大家在使用Midjourney的過程中有沒有出現過類似問題：不知如何去表達腦海中的想象，即使借助提示詞工具、數據庫工具等，也很難在眾多提示詞中找到滿意答案，只能不斷試錯。
那么，有沒有辦法可以更加智能地寫提示詞？于是我用GPT和提示詞工程搭建了一款AI繪畫提詞器，比如輸出“產品經理”，提詞器會從6個維度展開提示詞聯想，任何一個關鍵詞都配置了GPT推薦的一個解釋。這時候點擊解釋，即可將解釋復制到臨時收藏夾中，隨后一鍵復制參數，再將參數放到Midjourney里，即可得到解決方案。綜上，用戶可以通過一個非常短的輸入得到大量的輸出，且過程自主可控，并有各式各樣的提醒。
這個工具存在的意義即讓想象有更多的想象，比如輸入“皮卡丘”，它可以為你展示皮卡丘的外貌，這個時候將這些外貌信息給到Midjourney，就能更好地控制Midjourney的表現；又或者輸入“水下攝影”，提詞器可以提供一些藝術家，我們可以用藝術家在Midjourney中控制畫面表現；包括一些構圖視角的參數也可以影響到畫面，且提詞器會為你解釋推薦理由。
當然，這個工具的出現目的不在于取代屏幕前的你，而是為了幫助你獲得更多的想象和描述角度。
現階段，這款非常簡單的工具產品已經有1萬多人次使用，且有12多萬次生成，我也借此建立了6個AI繪畫社群，感興趣的同學可以體驗一下：MidJourney.TalkGame.AI。
接著展開講解這款產品的研發(fā)工作流。我本身作為一個不懂任何代碼的設計師，要如何完成這款產品的開發(fā)？這時，就要借助GPT-4的力量了，大致的工作流如下：
產品策劃 → 產品設計 → 產品開發(fā) → 提示詞工程 → 上線
產品策劃階段：
吳恩達在其提示工程課中講到：編寫明確和具體的指令，留給模型足夠的思考時間。基于這點，我開始進行測試，比如詢問MidJourney“能否給我提供相應的設計師，風格要鮮明，描述他的風格，并提供對應的英文名”，MidJourney就給出了系列答案。隨后再迭代先前的提示詞，讓它按照你的規(guī)則進行輸出。最后，我們利用所得的東西返回前端。
產品設計階段：
在交互領域，我感受到了一個特征，即GUI（圖形用戶界面）會向LUI（自然語言交互界面）進化，LUI可以大大降低用戶的學習成本，更為簡單、直接。比如這款工具，界面工具只有一個輸入框，用戶輸入關鍵詞，輸入框下便可展開更多關鍵詞，以詞條形式展示。此時，鼠標懸浮詞條將有對詞條的推薦理由，用戶只需要挑選、點擊，然后一鍵復制。
產品開發(fā)階段：
GPT帶給我們更多的可能性，我便是在B站上搜索“自然語言編程”，嘗試讓GPT幫忙寫代碼。在產品開發(fā)上，所有的代碼都是由GPT完成的，我所做的事情，就是建立一個TST文檔，將代碼復制粘貼進去。過程中也會遇到問題，這個時候，你可以將問題丟給GPT，它會告訴你問題出在哪里，隨后你再解決即可。
就這樣，在某個深夜的凌晨四點，我終于將它開發(fā)出來了。過程中也有技術大佬的支持，比如幫忙搭建服務器等，最后，便搭建出了一個超級MVP。
提示詞工程階段：
基于MVP模型不斷地迭代，同樣“編寫明確和具體的指令，留給模型足夠的思考時間”，然后進行迭代，輸出不同維度的提示詞，通過這些產出，我們得到了最后的產品。
在能力標準上：
效率指標——在繁復地詞條記憶和詞庫篩選過程中，我們迭代了“聰明地提供詞條建議”，所以輸入一個簡單詞匯，工具便可以展開豐富聯想，效率至少提高了100%；
技術能力——通過對GPT進行數據集訓練，而后提示詞工程生成JSON代碼，最后在前端頁面表現。這個過程中，GPT可以真正地服務于我們的工作流程，而不僅僅服務于對話；
于自身而言——我從一個不懂技術、不懂代碼的人，到結合GPT-4，實現了一個像模像樣的產品，開始學會運用AI能力解決用戶痛點。
以上實踐，讓我真正地參與到了這場AI變革當中，并由一個將要被AI淘汰的設計師，轉型成為了一名推進AI發(fā)展的產品經理，為淘汰設計師這件事，“貢獻了”一份綿薄之力。
我們基于斯坦福AI小鎮(zhèn)這款游戲的技術與場景，做了一款游戲demo《伊甸島》，這款AI游戲的一個目標在于，讓NPC不止有GPT的腦子，還有GPT的眼睛和GPT的身體，NPC可以充分地認知所處的世界，且NPC輸出的內容和行為不脫離游戲場景，最終，用玩家與虛擬世界的交互去影響游戲走向。
可以看到，由GPT操縱的NPC遇難漂泊到了一座荒島上，NPC會和世界發(fā)生自主交互，目標是完成逃生。在這個過程中，玩家作為上帝可以進行有限的影響，玩家與虛擬世界的交互會影響游戲故事的走向，產生蝴蝶效應。NPC則在過程當中記憶它的事件，迭代執(zhí)行邏輯，并不斷地學習和相互協(xié)同。
而我們想探索AI Agent在極端環(huán)境下，是否會產生違背人性倫理的行為？最后的結果是沒有，GPT對這類現象的發(fā)生是有所限制的。
值得一提的是，在開發(fā)過程中，95%的美術資產全部是由AI生成的：
當然，過程中也遇到了一些工作難點。
這里簡單介紹一下我們走過的彎路和突破點。
在道具資產上，我們起初通過復雜的提示詞以期望達到穩(wěn)定控制的效果，也嘗試使用MJ生成資產雛形，再使用SD去控制統(tǒng)一風格，但效果都不是很好。所以最后我們通過藝術家的限定，實現對MJ產出結果的絕對控制，利用AI提詞器找到某個具體的藝術家，運用其設計風格，最后得到結果。而產出的素材已經基本符合做獨立游戲的要求，在一到兩個小時之內，我們便解決了所有的游戲資產。
原畫資產同樣都是由AI生成的，風格統(tǒng)一，只需一個藝術家，便可解決原畫資產問題。
人物資產相對復雜一些，最后，我們通過MJ的皮克斯風格實現對產出效果的控制，并使用SD文生圖加上ControlNet去統(tǒng)一風格?？梢钥吹?，每個角色的形態(tài)都非常穩(wěn)定， MJ生成了穩(wěn)定角色，再利用SD轉換成手繪風格。
地圖資產的生成也遵循大致相同的邏輯，即使用SD進行原始地圖生成，再使用MJ生成地皮紋理；游戲Logo資產也大致類似，使用SD的圖生圖模式，加上ControlNet的Canny、Reference和Tile進行風格遷移。我唯一做的事情，便是用PS生成了一個底圖墊進去。
綜合上述內容，可以看到我們的工作成果：
對于初學者而言，所謂的參數、工具可能會看起來很復雜，甚至不知如何操作。那么，有沒有什么方法可以直接抄大佬作業(yè)呢？比如我們可以下載源文件在PS里修修補補，最終得到自己的產出，那么這個過程，是否有可能復用到SD上？
結果是有可能的，即使用工具——SD工作流的開源插件，LightFlow。這款工具的使用很簡單，它可以將所有SD操作數據打包，生成工程文件，而后直接一步到位給到SD復原所有工作。
可是問題來了，我們要去哪里找LightFlow源文件呢？為了解決這個問題，我們搭建了一個SD工作流開源社區(qū)：https://LightFlow.ai/ 。大家可以在社區(qū)上分享SD工作流，用戶在進入社區(qū)后挑選自己想要的效果，點擊下載，然后打開SD將文件拖拽進去，一鍵設置好所有參數，最后，點擊生成。雖然過程可能看不明白，但無所謂，我們可以直接得到結果。
創(chuàng)作者也可以通過LightFlow導出所有操作數據，上傳工作流，分享給社區(qū)用戶使用，從而建立自己的AI繪畫的影響力。使用者則可以挑選相應的工作流，下載LightFlow源文件，通過LightFlow一鍵導入所有操作數據，得到新的生成。
綜合來看，LightFlow極大地降低了初學者的學習門檻，可以實現“大口喂飯”、一鍵進階；而對于SD進階者而言，LightFlow則可以幫助保存優(yōu)質工作流，從而實現快速復用、一鍵復現。SD進階者也可以發(fā)揚開源精神，幫助建設SD生態(tài)。
這也隱含著另一種商業(yè)化的可能性，比如SD大神可以幫助企業(yè)建立一系列可復用的工作流，而后打包給企業(yè)，幫助企業(yè)團隊快速建立AI繪畫能力，實現降本增效，真的“讓AIGC像光一樣流暢”。
有一個概念，即“奇點時刻”，意思即電腦智能與人腦智能兼容的那個時刻。孫正義曾經說道：
在30年后，計算機、人工智能，他們都將會比我們聰明，對此我深信不疑。所以我們只在一件事上投資了1000億美元，那就是人工智能。
某種意義上來看，ChatGPT 的出現其實就是一種“奇點時刻”，它用最簡單的方式改變了全世界對人工智能的一個看法。
而對于我們而言，這也是一個新的時代機遇，各行各業(yè)都可以用AI重新定義，而我們可以在落地應用這一維度上發(fā)光發(fā)熱，因為太多的需求都可以被重新滿足，我們要盡可能去創(chuàng)造新的需求。比如對于大企業(yè)來說，AI提高生產力是很有效的，也是很有意義的，大企業(yè)可以在過程中實現降本增效。而對于小團隊或個人，則可能更應該去考慮如何利用AI創(chuàng)造新的需求，從而實現“彎道超車”，創(chuàng)造更有意思的結果。
人人都可以發(fā)現新的、未被滿足的需求，譬如我先前的身份是設計師，了解設計師的需求所在，所以做了AI提詞器、搭建了SD工作流，而這些就是新出現的、未被滿足的需求。如果想突破，我們可以往這些方向進行琢磨。別想太多，做了再說。
最后，于我自己而言，我是一名忠實的 AI 降臨派。在《納瓦爾寶典》這本書中，有一個詞，即“專長”。我通過自己訓練的一個蘇格拉底的GPT模型，找到了自己的“專長”——我是一個擅長發(fā)現新需求、擅長提升用戶體驗的人。而我的愿景，是推動AI的發(fā)展；我的夙愿，便是成為硅基生命的墊腳石。如果你們也和我一樣，那就真的“泰褲辣”！
目前大會回放已上架，戳此購買，即可收看回放：https://996.pm/7gX2B
題圖來自大會現場
該文觀點僅代表作者本人，人人都是產品經理平臺僅提供信息存儲空間服務。
