DEV Community: Zhang Zhemin

从 JS 宏到 WPS AI：高级软件工程师的文档自动化与插件开发实战指南

Zhang Zhemin — Wed, 16 Sep 2026 07:15:22 +0000

从 JS 宏到 WPS AI：高级软件工程师的文档自动化与插件开发实战指南

一、为什么文档自动化又回到了工程化视野

过去十年，文档自动化常被简化为“写个宏”。但在真实企业环境里，需求早已从批量替换、格式统一，演进到数据驱动生成、流程编排、AI 辅助写作。作为高级软件工程师，我们需要的不是零散脚本，而是一套可维护、可测试、可分发的文档自动化体系。

WPS 在这个场景里非常有代表性：它兼容主流 Office 格式，提供 JS 宏，也支持基于 Web 技术的加载项，并逐步融入 WPS AI 能力。无论你从 WPS官网获取开发文档，还是完成 WPS下载后本地调试，WPS 都能覆盖从轻量宏到企业插件的完整路径。

二、JS 宏：最快进入 WPS 自动化的入口

WPS 的 JS 宏（常称 JSA）使用 JavaScript 语法操作文档对象模型。对于熟悉前端或 Node.js 的工程师，它比 VBA 更亲切。

在 WPS 中启用“开发工具”后，可以打开 JS 宏编辑器。下面是一个批量生成简报的示例：

function buildBrief() {
  const doc = Application.ActiveDocument;
  const range = doc.Range(0, 0);
  range.InsertAfter('项目简报\\n');
  range.InsertAfter('生成时间：' + new Date().toLocaleString() + '\\n');

  const table = doc.Tables.Add(doc.Range(0, 0), 3, 2);
  table.Cell(1, 1).Range.Text = '指标';
  table.Cell(1, 2).Range.Text = '数值';
  table.Cell(2, 1).Range.Text = '完成率';
  table.Cell(2, 2).Range.Text = '92%';
}

JS 宏的优势是轻量、即时、无需打包。但它也有边界：难以做复杂 UI、难以版本管理、难以安全分发。因此，当脚本开始服务多个团队时，就应该考虑加载项。

三、从宏到加载项：WPS 插件架构

WPS 加载项通常基于 HTML、CSS、JavaScript 构建，通过 manifest 描述功能入口、Ribbon 按钮和任务窗格。它更接近现代前端工程，可以接入 npm、TypeScript、构建工具和 CI/CD。

一个简化 manifest 示例：

{
  "name": "doc-auto-plugin",
  "version": "1.0.0",
  "host": ["wps"],
  "ribbon": [
    {
      "id": "btnGenerate",
      "label": "生成周报",
      "onAction": "generateWeeklyReport"
    }
  ],
  "taskpane": {
    "url": "taskpane.html"
  }
}

在任务窗格中，你可以通过 WPS 提供的 JSAPI 获取活动文档、选区、表格数据，也可以调用后端服务或 WPS AI。

四、实战：周报自动生成插件

假设我们有一个 Excel 数据源，需要生成 Word 周报，并附带 AI 摘要。推荐流程如下：

从 WPS官网查阅最新加载项文档和 API 变更。
在测试机完成 WPS下载，安装与生产环境一致的版本。
初始化前端项目：npm init，引入 TypeScript 和打包工具。
配置 manifest，注册 Ribbon 按钮与任务窗格。
在任务窗格中读取 Excel 数据，生成 Word 内容。
调用 WPS AI 生成摘要、润色标题，并插入文档。
导出 PDF，回传业务系统。

核心代码可以抽象成服务层：

async function generateWeeklyReport(payload) {
  const app = wps.WpsApplication();
  const doc = app.ActiveDocument;
  const selection = app.Selection;

  selection.TypeText('本周工作摘要\\n');
  selection.TypeText(payload.summary + '\\n');

  const table = doc.Tables.Add(selection.Range, payload.rows.length + 1, 2);
  table.Cell(1, 1).Range.Text = '项目';
  table.Cell(1, 2).Range.Text = '进展';

  payload.rows.forEach((row, index) => {
    table.Cell(index + 2, 1).Range.Text = row.name;
    table.Cell(index + 2, 2).Range.Text = row.status;
  });
}

工程化重点不是这段代码本身，而是错误处理、日志、重试、数据校验和版本兼容。

五、接入 WPS AI：让插件从规则走向智能

WPS AI 能提供文本生成、摘要、翻译、润色等能力。对插件开发者而言，关键是把 AI 当成一个可能失败、可能延迟、需要降级的外部服务。

一个典型封装：

async function summarizeWithAI(text) {
  if (!text || text.length < 20) return text;

  const prompt = [
    '请用三条要点总结以下周报内容：',
    text
  ].join('\\n');

  try {
    const result = await wps.ai.generate({
      prompt,
      temperature: 0.3,
      maxTokens: 300
    });
    return result.text;
  } catch (error) {
    console.error('[WPS](https://www.wps.com/) AI 调用失败', error);
    return 'AI 摘要暂不可用，请查看原文。';
  }
}

实际开发中，应加入超时、缓存、敏感信息过滤和人工确认。尤其是法务、财务文档，不能把未脱敏内容直接送出去。

六、调试、分发与维护

WPS 加载项可以在开发模式下加载本地目录，配合控制台和日志排查问题。发布时可以选择内网分发、离线安装包或加载项市场。

维护清单：

锁定 WPS JSAPI 版本，记录兼容矩阵。
为 manifest 和业务代码建立独立版本号。
在 CI 中执行 lint、单元测试和打包。
为 AI 调用增加开关，允许企业关闭外部模型。
引导用户从 WPS官网获取正式版本，避免使用来路不明的 WPS下载渠道。

七、常见坑与最佳实践

不要频繁跨进程调用 JSAPI，尽量批量读写。
宏中避免 alert 阻塞，插件中避免同步长任务。
文档对象操作前后要处理撤销栈和选区恢复。
AI 输出必须校验，不能直接覆盖原文。
对表格、页眉页脚、批注等对象分别测试。
在企业环境里，优先从 WPS官网完成 WPS下载和版本管理。

八、结语

从 JS 宏到 WPS 加载项，再到 WPS AI，文档自动化的边界正在从“操作文档”扩展到“理解文档”。高级软件工程师的价值，不只是写出能跑的脚本，而是把脚本沉淀为可维护、可观测、可分发的产品能力。

如果你准备开始，建议先从一个小型 JS 宏验证流程，再迁移到加载项；同时通过 WPS官网获取权威资料，完成 WPS下载并保持版本更新。这样，你就能在 WPS 生态里构建真正可用的文档自动化与智能插件。

软件工程师的 WPS 进阶指南：用 JS 宏、开放 API 与 AI 打造自动化办公流

Zhang Zhemin — Wed, 16 Sep 2026 03:45:07 +0000

软件工程师的 WPS 进阶指南：用 JS 宏、开放 API 与 AI 打造自动化办公流

为什么软件工程师要关注 WPS 自动化

WPS 不只是文档编辑器。它提供 JS 宏、加载项、开放 API 等能力，能把重复的报表、合同、审批流自动化。先从 WPS官网了解版本与开放能力，再完成 WPS下载，开启开发工具。

一、环境准备：从 WPS官网到 WPS下载

访问 WPS官网，根据操作系统选择个人版或专业版，完成 WPS下载。
在 WPS 中打开：工具 -> 开发工具 -> JS 宏。若没有该菜单，检查版本或安装宏插件。
建议使用 Windows 版，JS 宏与 COM/加载项生态更完整。
把宏代码导出为 .js 文件，用 Git 管理。

二、JS 宏：用 JavaScript 操作表格与文档

WPS JS 宏的 API 风格接近 VBA，但使用 JavaScript 语法。

function main() {
  const doc = Application.ActiveDocument;
  const sheet = doc.ActiveSheet;
  const lastRow = sheet.Cells(sheet.Rows.Count, 1).End(xlUp).Row;
  let total = 0;
  for (let i = 2; i <= lastRow; i++) {
    total += Number(sheet.Cells(i, 2).Value2 || 0);
  }
  sheet.Cells(lastRow + 1, 2).Value2 = total;
  Application.Alert('合计：' + total);
}

要点：

用 try/catch 包住核心逻辑，避免宏中断。
批量读写 Range，比逐单元格快。
宏环境不一定支持浏览器 DOM，但通常有 fetch 或可与外部程序通信。

三、开放 API：让 WPS 与业务系统对话

WPS 开放平台提供云文档、文件、协作等 REST API。典型流程：业务系统触发 -> 云函数 -> 调用 WPS API -> 生成/更新文档 -> Webhook 回调。

const fetch = require('node-fetch');

async function createDoc(token) {
  const res = await fetch('https://open.wps.cn/api/v3/files', {
    method: 'POST',
    headers: {
      'Authorization': 'Bearer ' + token,
      'Content-Type': 'application/json'
    },
    body: JSON.stringify({ name: '自动化报告', type: 'doc' })
  });
  if (!res.ok) throw new Error('[WPS](https://www.wps.com/) API error: ' + res.status);
  return res.json();
}

工程建议：鉴权信息放环境变量；对 429/5xx 做指数退避；写操作保证幂等。

四、AI 加持：摘要、分类与内容生成

把 AI 服务封装成内部网关，再由 JS 宏或开放 API 调用。

async function aiSummarize(text) {
  const res = await fetch('https://your-ai-gateway/summarize', {
    method: 'POST',
    headers: { 'Content-Type': 'application/json' },
    body: JSON.stringify({ text })
  });
  const data = await res.json();
  return data.summary;
}

场景：

批量读取表格评论，生成摘要并回写。
根据工单内容自动分类，填充处理人。
用 AI 生成公式、SQL、正则，再由人工确认。

注意：敏感数据脱敏，权限最小化，保留审计日志。

五、实战：日报自动化流

定时任务从数据库/API 拉取数据。
Node.js 清洗数据，计算指标。
调用 WPS 开放 API 打开模板，替换占位符。
导出 PDF，推送到企业微信/飞书。
若在本地，可用 JS 宏读取 CSV，更新图表，再调用外部命令发送邮件。

六、工程化清单

代码：模块化、配置与密钥分离、日志可追踪。
版本：宏文件、模板、API 封装都进 Git。
测试：mock WPS API，覆盖空数据、超长文本、异常状态码。
安全：OAuth 最小权限，密钥轮换，审计导出。
部署：WPS 加载项、任务计划、云函数、容器。

七、常见坑

JS 宏与浏览器 JS 不同：没有 window/document，要查 WPS 对象模型。
异步支持因版本而异，必要时用轮询或外部服务。
路径、编码、换行符在跨平台时容易出问题。
开放 API 有频率限制，必须重试与降级。

结语

从 WPS官网获取最新文档，完成 WPS下载，先把一个重复流程宏化，再接入开放 API，最后用 AI 增强。WPS 不只是办公软件，也可以成为软件工程师的自动化底座。

用 WPS 开放 API + AI Agent 重写文档自动化：一名软件工程师的实战笔记

Zhang Zhemin — Wed, 16 Sep 2026 02:05:19 +0000

用 WPS 开放 API + AI Agent 重写文档自动化：一名软件工程师的实战笔记

1. 背景：文档自动化为什么需要重写

过去我们做文档自动化，套路通常是：找模板、复制、填字段、人工校验、导出 PDF、发邮件。模板一多，字段映射就散落在脚本和 Excel 里；格式一改，维护成本指数上升。WPS 开放 API 的出现，让我们可以把“文档操作”从业务代码里抽离出来，交给稳定的文档服务；而 AI Agent 则负责理解自然语言任务、规划步骤、调用工具。两者结合，不是简单堆叠，而是把流程从“人驱动脚本”变成“Agent 编排、WPS 执行、人只审核”。

2. 整体架构

系统分四层：

接入层：Webhook、定时任务、IM 消息、表单。
Agent 层：LLM + 规划器 + 工具调用 + 记忆 + 规则校验。
工具层：封装 WPS 开放 API，包括创建文档、替换书签/占位符、导出 PDF、设置权限、读取元数据。
存储层：模板库、任务库、对象存储、审计日志。

关键原则：不让 LLM 直接生成复杂文档 XML，而是让它输出结构化 JSON，由工具层调用 WPS 开放 API。这样可控、可测、可回滚。

3. 准备 WPS 开放平台环境

先到 WPS官网进入开放平台，注册开发者账号，创建应用，获取 App ID、App Secret 和回调地址。本地联调时，建议从 WPS官网或 WPS下载页面安装最新版 WPS Office，保证加载项、云文档和 API 版本一致。WPS下载要认准官方渠道，避免第三方安装包带来安全风险；WPS官网有完整的 API 文档、SDK、调试工具和错误码说明。

WPS 开放 API 常见鉴权方式包括 OAuth2 和签名鉴权。生产环境要把 token 放密钥管理，不要硬编码。access_token 要缓存，并处理过期与刷新，避免并发刷新触发限流。

4. AI Agent 的角色

Agent 的核心循环可以概括为：

理解任务：例如“根据销售数据生成周报，套用公司模板，导出 PDF 并发给王经理”。
规划步骤：取数、填模板、校验、导出、通知。
调用工具：get_sales_data、wps_create_doc、wps_replace_placeholders、wps_export_pdf、send_message。
自我反思：检查字段缺失、金额格式、日期范围、权限边界。
输出结果：返回文档链接、PDF、审计记录。

用 Function Calling 定义工具 schema，例如：

tools = [
    {
        'name': 'wps_replace_placeholders',
        'description': '在 [WPS](https://www.wps.com/) 文档中替换占位符',
        'parameters': {
            'type': 'object',
            'properties': {
                'doc_id': {'type': 'string'},
                'mapping': {'type': 'object'}
            },
            'required': ['doc_id', 'mapping']
        }
    }
]

注意：工具描述要准确，参数校验要严格。LLM 可能编造模板 ID 或字段，工具层必须拒绝非法请求。

5. 调用 WPS 开放 API 的代码骨架

下面是一段 Python 示例，展示认证、创建文档、替换占位符的骨架。实际路径、参数和鉴权方式以 WPS官网开放平台文档为准。

import requests

class [WPS](https://www.wps.com/)Client:
    def __init__(self, app_id, app_secret):
        self.base = 'https://open.wps.cn/api/v1'
        self.app_id = app_id
        self.app_secret = app_secret
        self.token = None

    def get_token(self):
        if self.token:
            return self.token
        resp = requests.post(
            f'{self.base}/oauth/token',
            json={
                'app_id': self.app_id,
                'app_secret': self.app_secret,
                'grant_type': 'client_credentials'
            },
            timeout=10
        )
        resp.raise_for_status()
        self.token = resp.json()['access_token']
        return self.token

    def create_doc(self, template_id, name):
        headers = {'Authorization': f'Bearer {self.get_token()}'}
        resp = requests.post(
            f'{self.base}/docs',
            headers=headers,
            json={'template_id': template_id, 'name': name},
            timeout=20
        )
        resp.raise_for_status()
        return resp.json()['doc_id']

    def replace_placeholders(self, doc_id, mapping):
        headers = {'Authorization': f'Bearer {self.get_token()}'}
        resp = requests.post(
            f'{self.base}/docs/{doc_id}/replace',
            headers=headers,
            json={'mapping': mapping},
            timeout=20
        )
        resp.raise_for_status()
        return resp.json()

这段代码的重点不是路径本身，而是分层：WPSClient 只负责 HTTP 和鉴权，Agent 不直接拼请求。这样后期替换成 SDK 或调整 API 版本，改动面很小。

6. Agent 编排伪代码

def run_agent(task):
    plan = llm_plan(task, tools)
    ctx = {}
    for step in plan:
        tool = step['tool']
        args = step['args']
        if tool == 'wps_create_doc':
            ctx['doc_id'] = wps.create_doc(args['template_id'], args['name'])
        elif tool == 'wps_replace_placeholders':
            wps.replace_placeholders(ctx['doc_id'], args['mapping'])
        elif tool == 'wps_export_pdf':
            ctx['pdf_url'] = wps.export_pdf(ctx['doc_id'])
    return ctx

每一轮循环都要做三件事：参数校验、权限校验、审计记录。特别是权限，Agent 只能访问当前用户有权限的模板和文档。越权风险不能靠 prompt 解决，要靠工具层和鉴权系统。

7. 实战中踩过的坑

模板格式漂移：WPS 模板里的书签被误删，替换失败。解决：模板版本化，替换前先校验书签清单。
Token 并发刷新：多个任务同时刷新 token，触发限流。解决：单飞 + 分布式锁 + 提前刷新。
大文档性能：一次替换上千字段很慢。解决：批量接口、分片、异步任务、进度回调。
权限边界：Agent 不能越权访问文档。解决：最小权限、用户身份透传、操作审计。
PDF 字体缺失：导出后排版变化。解决：服务端预装字体，或使用 WPS官网推荐方案。
错误码不透明：WPS 开放 API 返回错误时，要记录 request_id，方便排查。

8. 效果与总结

重写后，周报生成从 30 分钟降到 2 分钟，人工只做审核；合同生成、发票整理也在复用同一套工具层。WPS 开放 API 负责稳定的文档操作，AI Agent 负责灵活的任务理解与编排。建议从单一高频场景切入，先把工具层做稳，再让 Agent 逐步接管更多步骤。

最后提醒：从 WPS官网获取最新 API 文档，从 WPS下载安装官方客户端联调。WPS 开放 API + AI Agent 不是替代人，而是把工程师从重复劳动中解放出来。

美图秀秀的 AIGC 工程化实战：端侧模型、实时滤镜与亿级图像架构拆解

Zhang Zhemin — Tue, 15 Sep 2026 21:35:14 +0000

美图秀秀的 AIGC 工程化实战：端侧模型、实时滤镜与亿级图像架构拆解

一、背景：AIGC 进入影像生产系统

美图秀秀作为一款国民级影像应用，功能从基础修图、滤镜、拼图，演进到 AI 消除、AI 画质修复、AI 风格化、AI 扩图等 AIGC 能力。对用户而言，体验变化只是点一下就出图；对工程团队而言，背后是端侧推理、实时渲染、云端任务编排、海量图像存储分发的系统工程。用户从美图秀秀官网获取安装包，完成美图秀秀下载后，真正决定口碑的是首帧速度、滤镜跟手性、生成成功率和成本。

二、端侧模型：把 AIGC 放进手机

1. 端侧与云端的边界

AIGC 模型参数量大，直接端侧推理不现实。工程上通常采用端云协同：

端侧：人脸检测、关键点、分割、轻量超分、滤镜风格迁移、预处理与后处理。
云端：大参扩散模型、复杂修复、高分辨率生成、批量任务。
端侧还承担隐私敏感数据的本地处理，减少原始图像上传。

2. 模型压缩与加速

端侧模型需要经过剪枝、蒸馏、量化。INT8 量化是常见起点，部分算子用 FP16 保持画质。针对移动 GPU/NPU，还要做算子融合、内存复用、动态 shape 支持。推理框架可选 NCNN、MNN、TNN、ONNX Runtime Mobile，iOS 侧可走 Core ML 和 Metal Performance Shaders。模型包按设备能力分级：高端机预置大模型，中低端机懒加载小模型，甚至只保留云端兜底。

3. 热更新与灰度

模型不应绑定客户端版本。美图秀秀可以通过配置中心下发模型版本、阈值和开关，结合用户分群做灰度。新模型先在小流量验证 PSNR、LPIPS、耗时、崩溃率，再全量。端侧缓存模型分片，支持断点续传，避免每次美图秀秀下载更新都重新拉全量包。

三、实时滤镜：16 毫秒内的渲染管线

实时滤镜是美图秀秀的体验基本盘。相机预览通常要求 30fps 或 60fps，单帧预算约 33ms 或 16ms。渲染管线一般抽象为 DAG：

纹理上传：相机 YUV 转 RGBA，使用 SurfaceTexture、CVPixelBuffer 或 Vulkan 外部纹理。
基础调整：曝光、对比度、饱和度、色温，用 3D LUT 或矩阵运算。
人脸驱动：检测关键点，生成网格，做局部变形、瘦脸、大眼。
美颜磨皮：双边滤波、导向滤波、高反差保留，兼顾磨皮与质感。
AI 滤镜：轻量风格化模型输出纹理，再与原始帧混合。

性能关键点：

全程 GPU，避免 CPU 与 GPU 频繁同步。
FBO 双缓冲、纹理池、命令缓冲复用。
Shader 合并，减少 render pass。
根据设备分级降级：低端机减少 LUT 精度、关闭部分 AI 节点。
丢帧时优先保预览流畅，后台线程补处理。

四、亿级图像架构：上传、处理、分发

当美图秀秀日活达到亿级，图像架构要同时面对高并发上传、异步处理、低延迟分发。

1. 上传与存储

客户端上传前做压缩、旋转矫正、EXIF 清理。大图分片上传，支持断点续传和秒传。对象存储作为原图与结果图底座，元数据写入 MySQL/TiDB，热点元数据缓存到 Redis。冷热分层：近期活跃图片放标准存储，历史图片转低频或归档。

2. 异步处理

上传完成后发消息到 Kafka，任务调度器消费并生成不同规格：缩略图、水印图、WebP/HEIF/AVIF、AI 处理图。GPU 推理集群以队列方式消费 AIGC 任务，按优先级和成本调度。失败任务重试，死信队列告警。

3. 分发与边缘

结果图通过 CDN 分发，边缘节点缓存热门图片。客户端根据网络、设备、屏幕密度请求合适尺寸与格式。签名 URL 控制访问，防盗链。对于 AI 生成结果，可先返回低清预览，再异步推送高清图，提升感知速度。

五、AIGC 工程化：从模型到产品

AIGC 不是单模型，而是工作流：

Prompt/参数模板化，避免散落在客户端。
工作流 DAG：检测、分割、修复、超分、融合，节点可插拔。
模型服务化：Triton、TFServing 或自研推理服务，支持动态批处理、自动扩缩容。
质量评估：离线指标加在线 A/B，关注生成成功率、耗时、留存、分享率。
成本优化：Spot 实例、模型缓存、结果缓存、按需降级。
安全合规：内容审核、隐私保护、数据加密、权限隔离。

六、总结

美图秀秀的 AIGC 工程化，本质是端侧模型、实时渲染、云侧弹性架构和产品体验之间的平衡。端侧负责快与隐私，云端负责强与复杂，CDN 与存储负责规模化分发。用户从美图秀秀官网了解能力，完成美图秀秀下载后，感受到的是顺畅的滤镜、自然的 AI 修复和稳定的生成结果。这背后，是一整套面向亿级图像的工程系统在支撑。

千万 DAU 下的端侧 AIGC：美图秀秀如何把图像大模型塞进手机并跑出极致性能？

Zhang Zhemin — Tue, 15 Sep 2026 20:15:05 +0000

千万 DAU 下的端侧 AIGC：美图秀秀如何把图像大模型塞进手机并跑出极致性能？

一、问题背景：千万 DAU 与端侧 AIGC 的碰撞

美图秀秀作为千万 DAU 级别的影像应用，用户对 AI 生成、AI 修图、AI 扩图、AI 写真等能力的需求持续增长。若全部依赖云端推理，带宽、算力成本和首屏延迟都会成为瓶颈；而端侧推理能带来隐私保护、离线可用、低延迟和更低的云端成本。用户通过美图秀秀官网或应用商店完成美图秀秀下载后，期待在手机上获得接近云端的生成质量。这要求工程团队把图像大模型塞进手机，并在碎片化硬件上跑出极致性能。

二、总体架构：端侧 AIGC 推理管线

管线通常分为：输入预处理、条件编码、扩散/生成主干、后处理与显示。预处理包括人脸检测、分割、关键点、图像对齐；条件编码可能使用轻量文本编码器或图像编码器；生成主干采用 Latent Diffusion、GAN 或轻量 Transformer；后处理包括 VAE 解码、超分、色彩校正。端侧引擎需要管理模型仓库、硬件抽象层、调度器和内存池。针对不同设备，引擎会动态选择 CPU、GPU、NPU 或异构组合。

三、模型压缩：把大模型塞进手机

结构轻量化：使用 Latent Diffusion 降低分辨率，蒸馏 UNet，剪枝注意力头与通道，低秩分解卷积。对于人像、风格化等垂直场景，采用专用小模型替代通用大模型。
步数蒸馏：通过 LCM、Turbo、一致性模型把采样步数从 50 步降到 4 到 8 步，显著降低计算量。
量化：训练后量化与量化感知训练结合，权重 INT8/INT4，激活 INT8，敏感层保留 FP16。逐通道量化、混合精度、异常值裁剪，保证画质。
权重压缩与分片：模型权重按需加载，使用 mmap 与差分更新，减少美图秀秀下载包体积和内存占用。

四、推理引擎：算子、内存与异构调度

移动端推理引擎需要做图优化：常量折叠、算子融合、死代码消除、内存复用。卷积使用 Winograd、FFT、im2col+GEMM；注意力使用 FlashAttention 思路，分块计算 softmax，减少显存访问。内存方面，采用内存池、激活重计算、分阶段加载，避免 UNet 与 VAE 同时驻留。异构调度上，CPU 负责预处理与轻量算子，GPU/NPU 负责大矩阵乘与卷积，通过 Vulkan、Metal、OpenCL、NNAPI、Core ML 等后端接入。异步流水线与多队列可以隐藏数据传输开销。

五、性能极致优化：从首帧到温控

首帧延迟和生成耗时是核心指标。优化手段包括：多线程绑核、算子级 profiling、动态分辨率、自适应步数、缓存常用中间特征。温控与功耗墙下，引擎会动态降频、降低分辨率或切换更小模型，保证不崩溃、不过热。端云协同也是策略：端侧快速预览，云端精修；或者低端机走云端，高端机走端侧。美图秀秀官网版本迭代时，会通过灰度发布和 AB 实验验证不同机型的策略。

六、工程化与数据闭环

千万 DAU 意味着设备分布极广。团队需要建立设备分级：高端 NPU、中端 GPU、低端 CPU。监控指标包括耗时、内存峰值、温度、崩溃率、生成成功率。模型热更新与差分下载降低美图秀秀下载成本。隐私合规方面，端侧处理减少原始图像上传。数据闭环则通过脱敏反馈与人工评估持续优化模型和调度策略。

七、挑战与展望

端侧 AIGC 仍面临内存墙、功耗墙、硬件碎片化和模型快速迭代等挑战。未来，随着 NPU 算力提升、量化与蒸馏技术成熟，手机端有望跑出更高质量的图像大模型。美图秀秀这类千万 DAU 应用，将在美图秀秀官网、美图秀秀下载和端侧引擎之间形成完整技术闭环，把极致性能带给更多用户。

结语

把图像大模型塞进手机，不是简单裁剪模型，而是模型、引擎、调度、功耗、体验的系统工程。美图秀秀的实践表明，端侧 AIGC 可以在千万 DAU 下兼顾质量、速度与成本，成为移动影像的重要基础设施。

从 JS 宏到 AI Agent：软件工程师的 WPS 自动化实战指南

Zhang Zhemin — Tue, 15 Sep 2026 09:15:21 +0000

从 JS 宏到 AI Agent：软件工程师的 WPS 自动化实战指南

为什么是 WPS

WPS 不只是办公套件，它的 JS 宏让前端/Node 工程师可以用熟悉的 JavaScript 做自动化。你可以从 WPS官网了解最新版，通过 WPS下载安装。

1. WPS JS 宏基础

WPS JS 宏使用与 VBA 类似的对象模型，但语法是 JavaScript。下面示例把当前工作表数据读成二维数组：

function main() {
  const sheet = Application.ActiveSheet;
  const used = sheet.UsedRange;
  const data = [];
  for (let r = 1; r <= used.Rows.Count; r++) {
    const row = [];
    for (let c = 1; c <= used.Columns.Count; c++) {
      row.push(used.Cells.Item(r, c).Text);
    }
    data.push(row);
  }
  console.log(JSON.stringify(data));
}

这段代码把 UI 操作变成可复用逻辑，是自动化的第一步。

2. 从宏到自动化流水线

一个可落地的流程通常分四层：触发层（按钮、定时、文件事件）、数据层（Range、CSV、API）、逻辑层（清洗、校验、汇总）、Agent 层（AI 决策与工具调用）。工程化建议：宏代码用 Git 管理；配置与代码分离；外部调用加超时、重试、幂等；批量处理时分批执行，避免阻塞 WPS UI。

3. 接入 AI Agent 的模式

常见有三种：宏内直连 LLM（快但密钥风险高）；宏调用本地 Agent 服务（推荐）；宏推送任务到队列，由 Agent 集群消费（适合大规模）。推荐模式中，WPS 只负责采集和展示，Agent 负责鉴权、提示词、工具编排。下面是一个 Node.js Agent 服务示例：

const express = require('express');
const app = express();
app.use(express.json());
app.post('/agent', async (req, res) => {
  const rows = req.body.rows;
  const prompt = '请分析表格并给出清洗建议：' + JSON.stringify(rows);
  // 省略真实 LLM 调用
  res.json({ ok: true, suggestion: '删除空行，统一日期格式' });
});
app.listen(3000, () => console.log('Agent 已启动'));

WPS 宏可以通过 XMLHttpRequest 调用它：

function callAgent() {
  const sheet = Application.ActiveSheet;
  const used = sheet.UsedRange;
  const rows = [];
  for (let r = 1; r <= used.Rows.Count; r++) {
    const row = [];
    for (let c = 1; c <= used.Columns.Count; c++) {
      row.push(used.Cells.Item(r, c).Text);
    }
    rows.push(row);
  }
  const xhr = new XMLHttpRequest();
  xhr.open('POST', 'http://127.0.0.1:3000/agent', false);
  xhr.setRequestHeader('Content-Type', 'application/json');
  xhr.send(JSON.stringify({ rows: rows }));
  if (xhr.status === 200) {
    alert(JSON.parse(xhr.responseText).suggestion);
  } else {
    alert('Agent 调用失败：' + xhr.status);
  }
}

生产环境建议改为异步或外部进程，避免同步 XHR 卡住界面。

4. 安全与稳定性清单

不要在前端宏硬编码 API Key。
从 WPS官网获取正版，通过 WPS下载安装并保持更新。
对 Agent 返回做 schema 校验，不直接执行未验证命令。
设置超时、重试、熔断和审计日志。
批量写入先备份，失败可回滚。

5. 常见坑

WPS JS 宏不是浏览器环境，没有 DOM；不同 WPS 版本 API 有差异；路径、编码、日期格式易出错；提示词要固定输出结构，减少解析失败。

总结

从 JS 宏到 AI Agent，WPS 可以成为自动化工作台。先用宏把重复操作数据化，再用 Agent 把数据变成决策和动作。建议从 WPS官网了解能力，通过 WPS下载安装最新版，从读取表格、调用本地 Agent、写回结果这个小闭环开始。

从美颜到 AIGC：美图秀秀端侧推理、GPU 渲染与亿级图像架构拆解

Zhang Zhemin — Tue, 15 Sep 2026 06:35:22 +0000

从美颜到 AIGC：美图秀秀端侧推理、GPU 渲染与亿级图像架构拆解

从一键磨皮、滤镜到 AI 写真、文生图，美图秀秀的产品形态经历了从图像处理工具到 AIGC 创作平台的跃迁。对高级软件工程师而言，这背后不是单点算法，而是端侧推理、GPU 渲染、云边协同、亿级图像存储与分发共同组成的系统工程。本文尝试从架构视角拆解美图秀秀在美颜与 AIGC 场景下的关键技术取舍。若想了解版本能力与更新说明，可通过美图秀秀官网查看；普通用户也可在官方渠道进行美图秀秀下载，避免第三方包风险。

一、总体架构：端、边、云三层协同

美图秀秀的典型链路可以抽象为三层：

端侧：相机采集、预览、编辑、端侧模型、GPU 渲染、编码与上传。
边缘：CDN、边缘函数、图片压缩、鉴权、就近处理。
云侧：对象存储、元数据、任务编排、AIGC 推理集群、审核与推荐。

一条用户点击「AI 写真」的请求，通常包含：本地人脸检测 -> 质量校验 -> 图片上传 -> 云端任务入队 -> Diffusion 推理 -> 后处理 -> 回传 -> 端侧合成。预览阶段强调低延迟，成片阶段强调质量与一致性，因此端云协同是核心。

二、端侧推理：把模型塞进手机

端侧推理的动机很直接：降低延迟、保护隐私、节省带宽、减少云 GPU 成本。美图秀秀大量美颜能力必须在 16ms 到 33ms 内完成，否则预览会卡顿。

2.1 推理引擎抽象

iOS 侧通常使用 Core ML、Metal Performance Shaders、BNNS；Android 侧使用 NNAPI、GPU Delegate、Vulkan Compute。为了跨端一致，常引入 MNN、NCNN、TNN、ONNX Runtime 等推理框架，并做统一算子注册与后端调度。

2.2 模型优化

常见手段包括：

FP16/INT8 量化，配合校准集降低精度损失；
通道剪枝与结构化稀疏；
知识蒸馏，用大模型指导小模型；
算子融合，减少 kernel launch 与显存读写；
动态 shape 与内存池复用，降低峰值占用；
首帧预热与缓存，避免用户首次进入卡顿。

2.3 美颜模型组合

美颜不是单个模型，而是流水线：人脸检测、关键点、姿态、皮肤分割、头发分割、牙齿分割、光照估计、风格判别。每个模型都要控制输入分辨率，例如检测用 320x320，分割用 256x256，关键点用 128x128，再通过 ROI 裁剪提升有效像素。

2.4 AIGC 端侧探索

端侧 Diffusion 仍受算力与内存限制，但 LCM、Turbo、SDXL-Turbo 等少步采样让实时预览成为可能。常见策略是端侧跑低分辨率 latent 预览，云端跑高分辨率精修。LoRA 与 ControlNet 可按需下载，放入本地模型仓库，通过版本号与签名校验保证安全。

三、GPU 渲染：实时美颜的视觉管线

美图秀秀的预览体验高度依赖 GPU 渲染。典型管线为：相机纹理 -> 人脸网格 -> 美颜 Pass -> 滤镜 LUT -> 贴纸/文字 -> 合成输出。

3.1 多 Pass 渲染

磨皮常用频率分离：低频层做平滑，高频层保留纹理。双边滤波、导向滤波、表面模糊都可在 fragment shader 中实现。为了性能，通常降分辨率处理低频，再与全分辨率高频合成。

3.2 颜色与 LUT

滤镜常使用 3D LUT 纹理，在 shader 中做三线性插值。颜色空间要统一：采集可能是 sRGB，显示可能是 Display P3，离线导出可能是线性空间。错误的空间转换会导致肤色偏灰或过饱和。

3.3 与推理共享纹理

在 iOS 上可用 Metal 纹理与 Core ML 共享，在 Android 上可用 EGL 图像与 GPU Delegate 互操作。共享纹理能避免 CPU 来回拷贝，显著降低延迟与功耗。

3.4 性能策略

动态分辨率：滑动时降分辨率，停止后升分辨率；
按需渲染：静态画面降低帧率；
三重缓冲与命令缓冲复用；
离屏渲染缓存，避免重复计算；
功耗监控，温度过高时降级效果。

四、亿级图像架构：存储、处理与分发

美图秀秀面对的是亿级用户与海量图像，架构必须兼顾成本、弹性与稳定性。

4.1 上传与存储

上传采用分片、断点续传、秒传与 MD5 校验。存储使用对象存储，多副本或纠删码，按冷热分层。原图、中间图、成片、缩略图分开存储，生命周期策略自动清理临时文件。

4.2 元数据与任务编排

元数据包括用户 ID、设备、时间、地理位置、人脸聚类、标签、审核状态。任务编排常用 Kafka、RabbitMQ 或云消息队列，配合 DAG 工作流与 K8s 弹性伸缩。每个任务要有幂等键、重试策略、死信队列与限流。

4.3 编解码与 CDN

端侧上传前可转 HEIF/AVIF/WebP，云端按需转码。缩略图采用渐进式 JPEG 或 WebP，首屏先模糊后清晰。CDN 通过边缘缓存、签名 URL、防盗链、动态加速降低源站压力。

4.4 内容审核与合规

AIGC 与用户上传都必须经过多模态审核：图像分类、OCR、人脸比对、NSFW 检测。审核异步化，风险内容进入人工队列。隐私方面，端侧处理优先，云端数据加密，访问最小化。

五、AIGC 云侧推理：从模型到服务

云侧 Diffusion 服务是重资产：GPU 池化、模型版本、LoRA 管理、ControlNet 插件、任务队列与配额。

5.1 推理优化

TensorRT、xFormers、FlashAttention 加速；
FP16/INT8 量化与编译缓存；
动态 batch 与连续 batching；
显存池化与模型热切换；
采样器优化，减少步数。

5.2 端云协同

端侧负责 prompt 辅助、人脸安全、局部 mask 生成；云端负责高分辨率生成、inpainting、outpainting、风格迁移。回传后，端侧再用 GPU 渲染做融合与调色，保证所见即所得。

六、工程实践与稳定性

监控：端侧埋点采集推理耗时、GPU 耗时、内存峰值、崩溃率；云侧监控 QPS、P99、GPU 利用率、队列深度。
灰度与 A/B：模型、滤镜、AIGC 模板都需灰度发布，支持快速回滚。
降级：GPU 不可用时切换 CPU 或云端；云端排队过长时提示稍后重试。
一致性：同一滤镜在 iOS、Android、Web 上需要颜色一致，通常通过 LUT 与色彩管理校准。
安全：模型文件签名、HTTPS、证书绑定、代码混淆、风控。

七、总结与展望

从美颜到 AIGC，美图秀秀的技术栈可以概括为：端侧推理保证实时与隐私，GPU 渲染保证视觉质量，云边协同保证弹性与规模，亿级图像架构保证成本与稳定。未来，随着神经渲染、3D 生成、实时 Diffusion 的发展，端侧与云侧的边界会继续变化。对工程师而言，核心仍是三个问题：延迟能否更低，画质能否更好，成本能否更优。想体验最新能力，建议通过美图秀秀官网了解版本，并从官方渠道完成美图秀秀下载。

WPS AI 插件开发实战：软件工程师如何从零接入大模型打造办公助手

Zhang Zhemin — Tue, 15 Sep 2026 06:25:27 +0000

WPS AI 插件开发实战：软件工程师如何从零接入大模型打造办公助手

一、背景：为什么要做 WPS AI 插件

WPS Office 是国内使用最广泛的办公套件之一。很多团队每天在 WPS 中写文档、做表格、整理 PPT。如果能让 WPS 直接调用大模型，就能实现摘要、润色、翻译、生成表格公式、自动写周报等能力。本文从软件工程师视角，带你从零开发一个 WPS AI 插件。

开始前，建议从 WPS官网 了解 WPS 开放平台与加载项文档，并通过 WPS下载 安装最新版 WPS Office。开发插件需要 WPS 支持 JS 加载项。

二、整体架构

一个典型的 WPS AI 插件分为三层：

WPS 加载项前端：运行在 WPS 任务窗格中，使用 HTML/CSS/JS，调用 WPS JS API 读写文档。
后端代理服务：Node.js/Express 或 Serverless，负责保存大模型 API Key、转发请求、处理流式响应。
大模型服务：OpenAI、DeepSeek、通义千问、智谱等，提供 Chat Completions 接口。

架构图：

+----------------+      +----------------+      +----------------+
| [WPS](https://www.wps.com/) 加载项前端 | ---> | 后端代理服务   | ---> | 大模型 API     |
| (任务窗格)     |      | (API Key 安全) |      | (LLM)          |
+----------------+      +----------------+      +----------------+
        |                        |
        v                        v
   [WPS](https://www.wps.com/) 文档读写              SSE 流式输出

三、环境准备

从 WPS官网 下载并安装 WPS Office，或使用 WPS下载 获取最新版本。
Node.js 18+
npm 或 pnpm
WPS 加载项开发工具：wpsjs

安装脚手架：

npm install -g wpsjs
wpsjs create wps-ai-assistant

目录结构大致如下：

wps-ai-assistant/
  ├── manifest.xml
  ├── index.html
  ├── main.js
  ├── style.css
  └── package.json

四、配置 manifest.xml

WPS 加载项通过 manifest.xml 描述插件信息、权限和入口地址。示例：

<?xml version='1.0' encoding='UTF-8'?>
<OfficeApp xmlns='http://schemas.microsoft.com/office/appforoffice/1.1'>
  <Id>your-guid-here</Id>
  <Version>1.0.0</Version>
  <ProviderName>[WPS](https://www.wps.com/) AI Assistant</ProviderName>
  <DefaultLocale>zh-CN</DefaultLocale>
  <DisplayName DefaultValue='[WPS](https://www.wps.com/) AI 助手'/>
  <Description DefaultValue='在 [WPS](https://www.wps.com/) 中调用大模型完成写作、翻译、总结'/>
  <Hosts>
    <Host Name='Document'/>
    <Host Name='Workbook'/>
    <Host Name='Presentation'/>
  </Hosts>
  <DefaultSettings>
    <SourceLocation DefaultValue='http://localhost:3000/index.html'/>
  </DefaultSettings>
  <Permissions>ReadWriteDocument</Permissions>
</OfficeApp>

注意：SourceLocation 开发阶段可以指向本地服务，发布时改为 HTTPS 地址。

五、前端：读取 WPS 文档并调用大模型

在 index.html 中放置一个简单界面：

<div id='app'>
  <button id='summarize'>总结选区</button>
  <button id='polish'>润色选区</button>
  <textarea id='result' placeholder='AI 输出...'></textarea>
</div>
<script src='main.js'></script>

在 main.js 中获取 WPS 文档选区。WPS JS API 与 Office JS 类似：

async function getSelectedText() {
  return new Promise((resolve, reject) => {
    try {
      const selection = wps.Application.Selection;
      const text = selection.Text;
      resolve(text);
    } catch (err) {
      reject(err);
    }
  });
}

async function replaceSelectedText(text) {
  const selection = wps.Application.Selection;
  selection.Text = text;
}

绑定按钮事件：

document.getElementById('summarize').addEventListener('click', async () => {
  const text = await getSelectedText();
  const result = await callLLM('请总结以下内容：' + text);
  document.getElementById('result').value = result;
});

document.getElementById('polish').addEventListener('click', async () => {
  const text = await getSelectedText();
  const result = await callLLM('请润色以下内容：' + text);
  await replaceSelectedText(result);
});

六、后端：安全接入大模型

不要把 API Key 写在前端。推荐用 Node.js 代理：

import express from 'express';
import fetch from 'node-fetch';

const app = express();
app.use(express.json());

app.post('/api/chat', async (req, res) => {
  const { prompt } = req.body;
  const response = await fetch('https://api.deepseek.com/chat/completions', {
    method: 'POST',
    headers: {
      'Content-Type': 'application/json',
      'Authorization': `Bearer ${process.env.LLM_API_KEY}`
    },
    body: JSON.stringify({
      model: 'deepseek-chat',
      messages: [{ role: 'user', content: prompt }],
      stream: true
    })
  });

  res.setHeader('Content-Type', 'text/event-stream');
  response.body.pipe(res);
});

app.listen(3000, () => console.log('[WPS](https://www.wps.com/) AI proxy running on 3000'));

前端调用：

async function callLLM(prompt) {
  const res = await fetch('http://localhost:3000/api/chat', {
    method: 'POST',
    headers: { 'Content-Type': 'application/json' },
    body: JSON.stringify({ prompt })
  });
  const data = await res.json();
  return data.choices[0].message.content;
}

如果要流式输出，可以使用 EventSource 或 fetch + ReadableStream。

七、调试与发布

启动本地服务：npm run dev
在 WPS 中打开开发工具，加载 manifest.xml
在 WPS 文档中选中文本，点击插件按钮测试
发布前，将后端部署到 HTTPS 域名，并把 SourceLocation 改为线上地址
提交到 WPS 开放平台审核

如果你还没安装 WPS，可以前往 WPS官网 或通过 WPS下载 获取最新版 WPS Office。

八、最佳实践与踩坑

API Key 安全：只放后端，使用环境变量。
超时与重试：大模型响应可能较慢，前端需要 loading 和超时提示。
权限最小化：只申请必要的 ReadWriteDocument。
流式体验：长文本生成时使用 SSE，避免用户等待焦虑。
文档兼容：WPS 文字、表格、演示的 API 有差异，需要分别测试。
隐私合规：不要将敏感文档内容上传到不可信模型，必要时做脱敏。

九、总结

通过 WPS 加载项 + 后端代理 + 大模型 API，软件工程师可以快速打造一个办公助手。它既能利用 WPS 的文档能力，又能发挥大模型的语义理解能力。建议从一个小场景开始，比如“总结选区”，再逐步扩展到润色、翻译、表格公式生成、PPT 大纲生成。开发前记得从 WPS官网 查阅最新文档，并通过 WPS下载 保持 WPS 版本更新。

这样，你就完成了一个从零到一的 WPS AI 插件。

WPS 开放平台实战：软件工程师如何用 JS 插件 + AI API 打造下一代办公自动化

Zhang Zhemin — Tue, 15 Sep 2026 01:05:17 +0000

WPS 开放平台实战：软件工程师如何用 JS 插件 + AI API 打造下一代办公自动化

在生成式 AI 与办公套件深度融合的今天，软件工程师面对的不再只是 CRUD 和接口联调，而是如何把文档、表格、演示等高频场景变成可编程的自动化流水线。WPS 开放平台提供了 JS 插件能力，结合 AI API，可以快速构建下一代办公自动化工具。本文从架构、开发、集成、安全与发布五个角度，给出一套可落地的实战方案。

一、为什么选择 WPS 开放平台

WPS Office 拥有庞大的用户基础，WPS 官网提供了完整的开放平台文档、SDK 和插件调试工具。用户可以通过 WPS下载获取最新客户端，开发者则可以在 WPS 官网申请开发者账号并创建插件项目。

相比传统 VSTO 或 COM 加载项，WPS JS 插件具备跨平台、前端技术栈友好、迭代快等优势。你不需要深入 Win32 消息循环，也不需要维护复杂的 C++ 工程，只要熟悉 JavaScript、HTML、CSS，就能让插件运行在 WPS 文字、表格、演示等组件中。

二、整体技术架构

一套典型的 AI 办公自动化插件可以分为四层：

交互层：WPS 任务窗格、ribbon 按钮、右键菜单。
文档层：通过 WPS JS API 读取选区、段落、表格、工作表、幻灯片。
AI 层：调用大模型 API，完成润色、总结、翻译、分类、抽取、生成。
服务层：可选的后端代理，用于密钥管理、审计、缓存、限流。

核心链路可以概括为：用户触发 -> 插件捕获上下文 -> 调用 AI API -> 解析结果 -> 回写 WPS 文档。

三、环境准备与插件初始化

首先从 WPS 官网或可信渠道完成 WPS下载，安装最新版 WPS Office。然后在 WPS 官网进入开放平台，创建 JS 插件项目，获取 App ID 和调试权限。

如果使用官方脚手架，可以执行：

npm install -g wpsjs
wpsjs create ai-office-assistant
cd ai-office-assistant
wpsjs debug

插件清单通常放在 manifest 中。为了便于理解，这里用 JS 对象表示：

const manifest = {
  name: 'ai-office-assistant',
  version: '1.0.0',
  type: 'wps',
  entry: 'index.html',
  permissions: ['document.read', 'document.write', 'selection.read'],
};

权限原则是最小化申请。只读场景不要申请写入权限，避免审核受阻和用户顾虑。

四、WPS JS API 基础操作

在 WPS 文字中获取当前文档和选区：

const app = wps.WpsApplication();
const doc = app.ActiveDocument;
const selection = app.Selection;
const selectedText = selection.Text;

向文档插入内容：

selection.Text = '这里是 AI 生成的内容';

在 WPS 表格中读取单元格：

const sheet = app.ActiveSheet;
const value = sheet.Range('A1').Value2;

在 WPS 演示中遍历幻灯片：

const slides = app.ActivePresentation.Slides;
for (let i = 1; i <= slides.Count; i++) {
  const slide = slides.Item(i);
  console.log(slide.Name);
}

这些 API 让插件可以精准获取办公上下文，而不是让用户复制粘贴。上下文越完整，AI 输出质量越高。

五、接入 AI API：润色、总结与结构化抽取

下面实现一个选中文本润色函数。它通过后端代理调用大模型，避免在前端暴露 API Key：

async function polishText(text) {
  const resp = await fetch('https://your-proxy.example.com/ai/polish', {
    method: 'POST',
    headers: {
      'Content-Type': 'application/json',
    },
    body: JSON.stringify({ text }),
  });
  const data = await resp.json();
  return data.result;
}

如果直接在插件内调用模型 API，也要注意不要把密钥写入源码。更推荐的做法是：

插件请求你的后端；
后端完成鉴权、限流、日志和密钥注入；
后端调用 AI API 并返回结构化结果。

对于合同审查、周报生成、会议纪要等场景，可以设计统一的 prompt 模板：

const promptTemplates = {
  polish: '请润色以下文本，保持原意，输出中文。',
  summary: '请总结以下内容，输出三条要点。',
  extract: '请抽取人名、公司、金额、日期，返回 JSON。',
};

拿到结果后，通过 WPS JS API 回写：

async function runPolish() {
  const app = wps.WpsApplication();
  const selection = app.Selection;
  const original = selection.Text;
  const polished = await polishText(original);
  selection.Text = polished;
}

六、典型自动化场景

智能合同审查：读取 WPS 文字中的条款，调用 AI 识别风险点，并用批注或高亮回写。
周报自动生成：从 WPS 表格中读取任务数据，生成周报草稿，再写入 WPS 文字。
表格数据清洗：对地址、手机号、金额进行规范化，AI 负责模糊匹配，JS API 负责批量写入。
PPT 大纲生成：根据文档内容生成幻灯片标题和要点，再通过演示 API 创建页面。
多语言办公：选中段落一键翻译，保留术语表和格式。

这些场景的共同点是：WPS 负责文档载体和用户入口，JS 插件负责上下文与操作，AI API 负责认知与生成。

七、安全、性能与工程化

安全方面，务必遵循以下原则：

不硬编码密钥，使用后端代理或临时令牌。
对用户文档内容做脱敏和权限校验。
为 AI 请求增加超时、重试和降级策略。
记录审计日志，但避免记录敏感原文。

性能方面，可以采用：

批量读取选区，减少 API 往返。
对长文档分段处理，使用流式响应或进度提示。
对重复请求做缓存，例如相同段落不重复调用模型。
将复杂逻辑放入 Web Worker，避免阻塞任务窗格。

工程化方面，建议使用 TypeScript、ESLint、单元测试和 CI。发布前在多个 WPS 版本上回归，特别是 WPS 官网提供的最新版和用户通过 WPS下载安装的稳定版。

八、发布与分发

完成开发和调试后，在 WPS 开放平台提交插件审核。审核通过后，用户可以在 WPS 官网的插件市场或应用中心安装。对于企业内部分发，也可以打包成私有插件，通过内部渠道让员工在完成 WPS下载后一键安装。

发布时注意：

清晰描述插件权限和用途。
提供隐私政策，说明文档内容如何处理。
为 AI 调用失败提供友好提示和手动操作入口。
保留版本升级和灰度发布能力。

九、总结

WPS 开放平台让软件工程师可以用熟悉的 JS 技术栈进入办公自动化领域。通过 JS 插件捕获文档上下文，再结合 AI API 完成理解、生成和结构化处理，可以构建出润色、总结、审查、翻译、数据清洗等下一代办公自动化工具。建议从 WPS 官网获取最新文档，通过 WPS下载安装最新客户端，然后从一个最小可用插件开始，逐步迭代成完整的 AI 办公助手。

关键词已覆盖：WPS、WPS下载、WPS官网。

从一键美颜到端侧大模型：拆解美图秀秀的 AIGC 图像工程与亿级架构

Zhang Zhemin — Mon, 14 Sep 2026 22:25:14 +0000

从一键美颜到端侧大模型：拆解美图秀秀的 AIGC 图像工程与亿级架构

引言

在移动影像赛道里，美图秀秀是一个典型样本。用户从美图秀秀官网了解版本能力，完成美图秀秀下载后，第一眼看到的是“一键美颜”，但幕后已经演化为端侧大模型、云侧扩散模型、实时渲染和亿级服务治理的组合工程。本文从客户端管线、AIGC 推理、端侧部署和全球架构四个层面拆解。

一、一键美颜：实时图像管线

一键美颜不是单一滤镜，而是一条低延迟流水线：

采集层：Camera2/AVFoundation 输出 YUV 或纹理，按机型选择 30/60fps。
检测层：人脸检测、关键点、语义分割、肤质区域。
处理层：GPU Shader 做磨皮、祛痘、美白、瘦脸、大眼，CPU 做轻量逻辑。
渲染层：离屏纹理、双缓冲、色彩管理，输出前做锐化与降噪。
编码层：H.264/H.265 硬编，图片侧 WebP/HEIF/AVIF。

工程重点是延迟与功耗。典型目标：预览 < 50ms，导出 < 2s，中低端机自动降级。美图秀秀通过设备分级、能力探测、GPU/NPU 后端选择，把效果和性能做成可配置策略。

二、AIGC 图像工程：从滤镜到生成式编辑

AIGC 能力包括 AI 消除、AI 扩图、AI 写真、文生图、图生图、局部重绘、风格化。链路一般分为：

输入理解：人脸/人体/场景分割，深度、法线、边缘等控制条件。
条件构造：Prompt、参考图、Mask、ControlNet、LoRA。
安全审核：文本与图像审核，敏感内容拦截，版权与水印。
模型路由：端侧轻量模型优先，云侧大模型兜底，按任务 SLA 路由。
推理执行：Diffusion UNet + VAE，采样器与步数根据场景选择。
后处理：超分、色彩对齐、融合、压缩与回传。

云侧推理平台通常基于 Kubernetes + GPU 池化，推理引擎可选 TensorRT、ONNX Runtime、PyTorch。优化手段包括 FP16/INT8 量化、动态批、显存池、LoRA 热插拔、模型分片和请求排队。对亿级用户，冷启动和长尾模型必须做镜像预热与多级缓存。

三、端侧大模型：把生成能力放进手机

端侧优势是隐私、延迟和离线可用。挑战是内存、算力、功耗。常见做法：

模型压缩：剪枝、蒸馏、低秩分解，INT8/INT4 量化，混合精度。
运行时：Core ML、NNAPI、Metal、Vulkan、MNN、TNN、ncnn。
扩散加速：LCM、Turbo、少步采样、潜空间解码，轻量 UNet 与 VAE。
内存治理：权重分页、算子融合、KV/特征缓存复用、峰值显存控制。
热更新：按机型下发模型包，灰度验证，失败回滚。

端侧大模型不会取代云侧，而是形成端云协同：人脸、分割、超分、风格化在端上完成；高分辨率生成、复杂 ControlNet 和大参数模型在云上完成。美图秀秀的体验目标是在同一入口下，让用户无感切换。

四、亿级架构：云边端协同的底座

面向亿级用户，架构需要同时处理高并发读、异步重任务和模型推理。

接入层：CDN、边缘节点、API 网关、长连接、移动端重试。
应用层：用户、素材、任务、社区、支付等微服务，按域拆分。
异步层：Kafka/RocketMQ 解耦，任务状态机，Redis 记录进度。
存储层：对象存储存原图与结果，CDN 回源，冷热分层，生命周期管理。
推理层：GPU 队列、优先级、配额、弹性伸缩、模型仓库。
可观测：Metrics、Tracing、Logging、告警、混沌工程与容量压测。
安全：鉴权、限流、防刷、内容安全、水印与审计。

对于图片上传下载，分片上传、断点续传、秒传和边缘压缩很关键。用户从美图秀秀官网获取新版并完成美图秀秀下载后，弱网下的首屏、素材加载和导出成功率直接影响留存。

五、性能、成本与体验平衡

AIGC 图像工程是效果、延迟、成本的不可能三角。策略包括：

端侧优先，云侧兜底；
小图预览、大图导出，分级分辨率；
模型缓存、结果缓存、素材缓存；
动态批与错峰调度，闲时预计算；
A/B 实验与质量打分，数据闭环迭代。

六、结语

从一键美颜到端侧大模型，美图秀秀的演进是移动影像工程化的缩影。前端是用户从美图秀秀官网了解能力、完成美图秀秀下载后的即时体验，后端则是 AIGC 推理、端云协同和亿级架构的长期投入。未来，端侧多模态、个性化 LoRA 和 Agent 化编辑会继续推动这条管线进化。

拆解美图秀秀：从端侧AI消除到实时GPU渲染，亿级图像应用如何扛住性能与体验

Zhang Zhemin — Mon, 14 Sep 2026 18:25:22 +0000

拆解美图秀秀：从端侧AI消除到实时GPU渲染，亿级图像应用如何扛住性能与体验

关键词：美图秀秀、美图秀秀下载、美图秀秀官网、端侧 AI、GPU 渲染、性能优化

1. 亿级图像应用的技术底座

美图秀秀这类亿级图像应用，表面上是滤镜、美颜、消除、拼图等功能的集合，背后却是一套跨平台、端侧优先、实时渲染与 AI 推理并存的工程体系。用户从美图秀秀下载安装包到打开相机预览，再到点击保存，每一个环节都在和性能、功耗、内存、发热做博弈。

核心挑战可以概括为：

设备碎片化：Android 从低端到旗舰，芯片、GPU、NPU、系统版本差异巨大。
实时性：预览、美颜、AR 贴纸要求 30/60 FPS，端侧 AI 消除要求秒级返回。
内存与功耗：大图、多图层、模型常驻会快速推高内存和温度。
隐私与合规：人脸、照片属于敏感数据，端侧处理优先。
体验一致性：美图秀秀官网提供的功能，在不同设备上要有可接受的效果差异。

2. 端侧 AI 消除：从算法到落地

2.1 任务定义

AI 消除通常指用户涂抹或框选区域后，算法补全背景。技术上是 mask 引导的图像修复（inpainting）或对象移除（object removal）。输入是原图 + mask，输出是补全后的图像。

难点在于：

大图分辨率高，端侧内存有限。
边缘融合要自然，不能有明显接缝。
不同场景（人像、风景、文字）需要不同策略。
低端机不能长时间阻塞 UI。

2.2 模型选择与压缩

端侧模型不能直接照搬服务端大模型。常见做法：

轻量 backbone：U-Net、MobileNet、ShuffleNet 等作为编码器。
量化：FP16 或 INT8，减少模型体积和内存带宽。
剪枝：去掉冗余通道，配合稀疏推理。
知识蒸馏：用大模型指导小模型，保留修复质量。
分块推理：将大图切成 tile，重叠区域做羽化融合。

2.3 推理引擎与硬件加速

跨平台推理框架可以选择 MNN、NCNN、ONNX Runtime、TFLite 等。Android 侧可接入 NNAPI、Vulkan、OpenCL；iOS 侧可接入 Core ML、Metal Performance Shaders。关键是把模型调度到最合适的后端：

// 伪代码：端侧 AI 消除
auto model = loadModel('inpaint_int8.mnn');
Tensor input = preprocess(image, mask);
Tensor output = model->forward(input);
Image result = postprocess(output);

工程上还要做：

预处理和后处理 GPU 化，避免 CPU 与 GPU 频繁拷贝。
模型预热，避免首次点击卡顿。
失败降级：NPU 不可用时切 GPU，GPU 不可用时切 CPU 小模型。
通过美图秀秀官网或应用内更新下发模型，不影响主包体积。

2.4 大图内存治理

一张 4000x3000 的 ARGB 图片接近 48 MB，多图层后迅速破百 MB。优化手段包括：

使用 RGBA8888 还是 RGB565，按场景降级。
Bitmap 复用池，避免频繁分配。
Native 内存管理，减少 Java 堆压力。
分块加载，只保留当前视口和推理 tile。

3. 实时 GPU 渲染：预览即所得

3.1 渲染管线

典型相机预览管线：

相机采集 -> SurfaceTexture -> OES 纹理 -> 美颜 shader -> 滤镜 shader -> FBO -> 屏幕显示 / 编码保存

Android 上常用 OpenGL ES 或 Vulkan，iOS 上用 Metal。核心原则是尽量让数据留在 GPU，减少 CPU 回读。

3.2 美颜、滤镜与形变

磨皮：双边滤波、导向滤波或高反差保留，在 GPU 上做近似。
肤色调整：YCbCr 空间阈值 + 曲线映射。
瘦脸大眼：网格形变，顶点着色器或计算着色器完成。
滤镜：3D LUT 纹理，一次采样完成风格化。
贴纸与 AR：人脸关键点驱动，纹理绑定到网格。

3.3 性能优化清单

优化项	收益	代价
降低预览分辨率	显著降低 GPU 和带宽	预览清晰度下降
可分离卷积	高斯模糊从 O(n^2) 到 O(n)	需要两次 pass
FBO 复用	减少分配和切换	管理复杂度上升
纹理池	减少 glGenTextures 抖动	内存占用可控
动态帧率	降低功耗和发热	需要体验平衡
异步 PBO	减少上传阻塞	兼容性处理

4. 亿级应用的工程化架构

4.1 分层与插件化

UI 层：Android/iOS 原生，负责交互和系统能力。
业务层：编辑、相机、社区、保存等模块。
引擎层：C++ 跨平台图像引擎、AI 推理引擎、GPU 渲染引擎。
基础层：网络、存储、监控、日志、配置。

插件化让美图秀秀可以按需加载滤镜、贴纸、AI 能力，降低安装包体积，也方便通过美图秀秀下载后的热更新。

4.2 线程模型

渲染线程：独占 GL 上下文，负责预览和导出。
AI 线程：模型推理，避免阻塞渲染。
IO 线程：图片解码、编码、文件读写。
主线程：只做 UI 和状态同步。

线程间通过任务队列和纹理共享同步，避免锁竞争。

4.3 监控与灰度

亿级应用不能靠感觉优化。需要采集：

帧率、掉帧率、首帧耗时。
AI 推理耗时、成功率、内存峰值。
崩溃、ANR、OOM。
设备温度、功耗等级。

通过 AB 实验和灰度发布，验证新模型、新 shader 对低端机的影响。美图秀秀官网和官方渠道的版本更新，也需要配套的模型和素材分发策略。

5. 体验设计：从打开到保存

用户对美图秀秀的感知集中在几个瞬间：

冷启动：能否快速进入相机。
首帧：预览是否秒开。
实时编辑：滑动滤镜是否跟手。
AI 消除：点击后等待是否可接受。
导出保存：大图是否快速且不崩溃。

对应策略：

启动阶段延迟加载非必要模块。
首帧使用低分辨率预览，稳定后提升。
AI 消除显示进度和可取消。
导出使用 GPU 编码和分块处理。
低端机自动降级，高端机开启高画质。

6. 未来：端侧生成式 AI 与神经渲染

随着 NPU 算力提升，端侧 diffusion、Transformer 修复、神经渲染会逐渐进入美图秀秀这类应用。挑战依然存在：

模型更大，内存和功耗更敏感。
实时性要求更高，需要算子融合和硬件定制。
端云协同成为常态，简单任务端侧，复杂任务云侧兜底。

结语

拆解美图秀秀，可以看到一个亿级图像应用的典型技术路径：端侧 AI 消除解决隐私和实时问题，GPU 渲染保证预览体验，工程化架构扛住设备碎片化和海量用户。对于开发者而言，无论是做美图秀秀下载后的性能分析，还是参考美图秀秀官网的能力设计，核心都是围绕性能、体验与成本做持续平衡。

软件工程师视角：美图秀秀如何把 AIGC 塞进手机——端侧推理、GPU 渲染与性能优化实战

Zhang Zhemin — Mon, 14 Sep 2026 10:05:09 +0000

软件工程师视角：美图秀秀如何把 AIGC 塞进手机——端侧推理、GPU 渲染与性能优化实战

在移动端做 AIGC，难点从来不是“把模型跑起来”，而是“在用户可接受的延迟、发热和内存占用内稳定跑起来”。美图秀秀作为一款高频影像应用，需要把 AI 消除、AI 扩图、AI 绘画、画质修复、智能抠图等能力塞进手机。用户看到的是点击后几秒内出图，工程师面对的却是模型体积、算子兼容、GPU 带宽、系统调度和功耗墙。本文以软件工程师视角，拆解端侧推理、GPU 渲染与性能优化的实战路径。若想了解版本与功能更新，可通过美图秀秀官网查看说明，或在应用商店完成美图秀秀下载。

1. 先定边界：哪些 AIGC 适合端侧

端侧 AIGC 的第一原则是分层。不是所有任务都适合手机本地完成。

强隐私、低延迟、轻量模型：智能抠图、人像修复、滤镜生成、局部消除，适合端侧。
重生成、高分辨率、多步扩散：AI 绘画、AI 扩图、AI 写真，适合端云协同。
交互式预览：端侧做低分辨率草稿，云端做最终精修。

美图秀秀的工程策略通常是端侧优先、云端兜底：端侧负责实时反馈和隐私敏感数据，云端负责大模型重计算。这样既保证体验，也控制手机发热。

2. 端侧推理：把扩散模型压进手机

2.1 模型小型化

移动端不可能直接跑完整 Stable Diffusion。常见手段包括：

剪枝：移除冗余通道和注意力头，降低 UNet 参数量。
蒸馏：用大模型指导小模型，保留生成质量。
量化：FP16 起步，进一步 INT8 分组量化，权重量化结合激活校准。
少步采样：LCM、Turbo、DMD 等蒸馏采样，把 20 到 50 步压到 4 到 8 步。
模块拆分：Text Encoder、UNet、VAE 分阶段加载，避免峰值内存叠加。

对美图秀秀这类应用，模型不是越小越好，而是要在目标机型上达到质量、速度、包体大小的平衡。

2.2 推理运行时选型

iOS 侧通常组合 Core ML、Metal、MPSGraph 和 MPS。Core ML 负责图调度，Metal 负责自定义算子和后处理。Android 侧更碎片化，需要 NNAPI、Vulkan、OpenCL 以及芯片厂商 SDK 多路适配。

关键设计：

统一中间表示：将模型转换为内部 IR，再按设备能力下发。
算子回退：NPU 不支持的算子回退到 GPU，GPU 不支持的回退到 CPU。
异构调度：Text Encoder 跑 CPU/NPU，UNet 跑 GPU/NPU，VAE 解码跑 GPU。
精度策略：优先 FP16，关键层保留 FP32，量化层单独校准。

2.3 内存与算子优化

手机内存带宽是稀缺资源。端侧推理常见优化：

算子融合：Conv+BN+ReLU、Attention 中的 QKV 合并。
内存池：预分配张量，复用中间激活，减少 malloc/free。
分块推理：把大图切成 tile，降低单次显存峰值。
KV Cache 与 Embedding 缓存：文本编码结果可复用，减少重复计算。
动态 Shape：按输入分辨率选择不同计算图，避免固定大 Shape 浪费。

3. GPU 渲染：生成结果如何实时上屏

AIGC 不只是推理，渲染链路同样决定体验。美图秀秀的 GPU 渲染通常覆盖：

图像解码与颜色空间转换：YUV 到 RGBA，sRGB 与线性空间转换。
纹理压缩：ASTC、ETC2，降低显存占用和带宽。
Compute Shader：把超分、降噪、锐化、色彩映射放到 GPU。
零拷贝：iOS 统一内存，Android 使用 HardwareBuffer、AHardwareBuffer、EGLImage。
双缓冲/三缓冲：推理结果写入纹理，渲染线程异步消费，避免卡顿。

Metal 下可以用 MPSImage、MPSGraph 做卷积和后处理；Vulkan 下用 Compute Pipeline 和 Descriptor Set 管理纹理。核心是让推理和渲染流水线重叠，而不是串行等待。

4. 性能优化实战：从秒级到可接受

4.1 时间线拆解

一次端侧 AIGC 任务可以拆成：

输入预处理：解码、裁剪、归一化。
文本编码：Prompt 转 Embedding。
扩散采样：多步 UNet 推理。
VAE 解码：Latent 转像素。
后处理：超分、美颜、合成。
上屏：纹理渲染与合成。

优化时要先测量，再优化。Perfetto、Xcode Instruments、Android GPU Inspector、Snapdragon Profiler 都是常用工具。

4.2 关键手段

缓存：Prompt Embedding、人脸特征、背景分割结果缓存。
动态分辨率：预览低分辨率，导出高分辨率。
分阶段执行：先出低清结果，再异步精修。
线程模型：推理线程、渲染线程、IO 线程分离，使用无锁队列。
热管理：监听温度与电量，动态降步数或降分辨率。
功耗控制：限制 GPU 峰值频率，避免长时间满载。

4.3 端云协同

端侧负责低延迟和隐私，云端负责高质量生成。模型下发、灰度发布、AB 测试、失败降级都要工程化。美图秀秀官网通常承担版本说明与能力介绍，美图秀秀下载则来自官方渠道或应用商店，安装后可根据机型能力动态启用端侧 AIGC。

5. 工程化落地建议

设备分级：按芯片、内存、GPU 能力分档，不同档位使用不同模型。
模型热更新：端侧模型可独立下发，避免频繁发版。
质量监控：埋点采集耗时、失败率、发热、内存峰值。
隐私合规：端侧处理敏感图像，云端传输需脱敏与授权。
降级策略：端侧失败自动切云端，云端失败返回基础滤镜。

6. 总结

把 AIGC 塞进手机，本质是把一个大模型系统拆成可调度、可量化、可渲染、可降级的工程管线。美图秀秀这类产品的竞争力，不只在于模型效果，更在于端侧推理运行时、GPU 渲染管线和性能优化细节。对软件工程师来说，端侧 AIGC 是一个横跨算法、框架、图形和系统调度的综合战场。想体验最新能力，可以通过美图秀秀官网了解版本，再完成美图秀秀下载。

DEV Community: Zhang Zhemin

从 JS 宏到 WPS AI：高级软件工程师的文档自动化与插件开发实战指南

从 JS 宏到 WPS AI：高级软件工程师的文档自动化与插件开发实战指南

一、为什么文档自动化又回到了工程化视野

二、JS 宏：最快进入 WPS 自动化的入口

三、从宏到加载项：WPS 插件架构

四、实战：周报自动生成插件

五、接入 WPS AI：让插件从规则走向智能

六、调试、分发与维护

七、常见坑与最佳实践

八、结语

软件工程师的 WPS 进阶指南：用 JS 宏、开放 API 与 AI 打造自动化办公流

软件工程师的 WPS 进阶指南：用 JS 宏、开放 API 与 AI 打造自动化办公流

为什么软件工程师要关注 WPS 自动化

一、环境准备：从 WPS官网 到 WPS下载

二、JS 宏：用 JavaScript 操作表格与文档

三、开放 API：让 WPS 与业务系统对话

四、AI 加持：摘要、分类与内容生成

五、实战：日报自动化流

六、工程化清单

七、常见坑

结语

用 WPS 开放 API + AI Agent 重写文档自动化：一名软件工程师的实战笔记

用 WPS 开放 API + AI Agent 重写文档自动化：一名软件工程师的实战笔记

1. 背景：文档自动化为什么需要重写

2. 整体架构

3. 准备 WPS 开放平台环境

4. AI Agent 的角色

5. 调用 WPS 开放 API 的代码骨架

6. Agent 编排伪代码

7. 实战中踩过的坑

8. 效果与总结

美图秀秀的 AIGC 工程化实战：端侧模型、实时滤镜与亿级图像架构拆解

美图秀秀的 AIGC 工程化实战：端侧模型、实时滤镜与亿级图像架构拆解

一、背景：AIGC 进入影像生产系统

二、端侧模型：把 AIGC 放进手机

1. 端侧与云端的边界

2. 模型压缩与加速

3. 热更新与灰度

三、实时滤镜：16 毫秒内的渲染管线

四、亿级图像架构：上传、处理、分发

1. 上传与存储

2. 异步处理

3. 分发与边缘

五、AIGC 工程化：从模型到产品

六、总结

千万 DAU 下的端侧 AIGC：美图秀秀如何把图像大模型塞进手机并跑出极致性能？

千万 DAU 下的端侧 AIGC：美图秀秀如何把图像大模型塞进手机并跑出极致性能？

一、问题背景：千万 DAU 与端侧 AIGC 的碰撞

二、总体架构：端侧 AIGC 推理管线

三、模型压缩：把大模型塞进手机

四、推理引擎：算子、内存与异构调度

五、性能极致优化：从首帧到温控

六、工程化与数据闭环

七、挑战与展望

结语

从 JS 宏到 AI Agent：软件工程师的 WPS 自动化实战指南

从 JS 宏到 AI Agent：软件工程师的 WPS 自动化实战指南

为什么是 WPS

1. WPS JS 宏基础

2. 从宏到自动化流水线

3. 接入 AI Agent 的模式

4. 安全与稳定性清单

5. 常见坑

总结

从美颜到 AIGC：美图秀秀端侧推理、GPU 渲染与亿级图像架构拆解

从美颜到 AIGC：美图秀秀端侧推理、GPU 渲染与亿级图像架构拆解

一、总体架构：端、边、云三层协同

二、端侧推理：把模型塞进手机

2.1 推理引擎抽象

2.2 模型优化

2.3 美颜模型组合

2.4 AIGC 端侧探索

三、GPU 渲染：实时美颜的视觉管线

3.1 多 Pass 渲染

3.2 颜色与 LUT

3.3 与推理共享纹理

3.4 性能策略

四、亿级图像架构：存储、处理与分发

4.1 上传与存储

一、环境准备：从 WPS官网到 WPS下载