为什么不是"一键生成"

把一本书自动配上数百张高质量插画，听起来像一个功能，但工程上一定要拆。

理由：

每步成本不一样 —— LLM 打分一次 0.001 元；图片生成一次 0.05 元；视觉签名要调 VLM。把它们做成一个黑盒会让任何小问题需要重跑全流程。
每步可独立优化 —— 摘抄质量差时只重跑摘抄；风格不合时只重跑风格选择。
每步可独立观测 —— 你能看到一本书具体在哪一步耗了多久、什么数据进 / 什么数据出。

所以 Click Workflow 是 7 个独立服务（实际上是 7 个 stage 的 orchestrator），不是一个端到端 API。

7 步是哪 7 步

Step	名称	干什么	用什么模型
0	upload	EPUB 上传到 Supabase Storage	—
1	parse	解析章节 + 段落（含元数据）	cheerio + jsdom
2	excerpt	LLM 给每个句子做"是否值得画"打分（0-10）	Qwen / DeepSeek
3	signature	生成 BookSignature（11 维视觉基因）	Qwen-VL（封面）+ Qwen（文本）
4	generate	选风格 + 增强 prompt + 调图模型批量生图	DeepSeek 选风格，Wan / Qwen-Image 出图
5	persist	把临时 URL 持久化到 OSS / Supabase Storage	—
6	render	用 fuzzy match 把图精确锚定到原文段落 + 渲染 HTML	fuzzball

每一步：

有独立的 HTTP 服务（因此可以单独重启 / 调度 / 扩缩容）
有独立的状态字段（在 Supabase 里）
失败可重试，状态持久化（orchestrator.py 里管理 workflow_state.json）

一个真实的例子

跑《教育》(Tara Westover) 这本书：

Step 1 parse:      32 章节，2 分 18 秒
Step 2 excerpt:    1834 个句子打分，平均得分 4.2，挑出 287 个 ≥ 7 的"值得画"
Step 3 signature:  era=20世纪美国乡村, palette=褪色棕黄, vibe=怀旧而压抑
Step 4 generate:   AI 自动选了「Russian Realist」「Ambient Photography」
                   两个风格交替，287 张图，1 小时 40 分钟
Step 5 persist:    全部下载到阿里云 OSS，平均 280KB / 张
Step 6 render:     287 张图全部成功锚定到原文段落

最后产出是 32 篇带"互动点"的 HTML 章节。

为什么对运维友好

整个流程跑下来：

任意一步失败，可以从那一步 --resume 续跑
每步独立超时（excerpt 2h, generate 4h, persist 1h, render 30min）
每步独立日志（logs/wf_xxx_stepN_*.log）

所以即使 LLM 服务偶尔抽风，也只会损失那一步的结果，不会让一本书的几小时生图白跑。

如果你对其中某一步具体怎么实现感兴趣，欢迎在 Gallery 里看看实际产出，或写信到 hi@ima-read.com 索要 demo。