AI 图像处理平台("流行智能"后更名"豪视界") —— 一个面向电商卖家的 SaaS 化 AI图像处理工具站。核心业务逻辑:卖家上传商品图,平台调用多个 AI引擎完成换背景、生成模特图、扩图/高清/去水印等处理,按张扣积分,处理结果存云端图库。
支撑业务的系统能力
- 账户体系:邮箱/手机注册登录、JWT 鉴权、图形验证码、访客可浏览(登录才可下单)
- 积分计费系统:注册赠送 100 积分、按任务类型差异化定价(可后台配置)、消费流水记录、积分套餐
- 异步任务系统:任务状态机(等待→处理中→完成/失败)、批量提交、全局任务列表、结果轮询
- 图库:处理结果云端存储(阿里云 OSS)、缩略图、任务详情回看
- 管理后台:用户管理(禁用/启用/改积分)、任务监控与重试、系统配置、积分规则/套餐配置、操作日志、仪表盘统计
规模:63 个 API 端点,12种任务类型。是有真实业务纵深的中型全栈应用。一个用 AI 辅助独立交付并上线的电商 AI 修图 SaaS。已上线mvp
技术栈(全部是当前主流/较新版本)
- 前端:React 19 + TypeScript 5.9 + Vite 7 + React Router 7 + Zustand 5 + Tailwind 4 + Axios
- 后端:FastAPI + SQLAlchemy 2.0 + PostgreSQL 15 + Alembic + Pydantic 2
- 外部服务:阿里云 OSS(存储)、ComfyUI EAS(AI 引擎)、Google Gemini API(模特生成)
- 部署:Docker Compose + 阿里云 ECS/RDS,前端生产用 /api 相对路径(nginx 反代)
1. 一个 daemon 线程,5秒轮询一次,实现了完整的任务状态机(PENDING→PROCESSING→COMPLETED/FAILED),单轮最多处理 5 个任务,每个任务开独立 asyncioevent loop 调外部 AI API,还带 30 分钟超时清扫。架构决策——为了简化部署(单实例、少一个中间件),我主动放弃 Celery。我评估了业务量级,认为不需要分布式任务队列,用内置处理器换取部署简单性。验证码同理,内存存储替代 Redis。
2. 分层规范。 严格的 路由层(api/)→ 服务层(services/)→ 模型层(models/),Pydantic schema 做边界校验,5 个 service各司其职(ComfyUI/Gemini/OSS/抠图/工作流)。
3. 管理后台。21 个 admin端点,覆盖用户/配置/积分规则/套餐/日志/统计,前端对应真实的数据表格和表单页。