人工智能

你知道这些真人感十足的图片是如何生成的吗？只需要一个简单的文生图指令，就可以做出一张这样的图片吗？ 并非如此，好的图片不仅仅依赖模型，提示词也同样重要。 换句话说，好的图片 = 厉害的模型 + 厉害的提示词。 那么如何写出对应的提示词呢？下面这个开源项目，应该可以帮到你。 今天分享一个非常牛的开源项目，star 达到了 2.8k，开源项目链接。 大家可以在 git 平台搜索 gpt4o-image-prompts ，然后，就可以找到这个项目了。 你可以在项目的 README 上，找到示例图片以及示例提示词。 点击之后，会跳转到对应的案例，案例中会显示图片、提示词、模型、原作者信息，如下所示。 图片： 提示词： { "meta": { “项目”:“Ski_Gondola_Egirl_Flux_V4.2” "target_engine": "Flux.1 [dev] / Nano Banana Pro", 版本：4.2.0（一切尽在掌控 - f/11） "created_at": "2025-12-18T15:35:00Z" }, "engine_configuration": { “模型”： { "base": "flux1-dev.safetensors", “量化”： “fp8 / nf4”， "vae": "ae.safetensors" }, "lora_slots": [ { "name": "Realism_LoRA_v2（可选）", “强度”：0.5， “注意”：“增强瓷白的肤色、尼龙的质感和雪的反射效果。” } ], “采样”：{ "sampler_name": "欧拉， "调度器": "简单", “步骤”：28， "guidance_scale": 2.5, "shift": 1.0 }, “方面”： { 宽度：1024， “高度”：1536， "aspect_ratio": "2:3", "megapixel_class": "1.5MP" } }, "prompt_construction": { "narrative_layer": { "风格": "冬季生活方式/旅行摄影", “拍摄说明”：“在滑雪缆车内拍摄一张清晰、高对比度的照片，使车内主体与车外明亮的雪山景色达到平衡。” “subject_flow”: “一位肤色苍白、留着黑色狼头短发的年轻女子，身穿白色羽绒服，坐在缆车里，抚摸着自己的头发。” }, "texture_layer": { "skin_physics": "苍白的瓷肌，亮泽的嘴唇，夸张的电子女孩眼线，光滑的妆效" "fabric_physics": "白色羽绒服的亮面尼龙质感，黑色滑雪裤的哑光科技面料，滑雪镜的反光镜片", "environment_physics": "背景细节清晰：透明玻璃窗、山上的白色积雪纹理、深绿色的松树、蓝色的天空" }, "camera_physics": { "lens_imperfections": "高对比度，锐利的日光，玻璃上有轻微反射" “对焦”：“景深大（f/11）——无模糊。女子、缆车内部以及远处的雪山都清晰锐利。” 设置：索尼 A7R V，35mm 镜头，1/1000 秒，ISO 100（明亮的雪天） }, "color_grading": { “white_balance”: “冷色调日光（蓝天/白雪为主）” “阴影”：“小屋内深邃而清晰的阴影”， “亮点”：“雪地和外套上的明亮、清晰的高光” } }, "final_prompt_string": "一张使用索尼A7R V 35mm f/11镜头拍摄的真实生活照。景深大，画面清晰。一位年轻女性（19-25岁），拥有白皙的肌肤，留着齐肩黑发，刘海齐肩（狼刘海），坐在滑雪缆车内。她身穿亮白色短款羽绒服、黑色滑雪裤，头戴黑色滑雪镜。她轻轻拨了拨耳后的头发，神情平静地看向镜头。妆容精致，带有猫女风格，眼线上扬，唇彩闪亮。明亮的冬日阳光洒在她的脸上。背景清晰锐利：透过宽大的玻璃窗，可以清晰地看到白雪皑皑的阿尔卑斯山脉、滑雪道、松树和湛蓝的天空，没有丝毫虚化。高对比度。展现了冬季旅行的美感。" "negative_prompt_string": "", "note_on_negative": "Flux 会忽略明确的否定提示。清晰度由诸如“f/11”和“深景深”之类的肯定描述符保证。" "post_processing": { “高档”： { “启用”：true， “方法”：“Magnific_AI_Style（创造力：1）” }, “面部修复”：{ “启用”：false， 警告：严重：禁用面部恢复功能。 } } } 你可以把上面的提示词 copy 下来，丢到豆包、gemini banana 等 ai 工具中去使用。 ...

openClaw 是IT圈2026年开年的绝对顶流，它本质上是一个ai agent。 包括去年爆火的Claude Code、Manus，还有前年异军突起的 Cursor，本质上都是 ai agent。 我们今天来聊一下 AI Agent 这个东西。 1、理解ai agent 相比于 ai 大模型来说，ai agent 并非高深莫测的东西，它是一个具备定制化功能的、智能的工具. 例如，有专门写代码的agent（cursor），有“私人秘书”功能的agent（openClaw），甚至还有用于医疗领域的agent、影视领域的agent。 你可以把它简单理解为一把锤子、一个螺丝刀，或者一个扫地机器人。 而螺丝刀本身并不能完成智能化的工作。 但是，当你把它接入ai大模型之后，它就可以智能化地、自动化地替你完成你想做的工作。 ai agent = ai大模型（大脑）+ agent（工具） 其中 agent 是由软件工程师开发，ai大模型是由 ai 工程师开发。 如果可以的话，你可以自创一个做家务的 ai agent ，扫地机器人（工具） + 某某ai大模型。 2、ai agent 的开发 目前市面上，有很多 ai agent 的开发工具或者框架。 例如，LangChain 它的下载量最大、最主流，需要敲代码，有一定学习成本；CrewAI 上升势头很猛，概念直观，易上手；Dify 国内很流行，低代码首选，在图形界面上，拖、拉、拽就能实现一个agent…… 总之，各大工具都有人在用，也各有优势。篇幅有限，这里不做对比讨论，后续再写文章进行具体阐述。 下面用一段步骤明确、注释清晰的伪代码，演示一下开发一个“新闻简报” agent 的流程。 请注意：代码中的 duckduckgo 是 langchain 封装好的工具，可以直接调用。 from langchain.agents import AgentExecutor, create_react_agent from langchain_anthropic import ChatAnthropic from langchain_community.tools import DuckDuckGoSearchRun from langchain.prompts import PromptTemplate # ===== 第一步：装上大脑（大模型）===== llm = ChatAnthropic( model="某个AI大模型", api_key="你的API_KEY", base_url="https://api.ai模型地址.com" ) # ===== 第二步：装上工具（手脚）===== tools = [ DuckDuckGoSearchRun() # 搜索工具，能上网搜新闻 ] # ===== 第三步：写提示词（定规则）===== prompt = PromptTemplate.from_template(""" 你是一个新闻简报助手。 任务：搜索今日科技新闻，整理出最重要的3条，每条用2句话概括。 你有以下工具可以使用： {tools} 工具名称：{tool_names} 工作记录：{agent_scratchpad} 用户的问题：{input} """) # ===== 第四步：组装成 Agent ===== agent = create_react_agent(llm, tools, prompt) agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True) # ===== 第五步：运行 ===== result = agent_executor.invoke({"input": "帮我整理今天的科技新闻简报"}) print(result["output"]) 3、ai agent开发要点 3.1 选择一个合适的ai模型 前面已经提到，ai模型就是 ai agent 的大脑。 ...