随着时尚行业数字化发展,服装品牌和创意设计团队在视觉创意、设计方案生成、品牌风格统一及内容生产过程中,面临创意标准难以统一、设计迭代效率低、人工评审成本高、视觉资产复用困难等问题。VIZDONE 项目旨在通过生成式 AI 技术,将创意标准、参考视觉资产与 AI 生成能力结合,构建面向时尚设计场景的智能创意生产平台,帮助设计团队提升创意生产效率,降低重复性工作成本,并保持品牌视觉风格的一致性。
点击空白处退出提示
随着时尚行业数字化发展,服装品牌和创意设计团队在视觉创意、设计方案生成、品牌风格统一及内容生产过程中,面临创意标准难以统一、设计迭代效率低、人工评审成本高、视觉资产复用困难等问题。VIZDONE 项目旨在通过生成式 AI 技术,将创意标准、参考视觉资产与 AI 生成能力结合,构建面向时尚设计场景的智能创意生产平台,帮助设计团队提升创意生产效率,降低重复性工作成本,并保持品牌视觉风格的一致性。
项目主要包含 AI 创意任务管理、创意标准管理、多模型服务接入、视觉参考素材检索、AI 内容生成、生成结果评价及任务状态管理等功能模块。平台支持将创意需求拆解为结构化任务,根据创意标准组织生成流程,调用不同的大语言模型、视觉语言模型及图像生成服务完成内容生产。同时,通过图像向量化和语义检索技术,从参考素材库中召回符合要求的视觉资产,为生成过程提供参考依据。系统还支持生成结果评价、评审意见记录及任务进度反馈,形成从创意输入、内容生成到结果评估的完整业务闭环。
我主要负责 AI 应用后端架构设计与核心业务功能开发,参与任务状态流转、模型服务接入、视觉 RAG 检索及异步生成流程实现。后端采用 Python、FastAPI 构建服务,使用 PostgreSQL、PGVector 存储业务数据和视觉向量,Redis 支撑缓存及任务协同,前端采用 React。通过事件驱动状态机与 Guard 机制约束任务阶段流转,将业务状态控制与模型语义理解、内容生成分离;通过统一 Provider 接口屏蔽不同模型供应商差异;采用 HTTP 202、消息队列和 SSE 实现异步任务处理与进度推送。项目难点在于多模型协同、长耗时任务管理、视觉语义检索及生成结果的一致性控制。






评论