给安卓做一个 AI 绘图客户端：文生图容易，图生图才是坑

先说结论：文生图半天能跑通，图生图要花一周，剩下的时间全在处理「这家 API 和那家 API 不一样」。

这个 App 叫 Android-AI-Image-Studio，Java 写的，接任何兼容 OpenAI 格式的绘图接口。下面是我做完之后觉得值得记下来的部分。

为什么自己写一个

三个理由凑一起就够开工了：

• 官方 App 在国内基本用不上，网页版在手机上操作难受；
• 我有自己的中转 API，不想每次都开浏览器粘 key；
• 想做成能存历史、能反复改提示词的工作流，而不是一次性网页。

结构：三层就够

技术栈没有花活：Java + AndroidX，页面用 Navigation Component 串，网络 OkHttp 4，JSON 用 Gson，图片交给 Glide。minSdk 定在 24（Android 7.0）——再往下要处理一堆兼容，收益不值。

分三层：

• UI：对话页（Fragment）、历史页、设置页；
• 网络：一个 ApiClient 封装 OkHttp，一个 Repository 管请求和重试；
• 存储：会话用 Gson 序列化后落本地文件，不做数据库。

不引 Room 是因为一张表就够，JSON 文件更好调试——出问题时能直接打开看，而不是去翻 SQLite。

文生图：一条请求的事

POST /v1/images/generations，body 里三个关键字段：prompt、size、quality（或 n）。响应有两种形态，得都处理：

• b64_json：直接 base64 解码成 Bitmap；
• url：下载后交给 Glide 缓存，顺便存一份本地路径。

RequestBody body = RequestBody.create(json, JSON);
Request req = new Request.Builder()
    .url(baseUrl + "/v1/images/generations")
    .addHeader("Authorization", "Bearer " + apiKey)
    .post(body)
    .build();

真正的坑在超时。生图不是秒回，默认 10 秒必挂。我把 connect 设 30 秒、read 设 120 秒，并且给绘图请求单独一个 OkHttpClient 实例——别跟普通请求共用连接池和超时配置。

图生图：为什么要五级降级

文生图各家的字段基本一致，图生图不是。同样是「上传一张图让模型改」，实际差异能列一页：

所以我没写「判断是哪家 API」的分支——那种代码三个月后自己都看不懂。改成策略链：把每次尝试抽象成一个 strategy，按顺序试，第一个成功就停，全失败才报错。

for (Strategy s : strategies) {
    try {
        Result r = s.execute(image, prompt, config);
        if (r != null) return r;          // 成功即停
    } catch (ApiException e) {
        log("strategy " + s.name() + " failed: " + e.code());
        // 继续下一个
    }
}
throw new AllStrategiesFailedException();

五级降级的方向大致是：标准 multipart → 去掉 mask → 换 JSON + base64 → 换模型名 → 换端点。顺序按「兼容性从高到低」排，越靠前的成功率越高、代价越小。

关键不是这五步具体是什么，而是每次失败都留下日志。没有日志的降级等于在猜。

历史会话：别急着上数据库

每个会话存成一个对象：标题、创建时间、消息数组。消息里区分文本和图片，图片只存路径或 URL，不存 base64——存了文件会迅速膨胀到几十 MB，读的时候还卡。

列表页按时间倒序，点进去恢复上下文，能接着在原来那条对话里继续生成。这个「继续」比想象中重要：改提示词重试是常态，每次都要重开一局会很烦。

几个具体决定

• 设置页全开放：API 地址、模型、尺寸、质量都能改。写死等于把这个 App 绑死在一家服务上。
• Glide 管缓存：生成图动辄 1–4MB，不做磁盘缓存，翻历史就是一场灾难。
• 错误要说人话：把 HTTP 状态码翻译成「key 无效」「余额不足」「内容被拒」「服务超时」，比抛一个 400 有用得多。
• MIT 协议开源：代码在 GitHub 上，Release 里有 APK，想改自己拉。

做完之后

最花时间的不是写代码，是挨个试接口、记下谁在哪一步不兼容。这部分工作没有捷径，只能一个个撞。

如果你也想做一个：先只做文生图，跑通再说。图生图留到你真的需要它的时候——那时候你已经知道自己的 API 支持什么，五级降级可能只需要两级。