新增图片上下文存储

src/routers/deep_agent_chat.py

@@ -10,18 +10,15 @@ from typing import AsyncGenerator
 from fastapi.responses import StreamingResponse
 from langchain_core.messages import SystemMessage, AIMessageChunk, ToolMessage, AIMessage, ToolMessageChunk
 
-from src.core.config import PROJECT_ROOT, settings, MONGO_URI
+from src.core.config import PROJECT_ROOT, settings
 from src.server.deep_agent.agents.main_agent import build_main_agent
 from src.server.deep_agent.tools.conversation_title_tool import conversation_title
-from src.server.deep_agent.tools.generate_furniture_sketch import is_image_path_exist
 from src.schemas.deep_agent_chat import DeepAgentChatRequest, HistoryResponse, HistoryItem
 from src.server.deep_agent.tools.extract_suggested_questions import generate_suggested_questions
-from src.server.deep_agent.utils.mongodb_util import ThreadImageMinIOStore
+from src.server.utils.new_oss_client import get_presigned_url
-from src.server.utils.new_oss_client import is_minio_file_exist, oss_upload_image_file, oss_get_image, get_presigned_url
 
 router = APIRouter(prefix="/chat", tags=["Furniture Design Chat"])
 logger = logging.getLogger(__name__)
-image_store = ThreadImageMinIOStore(MONGO_URI, "agent_tool_generate_db")
 minio_client = Minio(settings.MINIO_URL, access_key=settings.MINIO_ACCESS, secret_key=settings.MINIO_SECRET, secure=settings.MINIO_SECURE)
 
 
@@ -108,6 +105,7 @@ async def chat_stream(request: DeepAgentChatRequest):
     workspace_dir = os.path.join(PROJECT_ROOT, f"agent_workspace/{target_thread_id}")
     logger.info(f"chat request data: {request} | target_thread_id : workspace_dir: {workspace_dir}")
     main_agent = build_main_agent(request.use_report, workspace_dir, request.enable_thinking)
+
     # 2. 配置參數
     temp = request.config_params.temperature if request.config_params else 0.7
 
@@ -142,11 +140,14 @@ async def chat_stream(request: DeepAgentChatRequest):
                 "checkpoint_id": checkpoint_id
             }
         }
+        last_checkpoint_id = await get_branch_checkpoint_id(main_agent, source_config)
         older_state = await main_agent.aget_state(source_config)
         combined_values = older_state.values.copy()
         if initial_messages:
             combined_values["messages"] = list(combined_values.get("messages", [])) + initial_messages
         await main_agent.aupdate_state(current_config, combined_values)
+    else:
+        last_checkpoint_id = await get_checkpoint_id(main_agent, current_config)
 
     async def event_generator() -> AsyncGenerator[str, None]:
         is_first = True
@@ -171,15 +172,6 @@ async def chat_stream(request: DeepAgentChatRequest):
             content.append({"type": "image_url", "image_url": {"url": image_url}})
             files["quote_image"] = request.quote_image_path
 
-        # 用户最近生成图片
-        if image_store.get_image_path(target_thread_id):
-            current_image_path = image_store.get_image_path(target_thread_id).get("current_image_path", False)
-            if current_image_path:
-                bucket, object_name = current_image_path.split('/', 1)
-                image_url = get_presigned_url(oss_client=minio_client, bucket=bucket, object_name=object_name)
-                if image_url is not None:
-                    content.append({"type": "image_url", "image_url": {"url": image_url}})
-
         final_messages = {
             "messages": [
                 {
@@ -197,6 +189,17 @@ async def chat_stream(request: DeepAgentChatRequest):
         ):
             if is_first:
                 checkpoint_id = main_agent.get_state(current_config).config.get("configurable").get("checkpoint_id")
+                if not checkpoint_id:
+                    print("123")
+                main_agent.store.put(
+                    ("image_history",),
+                    "checkpoint_id",
+                    {
+                        "current_checkpoint_id": checkpoint_id,
+                        "last_checkpoint_id": last_checkpoint_id,
+                    }
+                )
+                logger.info(f"*******************{checkpoint_id}**********************************")
                 yield f"data: {json.dumps({'thread_id': target_thread_id, 'is_branch': is_branching, 'status': 'start', "checkpoint_id": checkpoint_id}, ensure_ascii=False)}\n\n"
                 is_first = False
             _, mode, chunks = stream
@@ -257,7 +260,7 @@ async def chat_stream(request: DeepAgentChatRequest):
                                 # "tool_call_chunk": token.tool_call_chunks[0] if token.tool_call_chunks else None
                             })
                         else:
-                            print(f"[reasoning] {reasoning}*************************************************************************************")
+                            logger.info(f"[reasoning] {reasoning}*************************************************************************************")
                     elif text:
                         if len(text) == 1:
                             payload_out.update({
@@ -267,7 +270,7 @@ async def chat_stream(request: DeepAgentChatRequest):
                                 # "tool_call_chunk": token.tool_call_chunks[0] if token.tool_call_chunks else None
                             })
                         else:
-                            print(f"[text] {text}*************************************************************************************")
+                            logger.info(f"[text] {text}*************************************************************************************")
                     else:
                         payload_out.update({
                             "type": "tool_call",
@@ -395,7 +398,29 @@ async def get_chat_history(thread_id: str):
         ))
 
     return HistoryResponse(thread_id=thread_id, history=history_data)
-    # try:
 
-    # except Exception as e:
+
-    #     raise HTTPException(status_code=404, detail=f"History not found: {str(e)}")
+async def get_checkpoint_id(main_agent, current_config):
+    # 🔥 最优：边遍历边找，找到第一个就返回，不浪费内存
+    async for item in main_agent.aget_state_history(config=current_config):
+        if item.next == ("__start__",):
+            # 找到直接处理并返回
+            # if item.parent_config:
+            #     return item.parent_config.get('configurable', {}).get('checkpoint_id')
+            return item.config.get('configurable', {}).get('checkpoint_id')
+    # 没找到
+    return None
+
+
+async def get_branch_checkpoint_id(main_agent, current_config):
+    # 🔥 最优：边遍历边找，找到第一个就返回，不浪费内存
+    async for item in main_agent.aget_state_history(config=current_config):
+        current_id = current_config.get('configurable', {}).get('checkpoint_id')
+        if item.next == ("__start__",) and item.config.get('configurable', {}).get('checkpoint_id') != current_id:
+            if item.parent_config:
+                if item.parent_config.get('configurable', {}).get('checkpoint_id') != current_id:
+                    return item.config.get('configurable', {}).get('checkpoint_id')
+            else:
+                return item.config.get('configurable', {}).get('checkpoint_id')
+    # 没找到
+    return None

src/server/deep_agent/agents/main_agent.py

@@ -3,6 +3,7 @@ from deepagents.backends import FilesystemBackend
 from langchain.agents.middleware import SummarizationMiddleware
 from langgraph.checkpoint.mongodb import MongoDBSaver
 from langgraph.checkpoint.serde.jsonplus import JsonPlusSerializer
+from langgraph.store.memory import InMemoryStore
 from pymongo import MongoClient
 
 from src.core.config import MONGO_URI
@@ -50,6 +51,7 @@ def build_main_agent(use_report, workspace_dir, enable_thinking):
     main_agent = create_deep_agent(
         model=build_main_llm(enable_thinking=enable_thinking),
         system_prompt=build_system_prompt(use_report=use_report),
+        store=InMemoryStore(),
         subagents=subagents,
         checkpointer=checkpointer,
         backend=FilesystemBackend(

src/server/deep_agent/init_prompt.py

@@ -1,8 +1,8 @@
 def build_system_prompt(use_report):
     system_prompt = f"""
     你是主调度 Agent（Supervisor），负责理解用户意图并选择合适的子Agent。
-    当前参数：    use_report = {use_report}
+    当前参数：
-    
+    use_report = {use_report}
     系统中存在两个相关子Agent：
     1. user_profile_subagent
        负责收集和维护用户画像信息，包括但不限于：
@@ -16,30 +16,27 @@ def build_system_prompt(use_report):
 
     3. painter_subagent
         负责根据用户描述,构造适用于 生成家具sketch的prompt或编辑家具sketch的prompt
-        1.用prompt用工具生成图片.
+        1.利用prompt用工具生成图片.
-        2.用prompt和图片url用工具编辑图片.
+        2.利用prompt和图片路径用工具编辑图片.
 
     ========================
     执行规则
     ========================
-    【1】当 use_report = False 时：
+    【1】当用户请求报告 / 调研 / 分析 / 总结时：
+    先判断是否已经具备足够的用户画像信息。
+    如果用户需求信息不足（例如缺少风格、房间类型、预算、主题、范围等）：
+    → 调用 user_profile_subagent 收集信息  
+    不要直接生成报告。
+    如果用户画像信息已经完整：
+    → 调用 research-subagent 生成报告。
+    ------------------------
+    【2】当 use_report = False 时：
     - 严禁调用 research-subagent
     - 如果用户明确请求报告、调研、总结、分析：
 
     请礼貌回复：
-    "报告功能当前未开启，你可以打开 Trending report 后我来帮你生成报告。"
+    "报告功能当前未开启，你可以打开 use_report=True 后我来帮你生成报告。"
-    - 其他普通问题可以正常回答或调用其他子Agent
+    - 其他普通问题可以正常回答或调用其他子Agent。
-    
-    ------------------------
-
-    【2】当用户请求报告 / 调研 / 分析 / 总结时：
-    先判断是否已经具备足够的用户画像信息。
-    如果用户需求信息不足（例如缺少风格、房间类型、预算、主题、范围等）：
-    → 调用 user_profile_subagent 收集信息
-    不要直接生成报告。
-    如果用户画像信息已经完整：
-    → 调用 research-subagent 生成报告。
-。
     ------------------------
     【3】用户画像优先级规则
     只要用户输入包含以下情况：
@@ -55,42 +52,13 @@ def build_system_prompt(use_report):
     - user_profile_subagent 只负责 **信息收集**
     - research-subagent 只负责 **报告生成**
     不要混用职责。
-
     ========================
-    !禁止输出：
-    - 路径
-    - 图片url地址
-    - 工具参数
-    - 解释过程
-    ========================
-    !输出规则:
-    - 当 painter_subagent 返回图片地址（image_url）时：
-      * 不要直接输出原始 URL 给用户。
-      * 请用 Markdown 格式回复，例如：  
-        "已为你生成/编辑家具 sketch："  
-        <image-card alt="家具设计" src="image_url" ></image-card>
-      * 或者仅回复："图片已生成，请查看。"（如果你想在前端单独显示图片）
-    - **禁止** 把工具返回的原始 image_url 直接暴露给用户。
-    - 你的输出必须**简短**。
-    ========================
-    
-    图片生成工具只会返回 MinIO 内部路径（如 "bucket/folder/xxx.png"）。
-    重要规则：
-    - 当工具返回包含 "MinIO path:" 或类似 "test/a/v/xxx.png" 的内容时，你必须理解这是一张图片。
-    - 这张图片**不能直接用于多模态输入**，也不能直接发给用户查看。
-    - 任何时候如果你（或用户）需要“看”这张图片、描述这张图片、或把图片作为 vision 模型的输入，你**必须先调用 get_presigned_image_url 工具**，传入该 MinIO path，获取 presigned http URL。
-    - 之后用这个 presigned URL 进行多模态调用（例如把 URL 传给支持 image_url 的模型）。
-    - 在对话历史中，优先记住 MinIO path，并在需要时主动转换。
-    - 用户说“描述一下这张图”时，你应该先获取 presigned URL，再调用 vision 工具/模型。
-    
-    永远不要假设 MinIO path 是可直接访问的 http 地址。
     """
-
     return system_prompt
 
 
 def build_painter_prompt():
-    """
+    prompt = """
     你是 painter_subagent，专门负责「生成」或「编辑」 sketch 图像的工具调度助手。
     你的唯一任务是：根据用户意图，严格选择正确的工具（generate_furniture 或 edit_furniture），并构造对应参数。
     --------------------------------
@@ -115,7 +83,7 @@ def build_painter_prompt():
     ---
     ### ❗默认规则（非常重要）
     如果用户输入不明确（例如：“改成绿色”）：
-    👉 一律视为【编辑类】
+    👉 一律视为【编辑类】  
     👉 使用 edit_furniture
     --------------------------------
     【二、关于图片来源（关键规则）】
@@ -128,8 +96,7 @@ def build_painter_prompt():
     调用 edit_furniture 时：
     - 只需要提供：
       {
-        "prompt": "<英文图像编辑描述>",
+        "prompt": "<英文图像编辑描述>"
-        "image_url": "<用户指定的图片url>"
       }
     - prompt 要求：
       - 清晰描述修改内容
@@ -144,33 +111,18 @@ def build_painter_prompt():
     - ❌ 忽略“修改类”意图
     - ❌ 因为信息少就拒绝调用工具
     --------------------------------
+    【五、用户回复规则（必须遵守）】
+    你对用户的最终回复只能是以下格式之一：
+    - "图片已成功生成！"
+    - "已按你的要求完成修改，图片已更新！"
     ❗禁止输出：
     - 路径
+    - URL
     - 工具参数
     - 解释过程
     --------------------------------
     现在开始工作。
     """
-    prompt = """
-    你是 painter_subagent，唯一任务是根据用户意图选择工具并构造参数。
-
-    【工具选择规则】
-    - 包含“修改 / 改成 / 调整 / 优化 / 换成 / 基于已有图片”等语义 → 必须用 edit_furniture。
-    - 明确“生成 / 创建 / 设计 / 画一个”等 → 用 generate_furniture。
-    - 不明确时默认视为编辑类，用 edit_furniture。
-
-    【图片规则】
-    - edit_furniture 自动使用上下文当前图片。
-    - 严禁自行编造 image_url。
-
-    【输出要求】
-    - 仅输出正确的工具调用。
-    - **禁止任何解释、过程、额外文字**。
-    - edit_furniture 只需提供 prompt（英文修改描述）和 image_url（如果用户指定）。
-
-    现在严格执行。
-    """
-
     return prompt
 
 

src/server/deep_agent/tools/generate_furniture_sketch.py

@@ -2,48 +2,20 @@ import uuid
 import httpx
 import logging
 
-from langchain_core.messages import ToolMessage
 from langchain_core.runnables import RunnableConfig
-from langchain_core.stores import BaseStore
 from minio import Minio
-from google import genai
 from pathlib import Path
 from datetime import datetime
 from langchain_core.tools import tool
-from google.oauth2 import service_account
 from langgraph.prebuilt import ToolRuntime
 from src.core.config import settings, MONGO_URI
 from src.server.deep_agent.utils.mongodb_util import ThreadImageMinIOStore
-from src.server.utils.new_oss_client import get_presigned_url, check_and_extract_minio_image
-
-# from google.genai.types import GenerateContentConfig, Modality
-# from langgraph.config import get_stream_writer
-# from src.server.utils.new_oss_client import oss_upload_image, oss_get_image, is_minio_file_exist, oss_upload_image_file
-
-# 初始化全局凭证和客户端
-# creds = service_account.Credentials.from_service_account_file(
-#     settings.GOOGLE_GENAI_USE_VERTEXAI,
-#     scopes=["https://www.googleapis.com/auth/cloud-platform"],
-# )
-# client = genai.Client(
-#     credentials=creds,
-#     project=settings.GOOGLE_CLOUD_PROJECT,
-#     location=settings.GOOGLE_CLOUD_LOCATION,
-#     vertexai=True
-# )
 
 logger = logging.getLogger(__name__)
 minio_client = Minio(settings.MINIO_URL, access_key=settings.MINIO_ACCESS, secret_key=settings.MINIO_SECRET, secure=settings.MINIO_SECURE)
 image_store = ThreadImageMinIOStore(MONGO_URI, "agent_tool_generate_db")
 
 
-def is_image_path_exist(image_path):
-    try:
-        return Path(image_path).exists()
-    except:
-        return False
-
-
 @tool
 async def generate_furniture(prompt: str, runtime: ToolRuntime):
     """
@@ -70,41 +42,16 @@ async def generate_furniture(prompt: str, runtime: ToolRuntime):
     - 生成的图片会自动携带到整个对话上下文中，支持后续使用 edit_furniture 等工具进行迭代修改。
     - 如果需要生成多个方案，可以多次调用本工具或在 prompt 中明确要求生成不同变体。
     """
-    logger.info(f"\n[系统日志] 正在调用 generate_furniture ...")
+    current_checkpoint_id = runtime.store.get(namespace=("image_history",), key="checkpoint_id", ).value.get("current_checkpoint_id")
-    # thread_id = runtime.config.get("configurable").get("thread_id")
+
+    logger.info(f"\n[系统日志] 正在调用 generate_furniture ...当前checkpoint_id={current_checkpoint_id}")
+
     try:
-        # 1. 生成图像 - local flux2-klein
+        image_url = await generate_or_edit_image(prompt=prompt)
-        object_name = f"furniture/sketches/{uuid.uuid4()}.png"
+
-        bucket_name = "fida-public-bucket"  # 替换为你的 bucket 名称
-        request_data = {
-            "prompt": prompt,
-            "bucket_name": bucket_name,
-            "object_name": object_name,
-            "width": 1024,
-            "height": 1024
-        }
-        async with httpx.AsyncClient(timeout=120) as client:
-            resp = await client.post(
-                f"http://{settings.FLUX2_GEN_IMG_MODEL_URL}/predict",
-                json=request_data,
-            )
-        result = resp.json()
-        image_url = result.get("output_path", None)
-        # image_presigned_url = get_presigned_url(oss_client=minio_client, bucket=bucket_name, object_name=object_name)
         if image_url:
-            # image_store.save_image_path(thread_id=thread_id, object_path=image_url, metadata={"prompt": prompt, "generated_at": str(datetime.now())})
+            image_store.save_image_path(thread_id=current_checkpoint_id, object_path=image_url, metadata={"prompt": prompt, "generated_at": str(datetime.now())})
-            # image_id = str(uuid.uuid4())
+            return image_url
-            # runtime.store.put(
-            #     namespace=("images", thread_id),  # e.g. ("images", thread_id)
-            #     key=image_id,
-            #     value={
-            #         "url": image_url,
-            #         "prompt": prompt,
-            #         "timestamp": str(uuid.uuid4()),  # 或用 datetime
-            #         "version": "v1"
-            #     }
-            # )
-            return f"Image has been generated: https://minio-api.aida.com.hk/{image_url}"
         else:
             return "Image generation failed."
     except Exception as e:
@@ -113,141 +60,88 @@ async def generate_furniture(prompt: str, runtime: ToolRuntime):
 
 
 @tool
-async def edit_furniture(image_url: str, prompt: str, runtime: ToolRuntime, config: RunnableConfig):
+async def edit_furniture(prompt: str, runtime: ToolRuntime, config: RunnableConfig):
     """
     使用先进的图像编辑模型（image editing model）对家具设计草图进行精准修改。
 
     功能说明：
-    - 输入一张家具图片（草图/效果图），根据用户提供的**详细英文提示词**，生成修改后的新家具图片。
+    - 根据用户提供的**详细英文提示词**，生成修改后的新家具图片。
-    - 修改后的图片会以 image_url 形式返回，自动加入对话上下文，后续 Agent 可以直接“看到”编辑结果并继续操作。
 
     参数说明：
-    - image_url (str): 原始家具图片的 URL（支持公开 http/https 链接或 data:image/...;base64 格式）。
     - prompt (str): **必须是详细的英文提示词**，描述想要的具体修改（风格、颜色、材质、形状、添加/删除元素、比例等）。
       示例："Change the sofa to a modern minimalist style with dark gray fabric and metal legs, add a matching coffee table, make the overall lighting warmer and more luxurious."
 
-    返回值：
-    返回新生成家具图片的 image_url，后续对话中 Agent 可直接引用该图片进行描述、进一步编辑或分析。
-
     使用场景：
     - 家具设计迭代
     - 室内设计方案修改
     - 风格转换（现代/北欧/工业风等）
     - 材质/颜色调整
 
-    注意：如果需要多次迭代编辑，直接在下一次调用时传入上一次返回的新 image_url 即可。
     """
-    logger.info(f"\n[系统日志] 正在调用 edit_furniture ...")
+    image_history = runtime.store.get(namespace=("image_history",), key="checkpoint_id", )
-    thread_id = runtime.config.get("configurable").get("thread_id")
+    last_checkpoint_id = image_history.value.get("last_checkpoint_id")
+    current_checkpoint_id = image_history.value.get("current_checkpoint_id")
+
+    logger.info(f"\n[系统日志] 正在调用 edit_furniture ...current_checkpoint_id={current_checkpoint_id}  ---  last_checkpoint_id={last_checkpoint_id}")
+
     input_path = []
+    if image_store.get_image_path(last_checkpoint_id):
+        current_image_path = image_store.get_image_path(last_checkpoint_id).get("current_image_path", False)
+    else:
+        current_image_path = None
 
     try:
         user_input_image_paths = runtime.state.get("files").get("input_image", [])
         user_quote_image_path = runtime.state.get("files").get("quote_image", "")
 
-        extract_result = check_and_extract_minio_image(url=image_url)
+        if current_image_path:
-        if extract_result['state']:
-            current_image_path = extract_result['data']
             if len(user_input_image_paths) or current_image_path:
-
                 for path in user_input_image_paths:
                     input_path.append(path)
                 if user_quote_image_path:
                     input_path.append(user_quote_image_path)
                 if not len(user_input_image_paths) and not user_quote_image_path:
                     input_path = [current_image_path]
-                object_name = f"furniture/sketches/{uuid.uuid4()}.png"
-                bucket_name = "fida-public-bucket"  # 替换为你的 bucket 名称
-                request_data = {
-                    "input_image_paths": input_path,
-                    "prompt": prompt,
-                    "bucket_name": bucket_name,
-                    "object_name": object_name,
-                    "width": 1024,
-                    "height": 1024
-                }
-                async with httpx.AsyncClient(timeout=120) as client:
-                    resp = await client.post(
-                        f"http://{settings.FLUX2_GEN_IMG_MODEL_URL}/predict",
-                        json=request_data,
-                    )
-                result = resp.json()
-                image_url = result.get("output_path", None)
 
+                bucket_name = "fida-public-bucket"
+                object_name = f"furniture/sketches/{uuid.uuid4()}.png"
+                image_url = await generate_or_edit_image(input_path=input_path, prompt=prompt, bucket_name=bucket_name, object_name=object_name)
                 if image_url:
-                    # image_store.save_image_path(thread_id=thread_id, object_path=image_url, metadata={"prompt": prompt, "generated_at": str(datetime.now())})
+                    image_store.save_image_path(thread_id=current_checkpoint_id, object_path=image_url, metadata={"prompt": prompt, "generated_at": str(datetime.now())})
-                    return f"Image has been generated: https://minio-api.aida.com.hk/{image_url}"
+                    return image_url
                 else:
                     return "Image generation failed."
             else:
                 return "The picture to be edited does not exist."
         else:
-            return extract_result['message']
+            return "No recent image found, please upload or cite it"
 
     except Exception as e:
         logger.warning(f"edit_furniture error ：{e}")
         return "edit_furniture error"
 
-# def create_generate_furniture_tool(workspace_dir):
+
-#     @tool
+async def generate_or_edit_image(input_path=None, bucket_name="fida-public-bucket",
-#     async def generate_furniture(prompt: str) -> str:
+                                 object_name=f"furniture/sketches/{uuid.uuid4()}.png",
-#         """
+                                 prompt="Generate a modern minimalist dining chair made of light "
-#         使用 Gemini 图像生成模型根据详细的英文提示词生成家具设计草图。
+                                        "oak wood and white leather, with slim metal legs, photographed "
-#         """
+                                        "in a bright Scandinavian living room with natural sunlight, high detail, "
-#         print(f"\n[系统日志] 正在调用 Nano Banana (Gemini Image Gen) ...")
+                                        "8k resolution."):
-#
+    if input_path is None:
-#         try:
+        input_path = []
-#             response = client.models.generate_content(
+    request_data = {
-#                 model="gemini-2.5-flash-image",
+        "input_image_paths": input_path,
-#                 contents=(f"Generate a professional furniture design sketch: {prompt}"),
+        "prompt": prompt,
-#                 config=GenerateContentConfig(
+        "bucket_name": bucket_name,
-#                     response_modalities=[Modality.TEXT, Modality.IMAGE],
+        "object_name": object_name,
-#                 ),
+        "width": 1024,
-#             )
+        "height": 1024
-#
+    }
-#             image_bytes = None
+    async with httpx.AsyncClient(timeout=120) as client:
-#             for part in response.candidates[0].content.parts:
+        resp = await client.post(
-#                 if part.inline_data:
+            f"http://{settings.FLUX2_GEN_IMG_MODEL_URL}/predict",
-#                     image_bytes = part.inline_data.data
+            json=request_data,
-#                     break
+        )
-#
+    result = resp.json()
-#             if not image_bytes:
+    image_url = result.get("output_path", None)
-#                 return "未能生成图像数据。"
+    return image_url
-#             # 1. 定义OSS存储路径和本地保存路径
-#             object_name = f"furniture/sketches/{uuid.uuid4()}.png"
-#             bucket = "fida-test"  # 替换为你的 bucket 名称
-#             filename = os.path.join(workspace_dir, f"{bucket}/{object_name}")
-#
-#             # 2. 创建本地目录（确保目录存在）
-#             local_dir = os.path.dirname(filename)
-#             if not os.path.exists(local_dir):
-#                 os.makedirs(local_dir, exist_ok=True)
-#
-#             # 3. 保存图片到本地文件（新增核心逻辑）
-#             try:
-#                 with open(filename, "wb") as f:
-#                     f.write(image_bytes)
-#                 print(f"[系统日志] 图片已保存到本地：{filename}")
-#             except Exception as save_e:
-#                 logger.warning(f"保存图片到本地失败：{save_e}")
-#                 # 本地保存失败不中断上传流程，仅记录日志
-#
-#             # 4. 上传图片到OSS（原有逻辑）
-#             upload_res = oss_upload_image(
-#                 oss_client=minio_client,
-#                 bucket=bucket,
-#                 object_name=object_name,
-#                 image_bytes=image_bytes
-#             )
-#
-#             if upload_res:
-#                 image_url = f"{bucket}/{object_name}"
-#                 return image_url
-#             else:
-#                 return f"图片生成成功（本地路径：{filename}），但上传至存储服务器失败。"
-#
-#         except Exception as e:
-#             logger.warning(f"绘图流程异常：{e}")
-#             return "绘图流程异常"
-#
-#     return generate_furniture