北京
你有没有遇到过这种情况：让AI画一张logo，第一轮效果还不错，你说"把蓝色改成红色"，它却一脸茫然——"什么蓝色？我什么时候给你画过图？"
这不是你的提示词写得不好。是大多数AI代理框架根本记不住自己刚生成的图像。单轮生成没问题，一到多轮迭代就断片。想做个能反复修改的AI设计师？门儿都没有。
最近在折腾LlamaIndexTS的时候，我就被这个问题卡住了。
当时我在给这个TypeScript版LlamaIndex做贡献，发现图像生成工具只能玩单轮。用户想基于上一张图做变体、调细节、出多版本？系统完全不知道你在说哪张图。对于做logo迭代、图像编辑、批量生成这类工作流，这简直是致命伤。
我决定挖到底。
先复现问题。第一次调用OpenAI的图像生成API，一切正常，图片出来了。但仔细看返回的数据——image_id这个字段明明存在，却没有被提取出来，更没存进对话历史。后续消息自然找不到参照物，代理就像得了短期记忆丧失。
顺着工具调用流程、响应解析逻辑、消息存储机制一路追查，确认病根：OpenAI返回的image_id被整个漏掉了。不是API的问题，是框架没接。
修复方案很直接，但要改到每一处：
第一，给图像生成工具加上image_id参数，让它能接收和传递这个标识。
第二，重写响应解析逻辑，专门提取OpenAI返回的image_id并妥善存储。
第三，调整消息选项和工具配置，让后续请求能显式引用之前的图像。
第四，搭一个完整示例，演示从生成到修改再到变体的全流程。
PR很顺利就合进去了：feat: multi-turn image generation support #2106。现在开发者可以搭建真正的多轮图像创作代理，而不是每次都得从头描述。
这次踩坑给我提了个醒：流式传输+工具调用的时候，API返回的元数据很容易漏网。别只盯着预期的字段，得看模型实际吐了什么。响应解析里一个小细节，可能卡住一整个产品场景。
如果你也在做AI代理，尤其是涉及图像、工具链或者复杂工作流的，欢迎交流。这类核心交互循环的问题，越早修越早爽。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
