手搓一个桌面 AI 创作台,附完整源码

01一、先看界面

四张实拍截图：文本生成、图片生成、视频生成、设置页。深色主题，左边参数、右边结果，没有多余的按钮。顶部四个标签页切来切去，就是全部功能。

02二、技术栈

没有用 Electron，也没套 WebView，是原生渲染。冷启动一秒多，打包出来是一个 126MB 的单文件 exe，自带运行时，拷到别人电脑上双击就能跑。

03三、关键代码拆解

下面五段都是真实源码，不是伪代码。公众号正文不支持代码块样式，为了排版不被打散，我用等方式渲染成图；想看文字版直接去仓库。

① 桌面入口只有三行。Avalonia 的启动模板短得离谱，真正的重活全在 App 初始化：读配置 → 应用主题 → 建主窗口。

② 流式输出，自己解析 SSE。很多人直接引 OpenAI SDK，但同类接口的返回格式各家都有偏差。手写一个逐行读取的解析器反而最省心：只认 data: 开头的行，遇到 [DONE] 收工，中间的 JSON 用一层容错函数去摸出增量文本。

③ 视频：提交容易，等结果难。视频接口是异步的，提交只回一个 task_id。坑在轮询：网络抖动、429 限流、5xx 抽风，随便来一个界面就卡死。我的做法是把 429 / 503 / 5xx 统一定义成「瞬时错误」，提交阶段固定间隔重试，查询阶段按次数递增退避，外层再加 30 分钟兜底超时。

④ 分镜长视频：让文本模型当分镜师。单个视频模型一次只给几秒，想要三十秒成片就得拆：先让文本模型把创意拆成 N 个连贯镜头，再逐个提交、下载，最后用 ffmpeg 拼回去。拆分的全部秘诀就在这段提示词——约束镜头数、单镜时长、连贯性，以及「只输出编号列表」这一条，否则模型会加一堆解释，解析直接崩。

拿到 N 段 mp4 之后，合并的关键是 concat 清单。先试流复制——不重编码，几秒完事；失败再降级到 libx264 重编码，这样不同分辨率、不同编码参数的片段也能拼上。

04四、怎么构建出来

一条命令，跨平台自包含发布。加上 PublishSingleFile，产物就是单个 exe，读者不需要预装 .NET；加上 ReadyToRun，启动还能再快一截。换成 -r linux-x64 或 osx-arm64 就出对应平台的包。

05五、源码获取

仓库地址：https://gitee.com/XiongYunSehng/AgnesStudio

编译成win-X64独立程地址：https://cloud.189.cn/web/share?code=2aYry2QNBZJj（访问码：bo0z）

克隆下来直接 dotnet run 就能起。Base URL 和 API Key 在设置页里填，配置只存本地，不会上传到任何地方。

项目采用 MIT 协议开源，可以自由使用、修改、分发，甚至商用，保留版权声明即可。想改成自己的创作工具，直接 fork 走。

如果这个小工具对你有用，欢迎点个「赞」和「在看」。愿意的话也可以请我喝杯咖啡——你的一点鼓励，就是我继续加功能的动力。