基于英特尔 OpenVINO 的本地文旅商家智能助手

技能描述

本技能自动化执行"基于英特尔 OpenVINO 的本地文旅商家智能助手"项目，提供 8 大核心 AI 功能。所有处理均在本地完成，无需网络连接，零成本使用。

核心功能：

📋 构建商家数字档案（必须首先执行）
📖 生成文化故事（支持多模态）
🌍 国际化营销引擎（多语言翻译）
🎬 短视频脚本创作
🎯 体验策划引擎（活动方案生成）
💬 口碑管理引擎（评价分析与回复）
📢 全渠道营销物料构建
🖼️ AI 海报生成（输出图片文件）

技术特色：

✅ 完全本地运行，数据隐私保护
✅ 基于英特尔 OpenVINO 加速推理
✅ 零成本，无需 API Key
✅ 离线可用，无网络依赖

前置要求

系统要求

操作系统: Windows 10/11, Linux, 或 macOS
Python: 3.8 - 3.11
处理器: Intel CPU 系列
内存: 最低 16 GB，推荐 32 GB
存储: 至少 20 GB 可用空间（模型文件约 12 GB）

依赖工具

Git（用于克隆代码仓库）
pip（Python 包管理器）

执行步骤

步骤 1: 克隆项目代码

git clone https://github.com/go-lisa/2B-Marketing.git
cd 2B-Marketing

注意: 如果 cd 2B-Marketing 执行出错，请手动找到刚才拉取的项目目录并进入。

步骤 2: 安装 Python 依赖

pip install -r requirements.txt

步骤 3: 下载模型文件

# 创建模型目录
mkdir -p lab1-multimodal-vlm
mkdir -p lab4-image-generation

# 使用 Python 脚本下载模型（严格按照 demo-notebook.ipynb 顺序）
python3 << 'EOF'
from pathlib import Path

# 下载 Qwen3-VL 多模态模型
model_dir = Path("lab1-multimodal-vlm/Qwen3-VL-4B-Instruct-int4-ov")
if not model_dir.exists():
    print("正在下载 Qwen3-VL 模型...")
    from modelscope import snapshot_download
    snapshot_download("snake7gun/Qwen3-VL-4B-Instruct-int4-ov", local_dir=str(model_dir))
    print(f"✅ Qwen3-VL 模型已下载到: {model_dir}")
else:
    print(f"✅ Qwen3-VL 模型已存在，跳过下载")

# 下载 Z-Image-Turbo 图像生成模型
model_dir = Path("lab4-image-generation/Z-Image-Turbo-int4-ov")
if not model_dir.exists():
    print("正在下载 Z-Image-Turbo 模型...")
    from modelscope import snapshot_download
    snapshot_download("snake7gun/Z-Image-Turbo-int4-ov", local_dir=str(model_dir))
    print(f"✅ Z-Image-Turbo 模型已下载到: {model_dir}")
else:
    print(f"✅ Z-Image-Turbo 模型已存在，跳过下载")

print("\n🎉 所有模型下载完成！")
EOF

说明：

首次下载约需 10-15 GB 存储空间
下载时间取决于网络速度（通常 10-30 分钟）
如果模型已存在，会自动跳过下载

步骤 4: 环境导入和初始化

创建 init_env.py 文件：

"""环境初始化模块 - 必须在所有功能之前执行"""
import sys
from pathlib import Path

# 确保在 2B-Marketing 目录下运行
project_root = Path(".").resolve()
if not (project_root / "state_manager.py").exists():
    print("⚠️  请在 2B-Marketing/ 目录下运行")
    sys.exit(1)

# 导入项目模块
from state_manager import global_context, create_demo_case
from api_service_local import llm_service, wanx_service
from prompt_templates import PromptTemplates

print("✅ 模块导入成功")
print(f"📍 项目路径: {project_root}")

🎯 核心功能（可独立调用）

重要说明：

⚠️ 每次调用任何功能前，必须先执行「构建数字档案」
✅ 每个功能都可以独立调用，不需要按顺序执行
📝 文本结果直接输出到控制台
🖼️ 图片结果保存到文件，可直接读取展示

功能 0: 构建数字档案（必须首先执行）

这是所有功能的前置条件，每次会话开始时必须先执行！

创建 setup_profile.py：

"""构建商家数字档案 - 必须在其他功能之前执行"""
from init_env import *

# 加载预设的演示案例
demo_case_name = "西湖绸伞店"  # 可选：西湖绸伞店、满觉陇民宿、龙井茶庄

case_data = create_demo_case(demo_case_name)

# 更新全局上下文
summary = global_context.update_profile(
    shop_name=case_data["shop_name"],
    location=case_data["location"],
    opening_date=case_data["opening_date"],
    features=case_data["features"],
    weather=case_data["weather"],
    holiday=case_data["holiday"],
    inventory_status=case_data["inventory_status"],
    target_audience=case_data["target_audience"]
)

print("=" * 60)
print("📋 商家数字档案已加载")
print("=" * 60)
print(summary)
print("\n✅ 可以开始使用各智能引擎！")

执行方式：

python setup_profile.py

功能 1: 生成文化故事

创建 generate_story.py：

"""生成文化故事"""
from init_env import *

# 测试商品名称
product_name = "西湖绸伞·经典款"
story_type = "游客版"  # 可选：游客版、专家版

print(f"🎨 正在为 '{product_name}' 生成{story_type}文化故事...")
print("-" * 60)

# 调用文化内容引擎
context = global_context.to_prompt_context()
system_prompt = PromptTemplates.get_content_engine_prompt(context)

user_prompt = f"""请为商品/景点"{product_name}"生成{story_type}文化故事。

要求：
1. 深入挖掘产品背后的历史文化、工艺细节、情感寓意
2. 结合我店的特色和地理位置，突出独特性
3. {story_type}版本要{"通俗易懂、引发情感共鸣" if story_type == "游客版" else "专业深度、详细工艺细节"}
4. 字数：500-800 字"""

result = llm_service.generate(system_prompt, user_prompt)

# 保存结果
global_context.save_engine_result("content", {"type": "故事", "content": result})

print(result)
print("\n✅ 文化故事生成完成")

执行方式：

python generate_story.py

功能 2: 国际化营销引擎（多语言翻译）

创建 multilingual_translation.py：

"""国际化营销引擎 - 多语言翻译"""
from init_env import *

# 使用上一步生成的故事内容进行翻译
target_language = "英文"

print(f"🌍 正在将文化故事翻译成{target_language}...")
print("-" * 60)

# 提取上一步的故事内容（简化示例，实际使用时可以传入具体内容）
sample_content = """西湖绸伞，又称"西湖纸伞"，是杭州传统手工艺品的代表之一。
始于南宋时期，已有800多年历史。伞面采用特制桑皮纸，
伞骨选用江南特产淡竹，经过72道工序精心制作而成。
每一把绸伞都承载着江南水乡的诗意与浪漫。"""

context = global_context.to_prompt_context()
system_prompt = PromptTemplates.get_content_engine_prompt(context)

user_prompt = f"""请将以下内容翻译成{target_language}，并进行文化背景解释：

原文：
{sample_content}

要求：
1. 不仅要翻译字面意思，更要解释文化内涵
2. 对于特有文化概念（如非遗技艺、历史典故），提供简短的背景说明
3. 给出商家使用外文内容的真实场景指引
4. 格式：先翻译，再解释关键文化概念，最后给出店员的实践指导
"""

translation_result = llm_service.generate(system_prompt, user_prompt)

print(translation_result)
print("\n✅ 多语言翻译完成")

执行方式：

python multilingual_translation.py

功能 3: 短视频脚本

创建 video_script.py：

"""短视频脚本创作"""
from init_env import *

product_name = "西湖绸伞·经典款"

print(f"🎬 正在为 '{product_name}' 创作短视频脚本...")
print("-" * 60)

context = global_context.to_prompt_context()
system_prompt = PromptTemplates.get_content_engine_prompt(context)

user_prompt = f"""请为商品/景点"{product_name}"创作一个 60 秒短视频脚本。

要求包含：
1. 分镜描述（画面内容、拍摄角度）
2. 旁白文案（每句台词和对应时间）
3. 背景音乐建议（风格、情绪）
4. 字幕文案（重点金句）
5. 开头 3 秒必须有吸引力，结尾有行动号召

格式示例：
【0-3 秒】画面：特写镜头... 旁白：... BGM：...
【4-15 秒】画面：..."""

script_result = llm_service.generate(system_prompt, user_prompt)
global_context.save_engine_result("content", {"type": "视频脚本", "content": script_result})

print(script_result)
print("\n✅ 短视频脚本生成完成")

执行方式：

python video_script.py

功能 4: 体验策划引擎

创建 activity_planning.py：

"""体验策划引擎 - 生成活动方案"""
from init_env import *

activity_theme = ""  # 留空让 AI 自主创意，或指定主题如"端午文化节"

print("🎯 正在生成店内微活动方案...")
print("-" * 60)

context = global_context.to_prompt_context()
system_prompt = PromptTemplates.get_planning_engine_prompt(context)

user_prompt = f"""请设计一个店内微活动方案。
{"活动主题：" + activity_theme if activity_theme else "请根据当前天气和节假日自主创意"}

要求：
1. 充分利用在地资源和现有场地
2. 强调文化体验和互动参与
3. 方案要切实可行，成本低
4. 输出完整的活动策划包"""

activity_result = llm_service.generate(system_prompt, user_prompt)
global_context.save_engine_result("planning", {"type": "活动方案", "content": activity_result})

print(activity_result)
print("\n✅ 活动方案生成完成")

执行方式：

python activity_planning.py

功能 5: 口碑管理引擎

创建 reputation_management.py：

"""口碑管理引擎 - 评价分析"""
from init_env import *

# 模拟一条游客评价
review_text = """昨天去了这家店，环境还不错，但是服务员态度有点冷淡。
我问了几个关于产品的问题，回答得很敷衍。
不过产品本身质量还可以，就是感觉缺乏文化讲解。
希望店家能加强员工培训吧。"""

print("💬 正在分析游客评价...")
print("-" * 60)
print(f"评价内容：\n{review_text}\n")
print("-" * 60)

context = global_context.to_prompt_context()
system_prompt = PromptTemplates.get_operation_engine_prompt(context)

user_prompt = f"""请分析以下游客评价，并提供回复和整改建议：

评价内容：
{review_text}

要求：
1. 提取情感和关键问题
2. 生成 2-3 个不同风格的高情商回复
3. 提供具体可执行的整改建议（低成本）
4. 体现真诚和专业"""

review_result = llm_service.generate(system_prompt, user_prompt)
global_context.save_engine_result("operation", {"type": "评价分析", "content": review_result})

print(review_result)
print("\n✅ 评价分析完成")

执行方式：

python reputation_management.py

功能 6: 全渠道营销物料构建

创建 marketing_materials.py：

"""全渠道营销物料构建"""
from init_env import *

campaign_theme = ""  # 当日主题

print("📢 正在生成全渠道营销物料...")
print("-" * 60)

context = global_context.to_prompt_context()
system_prompt = PromptTemplates.get_marketing_engine_prompt(context)

user_prompt = f"""请为我店生成全渠道营销物料。
{"营销主题：" + campaign_theme if campaign_theme else "默认：端午节"}

要求：
1. 海报设计提示词（用于 AI 绘图）
2. 朋友圈文案 3 个版本
3. 小红书种草文案
4. 公众号推文大纲
5. 私域引流话术

请结构化输出所有内容。"""

marketing_result = llm_service.generate(system_prompt, user_prompt)
global_context.save_engine_result("marketing", {"type": "营销物料", "content": marketing_result})

print(marketing_result)
print("\n✅ 营销物料生成完成")

执行方式：

python marketing_materials.py

功能 7: 海报生成

创建 generate_poster.py：

"""海报生成 - 输出图片文件"""
from init_env import *
from PIL import Image

# 从营销物料中提取海报提示词（这里使用示例提示词）
poster_prompt = f"""新中式风格海报，{global_context.shop_name}，
融合{global_context.features}元素，
{global_context.holiday}节日氛围，
高品质商业摄影风格，暖色调，细节精致"""

print("🖼️  正在生成海报图片...")
print(f"提示词：{poster_prompt[:100]}...")
print("-" * 60)

# 调用图像生成服务
poster_image = wanx_service.generate_poster(poster_prompt, size="512*512")

if poster_image:
    # 保存图片到文件
    output_path = "generated_poster.png"
    poster_image.save(output_path, format='PNG')
    print(f"\n✅ 海报图片生成完成！")
    print(f"📁 图片已保存到: {output_path}")
    print(f"💡 可直接读取此图片文件展示给用户")
else:
    print("❌ 海报图片生成失败")

执行方式：

python generate_poster.py

输出：

生成文件：generated_poster.png
可直接读取并展示此图片

📊 调用示例

完整流程（按顺序执行）

# 1. 环境准备
git clone https://github.com/go-lisa/2B-Marketing.git
cd 2B-Marketing
pip install -r requirements.txt

# 下载模型（首次需要）
mkdir -p lab1-multimodal-vlm lab4-image-generation
python3 -c "
from pathlib import Path
from modelscope import snapshot_download
for model_name, model_dir in [
    ('snake7gun/Qwen3-VL-4B-Instruct-int4-ov', 'lab1-multimodal-vlm/Qwen3-VL-4B-Instruct-int4-ov'),
    ('snake7gun/Z-Image-Turbo-int4-ov', 'lab4-image-generation/Z-Image-Turbo-int4-ov')
]:
    if not Path(model_dir).exists():
        snapshot_download(model_name, local_dir=model_dir)
"

# 2. 构建数字档案（必须首先执行）
python setup_profile.py

# 3. 按需调用各个功能
python generate_story.py              # 生成文化故事
python multilingual_translation.py    # 多语言翻译
python video_script.py                # 短视频脚本
python activity_planning.py           # 体验策划
python reputation_management.py       # 口碑管理
python marketing_materials.py         # 营销物料
python generate_poster.py             # 海报生成（输出图片文件）

独立调用示例

场景 1: 只生成文化故事

python setup_profile.py        # 必须先执行
python generate_story.py       # 然后调用所需功能

场景 2: 生成营销物料和海报

python setup_profile.py            # 必须先执行
python marketing_materials.py      # 生成文案
python generate_poster.py          # 生成海报图片
# 读取 generated_poster.png 展示给用户

场景 3: 口碑分析

python setup_profile.py            # 必须先执行
python reputation_management.py    # 分析评价

📁 输出文件说明

| 文件名 | 类型 | 说明 | |--------|------|------| | generated_poster.png | 图片 | AI 生成的海报，可直接读取展示 | | 控制台输出 | 文本 | 所有功能的文本结果直接输出到控制台 |

可以直接：

✅ 读取控制台输出的文本结果
✅ 读取 generated_poster.png 并展示图片
✅ 根据用户需求灵活调用不同功能

🔧 故障排除

问题 1: 模型文件未找到

错误信息: FileNotFoundError: 模型路径不存在

解决方案:

# 确认模型文件位置
ls -la lab1-multimodal-vlm/Qwen3-VL-4B-Instruct-int4-ov/
ls -la lab4-image-generation/Z-Image-Turbo-int4-ov/

# 如果不存在，重新下载
python3 -c "
from modelscope import snapshot_download
snapshot_download('snake7gun/Qwen3-VL-4B-Instruct-int4-ov', local_dir='lab1-multimodal-vlm/Qwen3-VL-4B-Instruct-int4-ov')
snapshot_download('snake7gun/Z-Image-Turbo-int4-ov', local_dir='lab4-image-generation/Z-Image-Turbo-int4-ov')
"

问题 2: 内存不足

错误信息: RuntimeError: Not enough memory

解决方案:

关闭其他占用内存的程序
增加虚拟内存（页面文件）
考虑升级到 32 GB 内存

问题 3: 依赖安装失败

解决方案:

# 升级 pip
pip install --upgrade pip

# 重新安装依赖
pip install -r requirements.txt

📈 性能参考

CPU 模式（Intel i7-12700）

文本生成: 5-10 tokens/秒
图片生成: 2-5 分钟/张（512x512）
内存占用: 12-16 GB

GPU 模式（Intel Arc A770）

文本生成: 15-30 tokens/秒
图片生成: 30-60 秒/张（512x512）
内存占用: 8-12 GB

📝 许可证

MIT License

🙏 致谢

英特尔 OpenVINO 团队 - 提供强大的推理引擎
ModelScope - 提供高质量的开源模型
Qwen 团队 - Qwen3-VL 多模态大模型
Z-Image 团队 - Z-Image-Turbo 图像生成模型