一、项目介绍

1、核心功能

• 实现视频脚本的一键生成，结合用户需求与外部信息，提升脚本的准确性和实时性。

2、界面与用户输入

1. 侧边栏
   • 支持用户输入 API 密钥（如 OpenAI API 密钥），避免仅消耗开发者的 token。
   • 附官方网站链接，方便用户了解如何获取 API 密钥。
   • 可灵活适配其他大模型：若使用文心一言等，可替换输入提示语及后端模型；自用场景下，可移除输入框，直接在代码中嵌入密钥。
2. 主页面
   • 用户需输入：视频主题（任意主题）、生成脚本的大致时长（任意数字）、创造力参数（范围 0-1，对应 AI 的 Temperature 参数：值越低，随机性和创造性越弱；值越高，随机性和创造性越强，可能出现意外回答）。

3、生成流程

1. 点击 “生成脚本” 后
   • 先判断用户是否提供 API 密钥，若已提供，显示加载组件，提示用户 AI 正在生成。
   • 生成完成后，展示视频标题、脚本内容，以及维基百科搜索结果（用户可点击查看详情）。
2. 背后的增强机制
   • 调用维基百科 API：在向 AI 模型发送请求前，先通过维基百科 API 获取相关内容，与用户需求结合后一并传给 AI。
   • 目的：弥补 AI 模型知识受训练日期限制的问题（例如 2024 年 2 月公开的 SORA 模型，此前训练的模型均不了解该内容），确保 AI 获得真实、实时的补充信息，避免胡编乱造。

二、创建项目及安装依赖项

1、创建项目文件夹

• 新建独立文件夹（如命名为video-script-generator），用于存放网站相关的所有代码、图片等资源，实现文件管理的规范化。

2、配置venv虚拟环境

1. 创建方式：
   • PyCharm 创建项目时默认使用虚拟环境；其他编辑器可搜索对应方法（如python -m venv 虚拟环境名）。
2. 核心作用：
   • 环境隔离：为不同项目提供独立的开发环境，支持使用不同版本的 Python 解释器（如项目 1 用 3.8，项目 2 用 3.10）。
   • 依赖管理：避免不同项目的依赖冲突（例如项目 1 需库 A 1.0 版本，项目 2 需库 A 1.1 版本时，不会相互影响）。
3. 注意事项：
   • 缺点：每个虚拟环境会复制解释器和库，占用较多存储空间。
   • 例外：临时练习的小项目可省略虚拟环境。

3、处理依赖文件（requirements.txt）

1. 文件作用：

   • 存储项目运行所需的所有依赖库及精准版本号，确保项目在不同环境中运行的一致性（避免因版本差异导致代码报错）。

2. 使用步骤：

   • 从项目文件夹新建requirements.txt。

     aiofiles==23.2.1
     aiohttp==3.9.1
     aiosignal==1.3.1
     altair==5.2.0
     annotated-types==0.6.0
     anyio==3.7.1
     async-timeout==4.0.3
     attrs==23.1.0
     beautifulsoup4==4.12.2
     blinker==1.7.0
     Brotli==1.1.0
     cachetools==5.3.2
     certifi==2023.11.17
     charset-normalizer==3.3.2
     click==8.1.7
     dataclasses-json==0.6.3
     distro==1.8.0
     duckduckgo-search==3.9.9
     exceptiongroup==1.2.0
     frozenlist==1.4.0
     gitdb==4.0.11
     GitPython==3.1.40
     greenlet==3.0.1
     h11==0.14.0
     h2==4.1.0
     hpack==4.0.0
     httpcore==1.0.2
     httpx==0.25.2
     hyperframe==6.0.1
     idna==3.6
     importlib-metadata==6.8.0
     Jinja2==3.1.2
     jsonpatch==1.33
     jsonpointer==2.4
     jsonschema==4.20.0
     jsonschema-specifications==2023.11.2
     langchain==0.1.9
     langchain-community==0.0.24
     langchain-core==0.1.26
     langchain-openai==0.0.7
     langsmith==0.1.6
     lxml==4.9.3
     markdown-it-py==3.0.0
     MarkupSafe==2.1.3
     marshmallow==3.20.1
     mdurl==0.1.2
     multidict==6.0.4
     mypy-extensions==1.0.0
     numpy==1.26.2
     openai==1.12.0
     orjson==3.9.15
     packaging==23.2
     pandas==2.1.3
     Pillow==10.1.0
     protobuf==4.25.1
     pyarrow==14.0.1
     pydantic==2.5.2
     pydantic_core==2.14.5
     pydeck==0.8.1b0
     Pygments==2.17.2
     python-dateutil==2.8.2
     pytz==2023.3.post1
     PyYAML==6.0.1
     referencing==0.31.1
     regex==2023.12.25
     requests==2.31.0
     rich==13.7.0
     rpds-py==0.13.2
     six==1.16.0
     smmap==5.0.1
     sniffio==1.3.0
     socksio==1.0.0
     soupsieve==2.5
     SQLAlchemy==2.0.23
     streamlit==1.31.1
     tenacity==8.2.3
     tiktoken==0.6.0
     toml==0.10.2
     toolz==0.12.0
     tornado==6.4
     tqdm==4.66.1
     typing-inspect==0.9.0
     typing_extensions==4.8.0
     tzdata==2023.3
     tzlocal==5.2
     urllib3==2.1.0
     validators==0.22.0
     wikipedia==1.4.0
     yarl==1.9.3
     zipp==3.17.0

   • 在终端运行命令安装依赖：pip install -r requirements.txt，即可自动安装所有指定版本的库。

3. 文件生成方式：

   • 若需自己生成，在虚拟环境中运行命令：pip freeze > requirements.txt，会将当前环境中所有安装包及版本号写入文件。

三、创建AI请求

1、文件与函数准备

1. 新建代码文件（如命名为utils.py），用于封装与 AI 大模型交互的代码。
2. 定义generate_script函数，接收参数：视频主题（subject）、时长（duration）、创造性（creativity）、API 密钥（api_key），用于生成视频标题和脚本。

2、提示模板定义

从LangChain导入ChatPromptTemplate，分别定义生成标题和脚本的提示模板：

• 标题模板（title_template）：通过from_messages方法接收含变量（视频主题subject）的消息列表，用于生成视频标题。
• 脚本模板（script_template）：同样用from_messages方法，消息列表包含多个变量（标题title、时长duration、维基百科搜索结果wikipedia_search），用于生成脚本内容。

3、模型配置

从LangChain.OpenAI导入聊天模型，配置ChatOpenAI：

• 传入用户提供的api_key。
• 将creativity参数值赋给模型的temperature（控制内容创造性，值越高创造性越强）。
• 若使用课程提供的 API 密钥，可补充openai_api_base参数。

4、链式调用与结果获取

1. 生成标题：
   • 组装标题生成链（TitleChain），将TitleTemplate与模型结合。
   • 调用TitleChain.invoke，传入含subject（用户提供的视频主题）的字典，通过返回消息的content属性获取标题，存入title变量。
2. 获取维基百科搜索结果：
   • 从LangChain.Community.Utilities导入WikipediaAPIWrapper，创建实例并设置lang="zh"（指定中文搜索，也可默认英文）。
   • 调用实例的run方法，传入视频主题作为搜索词，获取搜索结果摘要。
3. 生成脚本：
   • 组装脚本生成链（ScriptChain），将ScriptTemplate与模型结合。
   • 调用ScriptChain.invoke，传入含title（生成的标题）、duration（用户提供的时长）、wikipedia_search（维基百科搜索结果）的字典，通过返回消息的content属性获取脚本内容。

5、结果返回与测试

• 函数最后返回视频标题、脚本内容、维基百科搜索结果。
• 测试时调用GenerateScript，传入测试用的视频主题、时长、创造性参数及 API 密钥，打印结果以验证逻辑（运行中若出现维基百科库的警告，一般可忽略，重点关注错误error）。

6、完整代码

from langchain.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI
from langchain_community.utilities import WikipediaAPIWrapper

# import os

def generate_script(subject, video_length, creativity, api_key):
    title_template = ChatPromptTemplate.from_messages(
        [
            ("human", "请为'{subject}'这个主题的视频想一个吸引人的标题")
        ]
    )
    script_template = ChatPromptTemplate.from_messages(
        [
            ("human",
             """你是一位短视频频道的博主。根据以下标题和相关信息，为短视频频道写一个视频脚本。
             视频标题：{title}，视频时长：{duration}分钟，生成的脚本的长度尽量遵循视频时长的要求。
             要求开头抓住限球，中间提供干货内容，结尾有惊喜，脚本格式也请按照【开头、中间，结尾】分隔。
             整体内容的表达方式要尽量轻松有趣，吸引年轻人。
             脚本内容可以结合以下维基百科搜索出的信息，但仅作为参考，只结合相关的即可，对不相关的进行忽略：
             ```{wikipedia_search}```""")
        ]
    )

    model = ChatOpenAI(openai_api_key=api_key, temperature=creativity)

    title_chain = title_template | model
    script_chain = script_template | model

    title = title_chain.invoke({"subject": subject}).content

    search = WikipediaAPIWrapper(lang="zh")
    search_result = search.run(subject)

    script = script_chain.invoke({"title": title, "duration": video_length,
                                  "wikipedia_search": search_result}).content

    return search_result, title, script

# print(generate_script("sora模型", 1, 0.7, os.getenv("OPENAI_API_KEY")))

四、创建网站页面

使用 Streamlit 开发视频脚本生成器前端

1、前期准备

1. 文件与依赖
   • 删除 / 注释上一节中测试generate_script的代码。
   • 新建代码文件main.py（作为网站主页），导入streamlit库和上一节创建的generate_script函数（无需再导入 LangChain 相关库）。
2. 运行网页
   • 给网页添加标题（如 “视频脚本生成器”），通过命令streamlit run 文件名.py运行网页，实时查看效果。

2、侧边栏设计（用户 API 密钥相关）

通过with streamlit.sidebar:创建侧边栏，缩进内容均显示在侧边栏中：

• API 密钥输入框：使用st.text_input，提示文字为 “请输入 OpenAI API 密钥”，设置type="password"隐藏输入内容，用变量保存输入的密钥（如api_key）。
• API 密钥获取链接：用st.markdown添加 Markdown 格式链接（语法：[链接标签](链接地址)），直达 OpenAI 官方密钥创建页面，方便用户获取密钥。

3、主页面组件（用户输入相关）

主页面组件无需缩进（避免归入侧边栏），包括：

1. 视频主题输入：st.text_input，提示文字为 “请输入视频的主题”，结果保存到subject变量。
2. 视频时长输入：st.number_input，提示文字为 “请输入视频的大致时长”，设置最小值0.1、步长0.1（每次增减 0.1），结果保存到video_length变量。
3. 创造力调节滑块：st.slider，控制 AI 的temperature参数，设置最小值0.0、最大值1.0（避免过高导致内容混乱）、默认值0.2、步长0.1，结果保存到creativity变量。
4. 生成按钮：st.button，文字为 “生成脚本”，返回布尔值（点击后为True），用于触发后续逻辑。

4、用户交互逻辑（点击按钮后处理）

1. 输入验证：
   • 若用户点击按钮但未提供api_key：用st.info提示 “请输入 API 密钥”，调用st.stop()终止后续代码。
   • 若未提供subject：提示 “请输入视频的主题” 并终止。
   • 若video_length小于 0.1：提示 “视频时长需不小于 0.1” 并终止。
2. 调用后端函数与加载状态：
   • 验证通过后，用with st.spinner("AI正在生成脚本..."):包裹generate_script调用，显示加载动画（动画持续至函数执行完毕）。
   • 调用generate_script(subject, video_length, creativity, api_key)，获取返回结果：维基百科搜索结果、视频标题、脚本内容。
3. 结果展示：
   • 用st.success("视频脚本生成成功！")提示成功。
   • 展示标题：st.subheader("视频标题") + 生成的标题内容。
   • 展示脚本：st.subheader("视频脚本") + 生成的脚本内容。
   • 展示维基百科结果：用st.expander("维基百科搜索结果")创建折叠组件，内容放入其中（用户可自主展开查看）。

5、完整代码

import streamlit as st
from utils import generate_script

st.title("🎬 视频脚本生成器")

with st.sidebar:
    openai_api_key = st.text_input("请输入OpenAI API密钥：", type="password")
    st.markdown("[获取OpenAI API密钥](https://platform.openai.com/account/api-keys)")

subject = st.text_input("💡 请输入视频的主题")
video_length = st.number_input("⏱️ 请输入视频的大致时长（单位：分钟）", min_value=0.1, step=0.1)
creativity = st.slider("✨ 请输入视频脚本的创造力（数字小说明更严谨，数字大说明更多样）", min_value=0.0,
                       max_value=1.0, value=0.2, step=0.1)
submit = st.button("生成脚本")

if submit and not openai_api_key:
    st.info("请输入你的OpenAI API密钥")
    st.stop()
if submit and not subject:
    st.info("请输入视频的主题")
    st.stop()
if submit and not video_length >= 0.1:
    st.info("视频长度需要大于或等于0.1")
    st.stop()
if submit:
    with st.spinner("AI正在思考中，请稍等..."):
        search_result, title, script = generate_script(subject, video_length, creativity, openai_api_key)
    st.success("视频脚本已生成！")
    st.subheader("🔥 标题：")
    st.write(title)
    st.subheader("📝 视频脚本：")
    st.write(script)
    with st.expander("维基百科搜索结果 👀"):
        st.info(search_result)

6、页面效果展示