说一句话就能修图，这个 AI Agent 把修图门槛打没了

输入一句”把背景换成海滩”，AI 自动分析需求、规划步骤、调用工具、完成修图。

不需要你去找按钮、调参数、学 PS。

GitHub：https://github.com/yuyuanweb/ai-retouch-agent

▲ 一句话驱动修图，Agent 自动规划步骤并执行。

01 8 大能力，从生成到精修一条龙

这个项目不是玩具 demo，是一个功能完整的 AI 修图产品。核心能力分八块：

AI 文生图：输入提示词，自动生成四张候选图，以四宫格展示。整个生成过程通过 SSE 实时推送进度，不用傻等。

专业级画布编辑器：基于 react-konva 搭建，支持画布缩放平移、图层文档管理、撤销重做，还有前后对比滑杆。对标专业修图软件的交互体验。

自然语言驱动修图：最核心的能力。在对话框里输入一句话，AI Agent 自动分析需求、规划修图步骤、一步步调用工具执行。

21 种编辑工具：rembg 一键抠图、11 参调色（亮度/对比度/饱和度/色温等）、裁剪/翻转/缩放/旋转/移动等画布变换、AI 换背景、AI 扩图、超分辨率放大。

智能区域选择：集成 SAM点选，鼠标点一下就能精准选中任意物体。支持笔刷涂抹模式。首次点击计算 embedding，后续点击只跑 decoder，毫秒级响应。

局部精细编辑：局部消除用 AI inpainting 抹掉选区内物体并自动填补背景；局部替换用提示词描述想换的内容，只改选区，其他地方纹丝不动。

图层拆分和独立操作：一键按语义拆成主体层和背景层，还能拆出 OCR 文字层。每个图层可独立缩放、调色、移动。

多步计划和人机协作：复杂需求时 AI 输出包含多个步骤的结构化 JSON 计划，每一步标注依赖关系。服务端做工具存在性校验、参数合法性检查、依赖补全和环检测，按拓扑排序确定执行顺序。

02 架构设计：Agent + 工具注册表 + 异步执行

整个系统的核心架构可以拆成三层：

Agent 规划层：用 LangChain 接入规划模型，再接 LangGraph 构建 Agent 工作流。用户输入自然语言指令 → Agent 解析意图 → 规划修图步骤 → 输出结构化 JSON 计划。

工具注册表：所有 21 种编辑工具注册在一个统一的 ToolRegistry 里。UI 按钮调用和 Agent 调用走同一套代码路径，一处定义，两处复用。这不是简单地把工具暴露给 Agent，而是从架构层面保证 UI 和 Agent 的一致性。

异步执行层：耗时操作（生图、抠图、扩图）通过 ARQ 异步队列提交到独立 Worker，结果通过 Redis Pub/Sub + SSE 实时推送到前端。服务端做工具存在性校验、参数合法性检查、依赖补全和环检测，按拓扑排序确定执行顺序。

技术栈方面，后端 FastAPI + SQLAlchemy + PostgreSQL + Redis + MinIO，前端 React 19 + Konva + TypeScript。一条docker compose 命令部署。

03 一个完整的教程项目

README 里大量篇幅讲学习内容：JWT Cookie 认证、Provider 抽象层、ARQ 异步队列 + Redis Pub/Sub + SSE、react-konva 画布编辑器、LangChain + LangGraph Agent、SAM 智能选区、图层拆分、多步计划服务端校验

不是”怎么实现”，而是”为什么这么实现”。

很多教程项目是为了演示功能而简化，这个项目从架构设计到部署方案，都是完整的产品级别。

04 适合谁学，不适合谁

适合：

• • 想学 AI Agent 全栈开发的开发者，这个项目覆盖了 Agent 开发的核心模式：规划→校验→执行→反馈
• • 想做 AI 图片编辑产品的创业者，21 种工具和图层系统可以直接复用
• • 准备秋招的同学，项目复杂度远超 CRUD，面试时能讲清楚架构取舍

不适合：

• • 只想用现成工具修图的用户——这个项目是开发教程，不是即装即用的 SaaS

写在最后

AI 修图工具很多，但大多数要么是在线 SaaS，要么是桌面软件。

用 Agent 驱动修图、自然语言直接操作的专业工具，还比较少见。

代码和教程都开源免费，值得慢慢看。

GitHub：https://github.com/yuyuanweb/ai-retouch-agent