Update app.py

app.py

@@ -1,43 +1,85 @@
 import gradio as gr
+import os
+from openai import OpenAI  # 现在的多模态模型大多兼容 OpenAI 格式
+
+# 从环境变量中安全读取 Key
+# 如果你没设置环境变量，这里会报错，提醒你需要配置
+api_key = os.getenv("MY_API_KEY")
+base_url = "https://api.openai.com/v1" # 这里可以换成你想要的任何服务商地址
+
+client = OpenAI(api_key=api_key, base_url=base_url)
 
-# 定义一个简单的分析函数（稍后我们会接入 AI）
 def analyze_lighting(image):
     if image is None:
-        return "请先上传一张 UE5 场景截图。"
-    
-    # 这里是占位内容，模拟未来的 AI 输出
-    analysis_report = """
-    ## 💡 灯光初步分析报告
-    
-    ### 1. 色彩与氛围
-    - **主色调:** 识别中...
-    - **色温倾向:** 建议检查冷暖对比。
-    
-    ### 2. 曝光与明暗
-    - **高光区域:** 曝光正常。
-    - **暗部细节:** 建议增加一些补光 (Fill Light) 以提升暗部层次。
-    
-    ### 3. 渲染建议
-    - 检查 **Volumetric Fog** 的散射强度。
-    - 考虑在主要物件处增加 **Rim Light** 增强轮廓。
-    """
-    return analysis_report
-
-# 构建界面
-with gr.Blocks(title="UE5 灯光艺术分析助手") as demo:
-    gr.Markdown("# 🎨 UE5 游戏场景灯光分析助手")
-    gr.Markdown("上传你的场景截图，AI 将从灯光美术的角度提供优化建议。")
+        return "请先上传一张场景截图。"
+    if not api_key:
+        return "请在 Space Settings 中配置 MY_API_KEY"
+
+    # 将图片交给 AI 逻辑
+    # 注意：这里需要根据你选的模型（如 gpt-4o 或 qwen-vl）调整 model 参数
+    try:
+        response = client.chat.completions.create(
+            model="gpt-4o", # 或者是 "qwen-plus" 等支持视觉的模型
+            messages=[
+                {
+                    "role": "user",
+                    "content": [
+                        {"type": "text", "text": "分析这张 UE5 截图的灯光建议..."},
+                        {
+                            "type": "image_url",
+                            "image_url": {"url": f"data:image/jpeg;base64,{image_to_base64(image)}"}
+                        },
+                    ],
+                }
+            ],
+        )
+        return response.choices[0].message.content
+    except Exception as e:
+        return f"接口调用失败: {str(e)}"
+
+# 剩下的 Gradio UI 代码保持不变...
+
+def analyze_lighting(image):
+    if image is None:
+        return "请先上传一张场景截图。"
     
+    # 将图片转换为字节流
+    img_byte_arr = io.BytesIO()
+    image.save(img_byte_arr, format='PNG')
+    img_iterable = img_byte_arr.getvalue()
+
+    # 构建发送给 AI 的提示词（Prompt）
+    # 作为一个 UE5 灯光师，你可以根据你的需求修改这里的描述
+    prompt = "你是一位资深的 AAA 级游戏灯光美术总监。请分析这张 UE5 场景截图。请从：1.色彩与明暗平衡 2.丁达尔效应/体积光 3.材质与光影交互 4.优化建议 这四个维度给出专业评论。请用中文回答。"
+
+    try:
+        # 调用模型
+        output = client.chat_completion(
+            messages=[
+                {
+                    "role": "user",
+                    "content": [
+                        {"type": "text", "text": prompt},
+                        {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{image}"}} # 简单处理
+                    ],
+                },
+            ],
+            max_tokens=1000,
+        )
+        return output.choices[0].message.content
+    except Exception as e:
+        return f"AI 分析出错啦: {str(e)}\n(提示：免费接口可能繁忙，请稍后再试)"
+
+# 保持你之前的 Gradio 布局
+with gr.Blocks(theme=gr.themes.Soft()) as demo:
+    gr.Markdown("# 🎨 LightingArtist_SC | 游戏灯光 AI 分析")
     with gr.Row():
-        with gr.Column(scale=1):
-            input_image = gr.Image(label="上传截图", type="pil")
-            analyze_btn = gr.Button("开始分析", variant="primary")
-            
-        with gr.Column(scale=1):
+        with gr.Column():
+            input_img = gr.Image(label="上传截图", type="pil")
+            btn = gr.Button("开始分析报告", variant="primary")
+        with gr.Column():
             output_text = gr.Markdown("分析结果将在此处显示...")
-    
-    # 绑定点击事件
-    analyze_btn.click(fn=analyze_lighting, inputs=input_image, outputs=output_text)
+            
+    btn.click(analyze_lighting, inputs=[input_img], outputs=[output_text])
 
-# 启动
 demo.launch()