9.3 KiB
9.3 KiB
gen2d 多智能体架构设计
概述
gen2d 是一个 AI 驱动的 2D 游戏素材生成工具。核心思路是采用多智能体协作流水线，将素材生成拆分为 处理前 → 处理中 → 处理后 三个阶段，每个阶段由专门的 subagent 负责。
整体架构
┌──────────────┐ ┌──────────────┐ ┌──────────────┐
│ PromptBuilder │ ──▶ │ AssetGenerator │ ──▶ │ PostProcess │
│ (提示词工程) │ │ (AI 出图) │ │ (质检+格式适配) │
└──────────────┘ └──────────────┘ └──────────────┘
三个 Agent 顺序执行，无需主控编排——上一步的输出即是下一步的输入。
一、处理前 — 提示词工程 & 风格注入
1.1 PromptBuilder Agent
将用户输入一次性加工为最终生成提示词，合并了原本分散在多个步骤中的提示词改写、风格注入、管线标签拼接。
- 输入：用户原始文本 + 素材类型标签 + StyleSeed 对象 + 技术参数
- 输出：直接可用于
AssetGenerator的完整提示词 - 处理逻辑：
- 补全缺失细节（根据素材类型推断默认视角、构图等）
- 注入游戏美术专用术语（pixel art / hand-drawn / vector flat 等）
- 注入 StyleSeed 风格参数（色板、线条粗细、参考图特征向量）
- 拼接管线兼容性标签（
--ar 1:1 --res 64x64 --format png --alpha等） - 添加质量关键词和负向提示词
StyleSeed 数据结构（前端维护，透传至 PromptBuilder）：
palette: 主色调 + 辅助色 + 高光/阴影色lineWeight: 线条粗细等级styleRef: 参考图特征向量（可选，来自用户上传的参考图）resolution: 目标分辨率 (16/32/48/64/128/256)artStyle: 美术风格枚举 (pixel/cartoon/hand-drawn/vector/flat)
二、处理时 — 生成 & 风格控制
2.1 AssetGenerator（统一生成 Agent）
所有素材类型共用同一个生成 Agent，调用底层 AI 推理 API 出图。不同素材类型的差异化需求已在预处理阶段由 PromptBuilder 按 assetType 注入到提示词中，不体现在生成阶段。
原本归属在"生成 Agent"上的特殊约束（帧间一致性、边缘拼接、UI 安全区、视差层、帧循环等），本质上是后处理阶段的验证和适配工作，应下沉到 QualitySupervisor 和 FormatAdapter 中按 assetType 做策略分发。
2.2 序列帧生成策略
对于多帧动画（角色行走、特效等），逐帧独立生成容易出现帧间外观不一致。采用 版图生成法：
- AI 生成一张包含完整动作序列的大图（action plate），帧按网格排列
- 后处理阶段由
FormatAdapter按网格坐标切分为单帧 - 一张版图内的角色外观、光影、比例天然一致
2.3 两阶段生成机制
- Phase 1 — 低分辨率预览：以目标分辨率的 1/4 快速生成缩略图，用户确认方向
- Phase 2 — 高分辨率出图：确认后生成全分辨率素材
- 减少无效生成消耗，节省 API 调用成本
三、处理后 — 质量监督 & 管线适配
3.1 QualitySupervisor Agent
- 职责：评估生成素材质量，决定是否需要重新生成
- 检查维度：
- 边缘清晰度（无模糊/锯齿）
- Alpha 通道正确性（背景是否完全透明）
- 风格一致性（与 StyleSeed 的偏差是否在阈值内）
- 分辨率匹配（输出尺寸是否与目标一致）
- 帧完整性（多帧素材是否缺帧）
- 无缝拼接（瓦片类素材的四边连接测试）
- 输出：每张素材的质量评分 (0-100) + 问题描述
- 决策：评分 < 阈值 → 自动触发重新生成（最多重试 3 次）
3.2 FormatAdapter Agent
- 职责：将原始生成结果转换为游戏引擎可用的格式
- 功能：
- 版图拆分：将序列帧版图按网格切分为单帧（配合 2.2 版图生成法）
- SpriteSheet 打包：将单帧图片合并为 spritesheet，生成 JSON/CSV 元数据（帧位置、尺寸、锚点、碰撞框）
- 元数据生成：
{ "frames": [ { "name": "walk_down_0", "rect": [0, 0, 64, 64], "anchor": [32, 56], "duration": 100 } ], "meta": { "size": [512, 512], "format": "RGBA8888" } } - 引擎导出：可选生成
.aseprite元数据或 Unity.meta文件 - 命名规范化：确保输出遵循
{category}_{name}_{index}.png
3.3 Cache & Dedup
- 请求去重：相同
(提示词, 参数, StyleSeed)的生成请求直接返回缓存结果 - 缓存分层：
- L1: 内存 LRU（热点素材快速响应）
- L2: 本地文件/对象存储（持久化，跨实例共享）
四、API 设计
所有接口统一前缀 /api/v1/，统一响应格式：
{ "code": 0, "message": "ok", "data": {} }
4.1 素材生成
| 方法 | 路径 | 说明 |
|---|---|---|
| POST | /api/v1/generate |
提交生成任务，返回 jobId |
| GET | /api/v1/generate/:jobId |
查询任务状态与进度 |
| GET | /api/v1/generate/:jobId/result |
获取生成结果（素材 URL + 元数据） |
| WS | /api/v1/generate/:jobId/ws |
WebSocket 实时进度推送 |
请求体示例 (POST /api/v1/generate)：
{
"prompt": "a brave knight in shining armor",
"assetType": "sprite",
"styleSeedId": "seed_abc123",
"params": {
"resolution": 64,
"frames": { "directions": 8, "framesPerDirection": 4 },
"format": "spritesheet"
}
}
4.2 风格管理
| 方法 | 路径 | 说明 |
|---|---|---|
| POST | /api/v1/style/seed |
创建风格种子（可上传参考图） |
| GET | /api/v1/style/seed/:id |
获取风格种子详情 |
| GET | /api/v1/style/seeds |
列出所有风格种子 |
| POST | /api/v1/style/extract |
从参考图提取风格特征向量 |
4.3 缓存管理
| 方法 | 路径 | 说明 |
|---|---|---|
| DELETE | /api/v1/cache/:key |
清除特定缓存 |
| POST | /api/v1/cache/clear |
批量清除缓存 |
五、后端分层结构
backend/internal/
├── handler/ # HTTP handlers（薄层，只做参数绑定 + 调用 service）
│ ├── generate.go # 生成任务提交 / 查询 / WebSocket
│ ├── style.go # 风格种子 CRUD + 特征提取
│ └── health.go # [已有] 健康检查
├── service/ # 业务逻辑层
│ ├── pipeline.go # 核心管线：接收请求 → PromptBuilder → AssetGenerator → QualitySupervisor → FormatAdapter
│ ├── inference.go # AI 推理 API 调用封装（可替换模型提供商）
│ └── style.go # 风格种子管理 & 参考图特征提取
├── model/ # 数据模型 / DTO
│ ├── response.go # [已有] 统一响应
│ ├── task.go # 生成任务 & 素材
│ └── style.go # 风格种子
├── middleware/ # 中间件
│ ├── cors.go
│ ├── logger.go
│ └── ratelimit.go
├── config/ # [已有] 配置
│ └── config.go
├── queue/ # 异步任务队列
│ └── jobqueue.go
└── cache/ # 缓存层（请求去重 + 结果缓存）
└── cache.go
分层原则
- handler：只做参数绑定、校验、调用 service、返回响应。一个 handler 对应一组 API 路由。
- service：承载所有业务逻辑。
pipeline.go是唯一编排入口，不再拆分成 orchestrator/preprocess/generator/postprocess 四个文件——这些是同一根管线的顺序步骤，拆开反而增加耦合面。 - model：纯数据结构，不含业务逻辑。
六、前端集成
核心交互流程
用户输入提示词 → 选择风格种子 → 配置参数 → 提交生成
→ 轮询/WebSocket 进度 → 预览缩略图 → 确认/调整 → 下载素材包
关键组件树
App
├── AssetGenerator # 生成工作台（主页面）
│ ├── PromptInput # 提示词输入 + 素材类型选择
│ ├── StyleSelector # 风格种子选择器（含预览色板）
│ ├── ParamPanel # 参数面板（分辨率/帧数/格式/引擎）
│ └── ReferenceUpload # 参考图上传
├── GenerationProgress # 生成进度展示
│ ├── ProgressBar # 总进度
│ ├── ThumbnailGrid # 缩略图网格（低分辨率预览）
│ └── AssetCard # 单张素材预览 + 质量评分
├── StyleManager # 风格种子管理
│ └── StylePalette # 色板可视化
└── ExportPanel # 导出面板
├── FormatSelector # 格式选择（spritesheet/json/unity/godot）
└── DownloadButton # 打包下载
状态管理 (zustand)
useGenerationStore— 生成任务队列、进度、结果useStyleStore— 风格种子列表、当前选中风格useWebSocket— WebSocket 连接管理 (自定义 hook)