinluo/img2oss:latest
ports:
- 5000:5000
- 7081:80
- 7082:8080
environment:
- ACCESS_KEY_ID=
- ACCESS_KEY_SECRET=
- BUCKET_NAME=
- ENDPOINT=oss-cn-hangzhou.aliyuncs.com
- CDN=https://file.domainname.com
- REGION=cn-hangzhou
deploy:
resources:
limits:
memory: 300m
volumes:
- /www/img2oss:/app/data
配置好OSS信息，发布到服务器上测试一下，果然随便就跑通了，真离谱。
指了一个域名过来，反向代理到这个服务。
当然，我的核心需求，其实是减少页面加载的文件大小，比如 midjourney 的生成结果，一个就是5-10M, 我的一个页面就有21个这样的图片，100-200M 的流量就这样没了，关键加载还能慢。
这个时候使用OSS的好处也就来了。
完整图片：网页中查看
添加缩小参数后图片：网页中查看
在显示图片的时候，指定一下图片的宽度，这样就可以避免居多的流量被浪费。
从上文大家也看到了，我发布的docker镜像的地址是 odinluo/img2oss:latest 。
如果你拥有OSS, 且只是想体验成品带来的便利的话，那你也可以直接使用他哦；
当前代码基于AI 创建，作为编写人，我指定的是MIT协议，请随意。
扯，所谓的提示词工程师可以很轻松？ 在我看来还是企业对这个东西的认知差异吧。 一个好的提示词工程师能替代的是整个工程体系的一套小班子，所谓的出纳、会计、保安、收银、客服、保洁、产品经理、设计师、程序员、测试、IT 通通都是你！如果从这个角度来说，未来提示词工程师确实价值很高那确实是事实，因为这就是一个AI赋能的万精油嘛，成为这样的人，你可能得都干过才行。
在网页中插入图片的时候，采用以下格式，能节省很多用户流量，加快页面访问速度。
https://{domain}/o?plus=w_500&url={imageurl}
这也是今天我的工作内容啦，增加一个被动的CDN转发服务，用来把网页内的图片备份到CDN保护下的OSS, 用来提高网页的访问速度和解决网页图片加载不出来的问题。因为这个东西的应用领域比较狭窄，估计也就个人站点级别的站长们会有需求，所有上文出现的诸多操作流程，就没有细述了哈，毕竟连源代码都在上面了，看懂源码很多事情都不需要解释。实在有问题，你就来问我吧。
如果你有任何问题，可以在我的博客页面扫码添加我的个人微信，我会尽量回复你。
如果你对我们的AI产品感兴趣的话，添加我微信，我也可以拉你加入我们的AI技术群哦。
注： 上文提示词和生成代码非一次生成，为逐步迭代测试逐步完成，其中更有手改代码环节，请勿对当前各版本AI有过高期待。