第二届 NVIDIA DGX Spark 黑客松参赛作品
在 DGX Spark（GB10 Blackwell）上构建完全本地的多模态 Agent： LLM（Ollama qwen3.6）创作 + FLUX.1-schnell 出图，全程零外网依赖。
两个本地 Agent 项目，共享同一套本地推理底座：
| 项目 | 一句话 | 输入 → 输出 |
|---|---|---|
| 🦸 Superhero | 超级英雄照片生成器 | 一句话描述 → qwen3.6 扩写 prompt → FLUX 出 1024² 肖像 |
| 📖 DreamBook | 「我想成为 XXX」梦想绘本 | 一句梦想（+可选照片）→ LLM 写故事 + FLUX 出 6 页 → PDF |
用户一句话（任意语言）
│
▼
┌─────────────────────────┐
│ Ollama qwen3.6:35b │ ← 本地 LLM：扩写 prompt / 创作故事
└───────────┬─────────────┘
▼
┌─────────────────────────┐
│ FLUX.1-schnell (bf16) │ ← 本地文生图：4 步采样，~10s/张
└───────────┬─────────────┘
▼
PNG / PDF 产物
在 DGX Spark GB10（sm_121, 统一内存）上端到端跑通：
| 指标 | 数值 |
|---|---|
| 模型加载（一次性） | ~140-160s |
| 单张 1024×1024 出图（4 步 schnell） | 10-12 秒 |
| GPU 显存峰值 | 33.7 GB |
| 完整 Agent 链路（中文→LLM→FLUX） | ✅ 出图 |
示例图见 docs/superhero_images/。
| 组件 | 版本/型号 | 用途 |
|---|---|---|
| DGX Spark | GB10 (sm_121, Blackwell) | 硬件平台 |
| Ollama | qwen3.6:35b-a3b-q4_K_M (23GB) |
本地 LLM 推理 |
| FLUX.1-schnell | bf16, 4 步 | 本地文生图 |
| diffusers | 0.39.0 | 图像生成框架 |
| PyTorch | 2.9.1+cu130 | 深度学习（Blackwell 兼容） |
| reportlab | — | PDF 拼装（DreamBook） |
.
├── superhero/ 🦸 超级英雄照片生成器（本次完赛核心）
│ ├── SKILL.md skill 契约（触发词 + MEDIA 协议）
│ ├── run_helper.sh 入口
│ ├── superhero_helper.py 后端：LLM扩写 → FLUX 出图
│ └── README.md 详细文档
│
├── dreambook/ 📖 梦想绘本（Plan A：FLUX 出图 + PDF）
│ ├── image_gen.py FLUX 出图（diffusers 直跑，GB10 适配）
│ ├── dreambook_diffusers.py 主流水线
│ ├── pdf_assembler.py reportlab 拼装
│ └── styles/ 7 个风格（pixar/ghibli/watercolor…）
│
├── dreambook_planb/ 📖 梦想蓝图（Plan B：5 Agent 协作 + PDF）
│ ├── dream_blueprint.py 5 Agent 串行流水线
│ └── blueprint_pdf.py 蓝图 PDF 排版
│
├── webapp/ 🌐 FastAPI Web 界面（SSE 实时日志）
│ ├── server.py
│ └── static/index.html
│
├── dreambook_router.py 智能路由（有照片→绘本，无照片→蓝图）
├── PROJECT.md 答辩核心文档
└── docs/ demo 视频 + 生成的示例图
- DGX Spark（或任意有 NVIDIA GPU + 足够显存的 Linux 机器）
- 一个装了
diffusers+torch(+CUDA)的 Python 环境 - Ollama 服务在跑，且已拉取
qwen3.6:35b-a3b-q4_K_M（或同类模型） - FLUX.1-schnell 模型已下载到本地
# 指向含 diffusers+torch 的 Python 解释器
export SUPERHERO_PYTHON=/path/to/your/python3
export DREAMBOOK_PYTHON=/path/to/your/python3
# FLUX 模型路径
export FLUX_MODEL_PATH=/path/to/FLUX.1-schnell
# Ollama（默认即本机）
export OLLAMA_URL=http://127.0.0.1:11434
export OLLAMA_MODEL=qwen3.6:35b-a3b-q4_K_M# 演示前确保 GPU 干净（释放可能占显存的进程/模型）
# 默认超级英雄照
./superhero/run_helper.sh --no-llm
# 一句话描述 → LLM 扩写 → 出图（推荐）
./superhero/run_helper.sh --desc "穿着金色铠甲飞行的战士"最后一行输出 MEDIA:/path/to/superhero_<时间>.png 即成功。
更多见 superhero/README.md。
官方 workshop notebook《在 DGX Spark 上构建 OpenClaw + ComfyUI 超级英雄照片生成》
设定的技术栈是 OpenClaw → ComfyUI(HTTP) → FLUX + PuLID。
本仓库在官方技术栈之外提供了一条等效落地路径：当节点没有预装 ComfyUI/PuLID
环境时，用 diffusers 直跑 FLUX 实现相同的 Agent 创作闭环（LLM 创作 prompt +
图像模型出图），skill 契约与 MEDIA: rich-output 协议保持一致。
| 维度 | 官方 notebook | 本仓库 |
|---|---|---|
| 文生图模型 | FLUX.1-dev (fp8) | FLUX.1-schnell (bf16) |
| 推理引擎 | ComfyUI 节点图 | diffusers 直跑 |
| LLM | qwen3.6:35b | qwen3.6:35b ✅ 一致 |
| Agent 编排 | OpenClaw skill | 等效 skill + 命令行 |
MEDIA: 协议 |
✅ | ✅ 一致 |
| 完全本地、零外网 | ✅ | ✅ 一致 |
注：本实现不含 PuLID，不保证人脸身份一致性（生成的是基于文本的超级英雄场景图）。
- GB10 (sm_121) Blackwell 兼容：torch 2.9.1+cu130 实测可跑， bf16 + VAE tiling + attention slicing 三重内存优化。
- 统一内存调度：出图前主动卸载 LLM（
keep_alive:0），避免显存抢占死锁。 - Agent 创作一切：LLM 负责把模糊口语扩写成精确 FLUX prompt，图像模型只负责"画"。
- OOM 自动降级：1024 → 768 → 512 三档分辨率自动回退。
- 零外网：FLUX（modelscope 镜像）+ qwen3.6 全在本地。
MIT — 见 LICENSE。