【赠书】ChatGPT进阶：提示工程入门

注：本文节选自《ChatGPT进阶：提示工程入门》

   人工智能也有很多种，它们各自有各自擅长的任务。我们完全可以让它们互相协作，共享知识，解决问题。而ChatGPT，作为一个擅长理解和生成自然语言的模型，就像一个会说话的通用翻译机，帮助我们与其他AI模型进行对话，打破了语言壁垒。这不仅让AI的使用变得更加简单，也极大地拓宽了我们可以解决的问题的范围。

   事实上，学界已经进行了很多探索，例如“HuggingGPT”， 它会先用ChatGPT来分析你的请求，把它分成一系列的子任务，比如说话、看图、听声音等。然后它会从Hugging Face社区中找到合适的AI模型来做这些子任务，比如用A模型来检测图像中的物体，用 B模型来识别语音等。最后它会把这些子任务的结果汇总起来，用ChatGPT来生成一个完整的回答给你。

   不过，本章并不会涉及太高深的，关于技术的部分。我们会给出一个简单的，将ChatGPT与AI绘图结合起来的示例，帮助你理解如何将不同的AI结合起来，发挥更多的用处。

   除了文生图以外，你还可以将ChatGPT与更多模型结合起来，例如用ChatGPT+MusicLM生成音乐，用ChatGPT+runaway GEN生成视频等等。

ChatGPT+midjourney生成文学作品配图

   不知道你有没有留意过本书的插图，它们中的绝大部分都是使用midjourney生成的。Midjourney是一个由Midjourney, Inc.创建和托管的生成式人工智能程序和服务，以根据自然语言描述，也就是“提示”，生成图像。你可以想象任何东西，比如“一只猫在吃鱼”或者“一个蓝色的星球”，然后输入到Midjourney，它就会为你画出来。

       图1  a happy baby cat astronaut, white background --ar 16:9 --v 5.1

   截止到23年5月，我们仍然需要花很多心思，精心设计提示（输入的文字），才可以在midjourney上得到特别符合心意的结果。不过，类似于midjourney的绘图工具不断进化，门槛也在持续降低。与此同时，各种绘图工具也在持续整合到大语言模型中。例如，new bing与ChatGPT（到2023年5月止）就整合了OpenAI的dell-e绘图模型。

         图2   用new bing调用dell-e模型生成太空仓鼠图片

  不过，AI工具会进化，解决问题的思路却是有共性的。所以，本章的讲解会更加注重问题的分析与解决，也就是“授人以渔”。不管未来如何变化，这种思维方式都可以帮助你更好地利用它们。下面，我们将以“使用ChatGPT+midjourney给文学作品配图”作为例子，来设计一个可以重复使用的，由ChatGPT生成midjourney prompt的提示。

  要使用ChatGPT与midjourney给文学作品配图，我们面临着三个困难：

• 文学作品的复杂性：文学作品通常蕴含着丰富的情感和微妙的意象，想要通过图像表达出其中的信息并不是简单的事情。

•  有截止日期的知识：在笔者落笔时，ChatGPT的知识截止日期是2021年9月，这意味着它只能提供该日期之前的信息。而21年9月时，midjourney还没有发布。

  
  

   不过，办法总比困难多，让我们试着解决一下这个问题:

第一步：确定作图流程

要获得可控，高质量的结果，我们需要一套固定流程。笔者并非设计与视觉传达相关的专业出身，不过我们有ChatGPT，就让我们来问问它。

             对话7-11 分析插图流程

   很棒，我们可以提取出其中的一部分流程，融入我们的提示撰写中。

第二步：解决问题1，确定作图流程

     文学作品通常蕴含着丰富的情感和微妙的意象，想要通过图像表达出其中的信息并不是简单的事情。所以，我们需要根据第一步的分析来给ChatGPT作图的过程制定一个流程。

   与此同时，Midjourney官方提供了一些质量非常高的教程[注：https://bit.ly/Clarinet-Prompt-Troubleshooting]，其中笔者比较喜欢的一篇叫做“Clarinet’s Troubleshooting Midjourney Text Prompts”。这篇教程里，作者给midjourney prompt提供了一个模板，将其划分为1.Subject，2.Other Details & Surroundings，3.Stylizations, Media Type, Artists，4.Parameters四个部分。由于第4部分“Parameters”是可选的，所以我们让ChatGPT代劳工作量最大的前3部分。

      那么，根据这个模板与步骤1中的分析，我们可以让将整个作图流程分为几步：

1. 理解文本内容，把握主题、氛围和故事情节。

2. 根据文本内容，选择合适的艺术风格和技术

3.设计构图和视觉元素：规划插图的构图和视觉元素。

4.根据分析，填写模板中的前3个元素

5.写出midjourney prompt

第三步：解决问题2，帮助ChatGPT理解midjourney prompt

     我们需要让ChatGPT理解midjourney是什么，所以在开头应该为它介绍这个go

    为了让ChatGPT理解midjourney prompt，我们可以有两种方法，第一种是直接把midjourney的教程贴给ChatGPT看，另外一种是用我们第六章第一节提到的“上下文学习方法”，为它提供几个输入-输出对的例子，为它提供范例。

第四步：根据分析，组装各个部分并写出prompt

    最后，我们根据这样的设计思路把prompt组装起来，得到了一个ChatGPT+midjourney文学作品插图生成器。本书中的插图绝大多数都是由下面这个prompt，利用ChatGPT+midjourney得到的。让我们把它用在赫胥黎的小说《美丽新世界》中试试看。

     需要注意的是，由于篇幅限制，midjourney的“说明书”部分我们并不在本书中展示，你可以将上文中提到的“Clarinet’s Troubleshooting Midjourney Text Prompts”整理后并粘贴进去，应该可以得到一样的效果。

     对话7-12 ChatGPT+midjourney生成插图

    我们把得到的midjourney prompt发送给midjourney的discord bot，可以得到下面的结果：

 图3   midjourney生成的图像，版本5.1

     不过，midjourney更新很快，你需要与时俱进地更新你提供给ChatGPT的教程，甚至需要重新设计整个prompt。你也不总是能够一次得到满意的结果，所以你会需要在ChatGPT生成的midjourney prompt的基础上进行调整，试验或者修改。

本文出自北京大学出版社《ChatGPT进阶:提示工程入门》一书中，经授权此公号，略有修改，以出版纸质书为准。

编辑推荐

系统：全面剖析ChatGPT应用技巧，带你从小白变身ChatGPT应用专家。
实用：内含开箱即用的“提示公式”，聚焦ChatGPT实际应用。
有思路，有办法，能落地：带你将ChatGPT真正转化为生产力，开启AI驱动的工作流程。
简单易读：深入浅出，循序渐进，内含60 个示例，适合初学者和进阶读者。
深度：理论结合实际，涵盖提示工程学科深度讨论，授人以鱼更授人以渔。

    
进技术交流群请添加AINLP小助手微信（id: ainlp2)
请备注具体方向+所用到的相关技术点
关于AINLP
AINLP 是一个有趣有AI的自然语言处理社区，专注于 AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享，主题包括LLM、预训练模型、自动生成、文本摘要、智能问答、聊天机器人、机器翻译、知识图谱、推荐系统、计算广告、招聘信息、求职经验分享等，欢迎关注！加技术交流群请添加AINLP小助手微信(id：ainlp2)，备注工作/研究方向+加群目的。


阅读至此了，分享、点赞、在看三选一吧🙏