feat: 增加指定模型和查看可指定模型功能

2026-06-16 21:03:59 +08:00 · 2025-11-24 19:07:02 +08:00
parent 55377de092
commit 4e37ff272e
8 changed files with 228 additions and 10 deletions
@@ -1,3 +1,4 @@
 node_modules/
 data/
-client.js
+client.js
+config.yaml
@@ -0,0 +1,52 @@
+# Changelog
+
+All notable changes to this project will be documented in this file.
+
+The format is based on [Keep a Changelog](https://keepachangelog.com/en/1.0.0/),
+and this project adheres to [Semantic Versioning](https://semver.org/spec/v2.0.0.html).
+
+## [1.1.0] - 2024-11-24
+
+### Added
+- **模型选择功能**：新增 `model` 参数支持，允许用户指定使用的图像生成模型
+  - 支持 23+ 种模型，包括 Seedream、Gemini、Imagen、DALL-E 等
+  - 新增 `/v1/models` API 端点，用于查询可用模型列表
+  - 模型映射配置文件 `lib/models.js`，便于维护和扩展
+  - 在浏览器页面注入拦截脚本，动态修改请求体中的 `modelAId`
+
+- **CLI 测试工具增强**：`lib/test.js` 新增交互式模型选择
+  - 支持在命令行中输入模型名称
+  - 回车跳过则使用默认模型
+
+- **API 接口更新**：
+  - OpenAI 兼容模式 (`/v1/chat/completions`) 现在支持 `model` 参数
+  - Queue 队列模式 (`/v1/queue/join`) 现在支持 `model` 参数
+  - 未指定 `model` 时，使用 LMArena 网页默认模型
+
+---
+
+## [1.0.1] - 2024-11-23
+
+### Fixed
+- **浏览器代理**
+  - 修复需要鉴权的Socks5代理无法连接
+
+---
+
+## [1.0.0] - 2024-11-23
+
+### Added
+- **初始版本发布**
+  - 基于 Puppeteer 的自动化图像生成功能
+  - 支持两种运行模式：
+    - OpenAI 兼容模式
+    - Queue 队列模式（SSE）
+  - 拟人化操作特性：
+    - 贝塞尔曲线鼠标移动
+    - 智能键盘输入模拟
+    - 随机延迟和抖动
+  - 多图上传支持（最多 5 张）
+  - Bearer Token 认证
+  - 代理支持（HTTP 和 SOCKS5）
+  - CLI 测试工具
+  - 完整的配置文件系统
@@ -146,6 +146,7 @@ curl -X POST http://127.0.0.1:3000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer your-secret-key" \
  -d '{
+    "model": "gemini-3-pro-image-preview",
    "messages": [
      {
        "type": "text",
@@ -155,6 +156,14 @@ curl -X POST http://127.0.0.1:3000/v1/chat/completions \
  }'
 ```

+> **关于 `model` 参数**：
+> - **必填**：必须填写支持的模型名称，否则将使用 LMArena 网页默认模型
+> - **查看可用模型**：
+>   - 方式 1：访问 `/v1/models` 接口查询
+>   - 方式 2：直接查看 `lib/models.js` 文件
+> - **示例模型**：`seedream-4-high-res-fal`、`gemini-3-pro-image-preview`、`dall-e-3` 等
+
+
 **响应格式**
 ```json
 {
@@ -173,6 +182,45 @@ curl -X POST http://127.0.0.1:3000/v1/chat/completions \
 }
 ```

+#### 获取可用模型列表
+
+**请求端点**
+```
+GET http://127.0.0.1:3000/v1/models
+```
+
+**请求示例**
+```bash
+curl -X GET http://127.0.0.1:3000/v1/models \
+  -H "Authorization: Bearer your-secret-key"
+```
+
+**响应格式**
+```json
+{
+  "object": "list",
+  "data": [
+    {
+      "id": "seedream-4-high-res-fal",
+      "object": "model",
+      "created": 1732456789,
+      "owned_by": "lmarena"
+    },
+    {
+      "id": "gemini-3-pro-image-preview",
+      "object": "model",
+      "created": 1732456789,
+      "owned_by": "lmarena"
+    }
+  ]
+}
+```
+
+> **说明**：
+> - 此接口在 **OpenAI 兼容模式** 和 **Queue 队列模式** 下均可用
+> - `created` 字段为当前请求时的时间戳
+> - 完整模型列表可在 `lib/models.js` 文件中查看
+
 #### Queue 队列模式（SSE）（推荐）

 **配置文件设置**
@@ -228,11 +276,14 @@ const req = http.request(options, (res) => {
 });

 req.write(JSON.stringify({
+  model: "gemini-3-pro-image-preview",
  messages: [{ role: "user", content: "a cute cat" }]
 }));
 req.end();
 ```

+> **提示**：Queue 模式同样支持 `model` 参数，用法与 OpenAI 兼容模式一致。
+
 #### 带图片的请求

 **支持格式**：PNG、JPEG、GIF、WebP  
@@ -242,6 +293,7 @@ req.end();
 **请求示例**
 ```json
 {
+  "model": "gemini-3-pro-image-preview",
  "messages": [{
    "role": "user",
    "content": [
@@ -279,6 +331,7 @@ lmarena/
 ├── package.json       # 项目依赖
 ├── lib/
 │   ├── lmarena.js     # 核心生图逻辑 (Puppeteer 操作)
+│   ├── models.js      # 模型映射配置
 │   ├── config.js      # 配置加载器
 │   ├── genApiKey.js   # API 密钥生成工具
 │   └── test.js        # 功能测试脚本
@@ -10,7 +10,7 @@ chrome:
  # 浏览器可执行文件路径 (留空则使用Puppeteer默认)
  # Windows系统示例 "C:\\Program Files\\Google\\Chrome\\Application\\chrome.exe"
  # Linux系统示例 "/usr/bin/chromium"
-  #path: "C:\\Program Files\\Google\\Chrome\\Application\\chrome.exe"
+  path: "C:\\Program Files\\Google\\Chrome\\Application\\chrome.exe"
  # 是否启用无头模式
  headless: false
  # 是否启用 GPU (无GPU设备运行请使用false)
@@ -399,9 +399,10 @@ async function initBrowser(config) {
 * @param {object} context 浏览器上下文 {page, client, width, height}
 * @param {string} prompt 提示词
 * @param {string[]} imgPaths 图片路径数组
+ * @param {string|null} modelId 模型 UUID (可选)
 * @returns {Promise<{image?: string, text?: string, error?: string}>}
 */
-async function generateImage(context, prompt, imgPaths) {
+async function generateImage(context, prompt, imgPaths, modelId) {
    const { page, client, width, height } = context;
    const textareaSelector = 'textarea';

@@ -417,7 +418,6 @@ async function generateImage(context, prompt, imgPaths) {
        // 2. 粘贴图片
        if (imgPaths && imgPaths.length > 0) {
            await pasteImages(page, textareaSelector, imgPaths);
-        } else {
            // 如果没有图片，也点击一下输入框获取焦点
            await safeClick(page, textareaSelector);
        }
@@ -427,6 +427,35 @@ async function generateImage(context, prompt, imgPaths) {
        await humanType(page, textareaSelector, prompt);
        await sleep(800, 1500);

+        // --- 注入 Fetch 拦截器 ---
+        if (modelId) {
+            await page.evaluate((targetModelId) => {
+                const originalFetch = window.fetch;
+                window.fetch = async (...args) => {
+                    let [resource, config] = args;
+                    // 简单判断 URL
+                    const url = resource instanceof Request ? resource.url : resource.toString();
+
+                    if (url.includes('/nextjs-api/stream/') && config && config.method === 'POST' && config.body) {
+                        try {
+                            const data = JSON.parse(config.body);
+                            console.log(`[Browser] 正在拦截请求。原始 modelAId: ${data.modelAId}`);
+
+                            // 修改 modelAId
+                            data.modelAId = targetModelId;
+                            config.body = JSON.stringify(data);
+
+                            console.log(`[Browser] 请求已修改。新 modelAId: ${data.modelAId}`);
+                        } catch (e) {
+                            console.error('[Browser] 拦截失败:', e);
+                        }
+                    }
+                    return originalFetch.apply(window, args);
+                };
+            }, modelId);
+            console.log(`>>> [Test] 已注入 Fetch 拦截器，目标模型: ${modelId}`);
+        }
+
        // 4. 发送
        const btnSelector = 'button[type="submit"]';
        await safeClick(page, btnSelector);
@@ -0,0 +1,40 @@
+export const MODEL_MAPPING = {
+    "gemini-3-pro-image-preview": "019aa208-5c19-7162-ae3b-0a9ddbble16a",
+    "seedream-4-high-res-fal": "32974d8d-333c-4d2e-abf3-f258c0ac1310",
+    "hunyuan-image-3.0": "7766a45c-1b6b-4fb8-9823-2557291e1ddd",
+    "gemini-2.5-flash-image-preview": "0199ef2a-583f-7088-b704-b75fd169401d",
+    "imagen-4.0-ultra-generate-preview-06-06": "f8aec69d-e077-4ed1-99be-d34f48559bbf",
+    "imagen-4.0-generate-preview-06-06": "2ec9f1a6-126f-4c65-a102-15ac401dcea4",
+    "wan2.5-t2i-preview": "019a5050-2875-78ed-ae3a-d9a51a438685",
+    "gpt-image-1": "6e855f13-55d7-4127-8656-9168a9f4dcc0",
+    "gpt-image-mini": "0199c238-f8ee-7f7d-afc1-7e28fcfd21cf",
+    "mai-image-1": "1b407d5c-1806-477c-90a5-e5c5a114f3bc",
+    "seedream-3": "d8771262-8248-4372-90d5-eb41910db034",
+    "qwen-image-prompt-extend": "9fe82ee1-c84f-417f-b0e7-cab4ae4cf3f3",
+    "flux-1-kontext-pro": "28a8f330-3554-448c-9f32-2c0a08ec6477",
+    "imagen-3.0-generate-002": "51ad1d79-61e2-414c-99e3-faeb64bb6b1b",
+    "ideogram-v3-quality": "73378be5-cdba-49e7-b3d0-027949871aa6",
+    "photon": "e7c9fa2d-6f5d-40eb-8305-0980b11c7cab",
+    "lucid-origin": "5a3b3520-c87d-481f-953c-1364687b6e8f",
+    "recraft-v3": "b88d5814-1d20-49cc-9eb6-e362f5851661",
+    "gemini-2.0-flash-preview-image-generation": "69bbf7d4-9f44-447e-a868-abc4f7a31810",
+    "dall-e-3": "bb97bc68-131c-4ea4-a59e-03a6252de0d2",
+    "flux-1-kontext-dev": "eb90ae46-a73a-4f27-be8b-40f090592c9a",
+    "imagen-4.0-fast-generate-001": "f44fd4f8-af30-480f-8ce2-80b2bdfea55e",
+    "hunyuan-image-2.1": "a9a26426-5377-4efa-bef9-de71e29ad943"
+};
+
+/**
+ * 获取模型列表
+ */
+export function getModels() {
+    return {
+        object: "list",
+        data: Object.keys(MODEL_MAPPING).map(id => ({
+            id: id,
+            object: "model",
+            created: Math.floor(Date.now() / 1000),
+            owned_by: "lmarena"
+        }))
+    };
+}
@@ -1,6 +1,7 @@
 import readline from 'readline';
 import config from './config.js';
 import { initBrowser, generateImage } from './lmarena.js';
+import { MODEL_MAPPING } from './models.js';

 /**
 * 创建命令行交互接口
@@ -47,12 +48,28 @@ async function main() {
            continue;
        }

+        // 3. 获取模型 ID
+        const modelInput = await ask('>>> [CLI] 请输入模型 ID (回车跳过使用默认): ');
+        const modelName = modelInput.trim();
+        let modelId = null;
+
+        if (modelName) {
+            if (MODEL_MAPPING[modelName]) {
+                modelId = MODEL_MAPPING[modelName];
+                console.log(`>>> [CLI] 使用模型: ${modelName} (${modelId})`);
+            } else {
+                console.log(`>>> [Warn] 未找到模型 "${modelName}"，将尝试直接使用默认模型。`);
+            }
+        } else {
+            console.log('>>> [CLI] 未指定模型，使用默认值。');
+        }
+
        console.log(`>>> [CLI] 开始任务: Prompt="${prompt}", Images=${imagePaths.length}`);

-        // 3. 调用生图逻辑
-        const result = await generateImage(browserContext, prompt, imagePaths);
+        // 4. 调用生图逻辑
+        const result = await generateImage(browserContext, prompt, imagePaths, modelId);

-        // 4. 显示结果
+        // 5. 显示结果
        if (result.error) {
            console.error('>>> [Error]', result.error);
        } else if (result.image) {
@@ -5,6 +5,7 @@ import sharp from 'sharp';
 import { gotScraping } from 'got-scraping';
 import config from './lib/config.js';
 import { initBrowser, generateImage, TEMP_DIR } from './lib/lmarena.js';
+import { MODEL_MAPPING, getModels } from './lib/models.js';

 const PORT = config.server.port || 3000;
 const AUTH_TOKEN = config.server.auth;
@@ -41,10 +42,10 @@ async function processQueue() {
            browserContext = await initBrowser(config);
        }

-        const { req, res, prompt, imagePaths } = task;
+        const { req, res, prompt, imagePaths, modelId } = task;

        // 调用核心生图逻辑
-        const result = await generateImage(browserContext, prompt, imagePaths);
+        const result = await generateImage(browserContext, prompt, imagePaths, modelId);

        // 清理临时图片
        for (const p of imagePaths) {
@@ -173,6 +174,13 @@ async function startServer() {
        const isQueueMode = SERVER_MODE === 'queue';
        const targetPath = isQueueMode ? '/v1/queue/join' : '/v1/chat/completions';

+        // 1. 模型列表接口 (OpenAI & Queue 模式通用)
+        if (req.method === 'GET' && req.url === '/v1/models') {
+            res.writeHead(200, { 'Content-Type': 'application/json' });
+            res.end(JSON.stringify(getModels()));
+            return;
+        }
+
        if (req.method === 'POST' && req.url.startsWith(targetPath)) {
            // --- SSE 设置 (仅 Queue 模式) ---
            let sseHelper = null;
@@ -275,6 +283,24 @@ async function startServer() {
                    }

                    prompt = prompt.trim();
+
+                    // 解析模型参数
+                    let modelId = null;
+                    if (data.model) {
+                        if (MODEL_MAPPING[data.model]) {
+                            modelId = MODEL_MAPPING[data.model];
+                            console.log(`>>> [Server] 触发模型: ${data.model}, UUID: ${modelId}`);
+                        } else {
+                            const errorMsg = `Invalid model: ${data.model}`;
+                            console.warn(`>>> [Server] ${errorMsg}`);
+                            if (isQueueMode) { sseHelper.send('error', { msg: errorMsg }); sseHelper.end(); }
+                            else { res.writeHead(400); res.end(JSON.stringify({ error: errorMsg })); }
+                            return;
+                        }
+                    } else {
+                        console.log('>>> [Server] 未指定模型，使用网页默认值');
+                    }
+
                    console.log(`>>> [Queue] 请求入队 - Prompt: ${prompt}, Images: ${imagePaths.length}`);

                    if (isQueueMode) {
@@ -282,7 +308,7 @@ async function startServer() {
                    }

                    // 将任务加入队列
-                    queue.push({ req, res, prompt, imagePaths, sse: sseHelper });
+                    queue.push({ req, res, prompt, imagePaths, sse: sseHelper, modelId });

                    // 触发队列处理
                    processQueue();