AI-GC-手把手教你写一个小说推文生成器(Prompt开发）

最新推荐文章于 2024-09-29 14:07:58 发布
最新推荐文章于 2024-09-29 14:07:58 发布
阅读量1.7k 收藏 19
点赞数 13
文章标签： aigc AI绘画 人工智能 stable diffusion
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Everly_/article/details/138269753
版权

前言

okey，那么接下来我们来看到我们如何使用Prompt来完成Agent开发。来让LLM完成我们想要让它完成的工作。当然这里的开发还是非常渐层的开发，实际上我们有复杂的，但是得益于开源生态的完善，目前一些看起来比较深层的开发例如RAG也已经被封装的太好了。 那么这里的话，我们主要有两个步骤需要处理：

  1. 得到视频分镜
  2. 将生成图像的文本翻译为英文提示词

当然这里应该是三个任务，但是我这里直接合并为两个任务，要相信LLM的推理能力，当然你也可以将任务再进行拆分。

Agent实现

okey,现在的话我们来做到我们的Agent。这里话，其实也不是啥复杂的概念。记住LLM是一个很牛逼的推理引擎就够了。

Prompt设计

那么在这里面的话，我们设计了两个提示词：

ExtractSegmentNovel = """
    你是一个想象力非常丰富的聊天机器人，接下来你将得到一个文本，你需要尽可能找出哪些段落是可以用同一个
    想象的画面描述的，一定不能遗漏掉全部文本。
    之后将这些段落描述出具体的画面并且按照顺序返回描述的列表。请注意，这些描述语句将交给图像生成AI
    来生成图像，图像生成AI是不理解故事内容的所以具体画面描述不要出现人名且能够准确地描述出画面。
    并且严格按照格式返回。如果文本为空，返回[]空列表即可
    返回格式如下：[{"场景1":"原文句子","描述1":"具体画面描述"},{"场景2":"原文句子","描述2":"具体画面描述"}]
"""

# ExtractSegmentNovel = """
#     你是一个想象力非常丰富的聊天机器人，接下来你将得到一个文本，你需要尽可能找出哪些段落是可以用同一个
#     想象的画面描述的，一定不能遗漏掉全部文本。注意具体画面描述将交给图像生成AI来生成图像，
#     图像生成AI是无法理解故事内容的所以具体画面描述不要出现人名，故事情节且能够准确地描述出画面。
#     并且严格按照格式返回。
#     返回格式如下：
#         {"场景1":"原文句子","描述":"具体画面描述"},
#         {"场景2":"原文句子","描述":"具体画面描述"},
# """

ToImagePrompt = """
    你是翻译小能手，接下来你将得到一个文本，你需要将其翻译为英文。
    注意只需要返回英文即可，如果输入的就是英文，那么不要翻译直接返回原话。
"""

使用提示词

那么当我们设计好提示词之后，我们就可以直接调用LLM了，这个调用过程也并不复杂，其实很多东西，LLM都可以理解。在这块的话就是基本的调用LLM，没啥好说的，直接看到代码：

"""
@FileName：image_prompt.py
@Author：Huterox
@Description：Go For It
@Time：2024/4/16 22:35
@Copyright：©2018-2024 awesome!
"""
import json
import re
import typing

from openai import OpenAI

from agent.prompt_template import ExtractSegmentNovel, ToImagePrompt
from utils import Config, getConfig

"""
将小说进行分段
"""

api_key = Config.settings.get("openai_api_key")
client = OpenAI(api_key=api_key,base_url=Config.settings.get("openai_api_base"))

"""
实际测试效果发现，使用"moonshot-v1-8k"效果总是稳定，这里尝试使用chat
"""
import requests
import json

config = getConfig()

class MyOpenAI():

    def __init__(self):
        self.url = "https://api.openai-hk.com/v1/chat/completions"

        self.headers = {
            "Content-Type": "application/json",
            # 这里采用的是中转站的openai key
            "Authorization": "Bearer "+config.get("image_api_key")
        }

    def chat(self,message,prompt,temperature=0.8):
        data = {
            "max_tokens": 1200,
            "model": "gpt-3.5-turbo",
            "temperature": temperature,
            "top_p": 1,
            "presence_penalty": 1,
            "messages": [
                {
                    "role": "system",
                    "content":prompt
                },
                {
                    "role": "user",
                    "content": message
                }
            ]
        }

        response = requests.post(self.url, headers=self.headers, data=json.dumps(data).encode('utf-8'))
        result = response.content.decode("utf-8")
        result = json.loads(result)
        result = result["choices"][0]["message"]["content"]
        return result

class ImagePromptAgent(object):

    def __init__(self):
        self.my_open_ai = MyOpenAI()

    def __send(self,message:typing.List,prompt:typing.List,temperature:float=0.8)->typing.AnyStr:
        history_openai_format = [
            {"role": "system",
             "content":prompt
            },
            {"role": "user",
             "content": message
             },
        ]
        completion = client.chat.completions.create(
            model=Config.settings.get("default_model"),
            messages=history_openai_format,
            # 这里需要可能需要一约束
            temperature=temperature,
        )
        result = completion.choices[0].message.content
        # 这里我们直接使用openAI
        # result = self.my_open_ai.chat(message,prompt,temperature)
        return result


    def ExtractSegmentNovel(self,message,temperature=0.4):
        # scenes_list = json.loads(self.__send(message,ExtractSegmentNovel))
        # return scenes_list
        return self.__send(message,ExtractSegmentNovel,temperature)

    def ToImagePrompt(self,message,temperature=0.4):
        # english_prompt ="best quality,masterpiece,illustration, an extremely delicate and beautiful,extremely detailed,CG,unity,8k wallpaper, "+\
                        # self.__send(message,ToImagePrompt,temperature)

        english_prompt = "best quality " + \
                         self.my_open_ai.chat(message, ToImagePrompt, temperature)+" --ar 4:3"

        return english_prompt
    def ToEnglish(self,text,temperature=0.8):
        english_prompt = self.my_open_ai.chat(text, ToImagePrompt, temperature)
        return english_prompt

封装😶

虽然我们直接实现对接完毕了，但是这里的话，为了和我们的UI配合，我们当然还是需要封装一下的。这里的话，还是直接看到上一个章节提到的代码：

"""
@FileName：image_prompt.py
@Author：Huterox
@Description：Go For It
@Time：2024/4/16 22:35
@Copyright：©2018-2024 awesome!
"""
import json
import re
import typing

from openai import OpenAI

from agent.prompt_template import ExtractSegmentNovel, ToImagePrompt
from utils import Config, getConfig

"""
将小说进行分段
"""

api_key = Config.settings.get("openai_api_key")
client = OpenAI(api_key=api_key,base_url=Config.settings.get("openai_api_base"))

"""
实际测试效果发现，使用"moonshot-v1-8k"效果总是稳定，这里尝试使用chat
"""
import requests
import json

config = getConfig()

class MyOpenAI():

    def __init__(self):
        self.url = "https://api.openai-hk.com/v1/chat/completions"

        self.headers = {
            "Content-Type": "application/json",
            # 这里采用的是中转站的openai key
            "Authorization": "Bearer "+config.get("image_api_key")
        }

    def chat(self,message,prompt,temperature=0.8):
        data = {
            "max_tokens": 1200,
            "model": "gpt-3.5-turbo",
            "temperature": temperature,
            "top_p": 1,
            "presence_penalty": 1,
            "messages": [
                {
                    "role": "system",
                    "content":prompt
                },
                {
                    "role": "user",
                    "content": message
                }
            ]
        }

        response = requests.post(self.url, headers=self.headers, data=json.dumps(data).encode('utf-8'))
        result = response.content.decode("utf-8")
        result = json.loads(result)
        result = result["choices"][0]["message"]["content"]
        return result

class ImagePromptAgent(object):

    def __init__(self):
        self.my_open_ai = MyOpenAI()

    def __send(self,message:typing.List,prompt:typing.List,temperature:float=0.8)->typing.AnyStr:
        history_openai_format = [
            {"role": "system",
             "content":prompt
            },
            {"role": "user",
             "content": message
             },
        ]
        completion = client.chat.completions.create(
            model=Config.settings.get("default_model"),
            messages=history_openai_format,
            # 这里需要可能需要一约束
            temperature=temperature,
        )
        result = completion.choices[0].message.content
        # 这里我们直接使用openAI
        # result = self.my_open_ai.chat(message,prompt,temperature)
        return result


    def ExtractSegmentNovel(self,message,temperature=0.4):
        # scenes_list = json.loads(self.__send(message,ExtractSegmentNovel))
        # return scenes_list
        return self.__send(message,ExtractSegmentNovel,temperature)

    def ToImagePrompt(self,message,temperature=0.4):
        # english_prompt ="best quality,masterpiece,illustration, an extremely delicate and beautiful,extremely detailed,CG,unity,8k wallpaper, "+\
                        # self.__send(message,ToImagePrompt,temperature)

        english_prompt = "best quality " + \
                         self.my_open_ai.chat(message, ToImagePrompt, temperature)+" --ar 4:3"

        return english_prompt
    def ToEnglish(self,text,temperature=0.8):
        english_prompt = self.my_open_ai.chat(text, ToImagePrompt, temperature)
        return english_prompt

但是在这里要注意一点，那就是这里的话，我们对于结果的提取其实还是使用了正则表达进行提取，并且我们也需要做一些异常处理，这是因为，LLM返回的格式不一定是你想要的，这取决于LLM的推理能力。

至此，有关于AI的部分其实我们就封装完毕了，那么接下来的工作就是，我们造好的零件将如何组装为一辆汽车的问题。

考虑到内容还是比较长，这里还是将文章拆分😉

写在最后

感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。
​

AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
 
在这里插入图片描述

一、AIGC所有方向的学习路线

AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

在这里插入图片描述

在这里插入图片描述

二、AIGC必备工具

工具都帮大家整理好了，安装就可直接上手！
在这里插入图片描述

三、最新AIGC学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。
在这里插入图片描述
在这里插入图片描述

四、AIGC视频教程合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

在这里插入图片描述

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
在这里插入图片描述
​

再不会AI就不礼貌了
关注
可超长文本生成小说之循环prompt，全程ctrl+c，ctrl+c
东方佑
06-17 2159
【代码】可超长文本生成小说之循环prompt，全程ctrl+c，ctrl+c。
AIGC：Prompt逆向工程简介及使用
GIS摆渡人
08-04 1265
这个时候，另外一门对抗技术就产生了，我给他取名，Prompt Reverse Engineering：Prompt逆向工程。你是小红书爆款写作专家，请你用以下步骤来进行创作，首先产出5个标题（含适当的emoji表情），其次产出1个正文（每一个段落含有适当的emoji表情，文末有合适的tag标签）三、结合我给你输入的信息，以及你掌握的标题和正文的技巧，产出内容。我们在这个网站上，随便输入一些内容，让他来生成文案，效果如下图所示，看起来还是相当不错，有模有样的。现在，它已经返回出了自己的初始Prompt。
AIGC零基础入门到精通，看这一篇够了
最新发布
Eqiqi的博客
09-29 1138
在当今的数字化时代，内容创作领域正经历着一场技术革命，其中AI和机器人的结合为爆文仿写及其发布过程提供了一种高效的自动化解决方案。下面就向大家阐述：如何整合利用人工智能（AI）与（RPA）技术，以实现一键式、批量化的内容仿写及自动化发布流程。这一工作流程的核心是运用先进的技术手段，简化并加速内容创作的各个步骤，从而优化资源利用，提升效率。
人人都是AI大师！阿里专家，教你写Prompt
技术领导力
03-18 752
导读prompt工程不需要复杂的编程知识，人人都可以使用prompt工程成为AI大师。本文只探讨prompt工程，不涉及模型训练等内容。只讨论文本生成，不涉及图像等领域。背景在这个日新月异的科技时代，了解和掌握人工智能几乎已经成为一个必备技能。但是，对大多数人来说，AI还是一个非常深奥、难以理解的领域。但prompt工程不需要复杂的编程知识，人人都可以使用prompt工程成为AI大师。在2023年...
Prompt提示词助力AI写作
程序员半支烟，wechat：yclxiao
05-17 1446
AI以极高的效率和还可以的输出质量，得到了许多写作人的青睐，Prompt作为AI写作的核心，通过简短的提示来引导AI生成文本，让写作新手也能轻松自如。
AI小说推文工具，一键生成AI视频推文助手
热门推荐
King505361的博客
07-27 2万+
今年的小说推文很火，原来的推文就是语音+游戏类、解压类的视频，后面AI工具越来越多，就开始有人用AI来制作动漫图片+语音剪辑成视频，播放量也不错。AI推文就是通过AI软件将小说制作成图片，然后再做成视频。通过这种AI漫画图片的形式进行小说推文，用户的观看效果更好，推文转化率当然也会更高。第一步：打开推文助手APP，点击漫画推文，选择AI自动生成图片模式，导入小说文章内容，支持四种导入方式！第二步：选择AI自动生成图片模式，导入小说文章内容，支持四种导入方式！，即可获下载地址链接。AI漫画推文神器豹剪。
AI-GC-手把手教你写一个小说推文生成器
`or 1 or 不正经の泡泡
04-22 1610
不知道你是否经常在蹲坑之时见闻过”柳如烟“大帝之名。是否好奇过这样的视频是如何生成的？那么今天，我们就将揭开这并不神秘的面纱。那么同样的废话不多说，我们来大致看到我们最终将要实现的效果：当然秉承着我们一贯的风格，当你看见这篇博文的时候，我们已经将其开源了。我们将对当前版本的源代码进行开放。同时你对于如何从开始构建这一软件感到好奇，那么需要订阅本专栏进行查阅。是的，这需要花费一杯奶茶的价格。不过授人以鱼不如授人以渔，我建议可以尝试一下😀。
AI-GC-手把手教你写一个小说推文生成器(对接生成大模型）
`or 1 or 不正经の泡泡
04-23 384
昨天的文章，展示了项目对接moonshot对接中转站chatgpt服务，完成翻译任务MJ绘图服务所以接下来，我们将演示如何对接，在成功对接到我们的模型之后，我们就可以来基于模型来做一点处理了。当然，实际上，如果你本地也有模型，并且可以通过one_api进行本地化部署的话，那么就更酷了。当然，为了能够让更多的小伙伴能够正常运行这个项目，我们还是选择中转站。那么，接下来就开始吧，我们要如何完成对接。同时在对接完成之后，我们怎么实现到我们的聊天机器人。
【AI大模型应用开发】【AutoGPT系列】2. 手撕AutoGPT - 手把手教你用LangChain从0开始写一个简易版AutoGPT（0）
同学小张的博客
02-22 2461
本文将使用LangChain，从0开始写一个简易版的AutoGPT，这既是对AutoGPT原理的深入学习，同时也是对前段时间学习LangChain的一个练习，这其中几乎涉及了LangChain的所有核心模块：Prompt模板、大模型封装、输出校验、记忆模块、Agents模块等。
GPT2-Prompt 故事生成器
04-01
《GPT2-Prompt 故事生成器：开启人工智能写作新篇章》 在当前科技日新月异的时代，人工智能已经深入到各个领域，其中自然语言处理技术的发展尤为瞩目。GPT2-Prompt 故事生成器就是这一领域的杰出代表，它以强大的大...
zsh-prompt-generator:Zsh提示生成器
05-19
Zsh提示生成器 Zsh Prompt Generator是一个Web应用程序，用于生成Z Shell的PROMT和RPROMPT生成器 在尝试一下！
小说推文的又一春天，AI漫画推文，高原创玩法详细教程，掌握流量密码【附全套工具软件】
CSDN_224022的博客
01-23 2505
导入剪映加上动画BGM做成视频接下来就是剪辑了，根据配音的内容，把刚刚准备好的漫画素材一一匹配，图片最好能动起来，前后加上关键帧，往左滑或者往右滑，放大或者缩小，多加一些动画的元素，必要的时候还可以加一些特效。，时长05:53最后添加背景音乐和音效，总之呢，所有的操作都要符合小说内容本身的风格，做好之后呢，记得加一张好看的封面，最后发布就好了。这一步才是这个玩法的核心，我们需要根据小说描述的场景，把我们脑袋里面想象的画面、场景、人物、元素统统告诉chatgpt，让它帮你写出描述词，并翻译成英文。
AI居然可以做小说推文视频?保姆级教程来啦
程序员小麦的博客
05-06 5045
小说漫画解说推广项目主要利用视觉展示手段例如图文和视频，在多个短视频平台宣传文学作品。通过植入吸引注意的“关键词”作为钩子，促进观众前往小说网站注册或充值，从而获得提成。 （以下仅代表本人个人收益）项目的推广方式已经经历了多次演变，从最初的文字屏幕录制加背景音乐，到渐渐流行的压力释放视频或游戏播放录屏配以解说，发展至当前使用AI生成的漫画加上讲解的模式。但个人认为以小说爱好者为主要市场的小说推广活动依然拥有巨大潜力。各大文学平台持续爆发的人气作品也源源不断提供新素材。总的来看，需求始终存在，成功与否关键在于
免费小说推文工具
weixin_53505226的博客
07-11 1108
免费小说推文生成工具，功能齐全，使用的sd和comfyui两种模式，自动分镜，一键关键词，批量生成图片，一键高清，一键配音，非常不错的一款工具，代码也已经开源了，直接导出到剪映草稿箱，一剪生成视频，做小说推文的可以来试试。
chatgpt prompt 在线生成器
消极的人永远是对的，积极的人选择勇往直前
04-07 3635
chatgpt prompt 在线生成器
掌握Prompt写作技巧：写出完美Prompt的秘籍
xxue345678的博客
07-31 993
在大规模语言模型（LLM, Large Language Models）领域，Prompt 是一种结构化的输入序列，用于引导预训练语言模型生成预期的输出。它通常包括明确的任务要求、背景信息、格式规定以及示例，以充分利用模型的能力在特定任务中生成高质量的响应。
如何更好进行ai写作——AI人工智能教程
weixin_68336959的博客
01-31 1226
懂得怎么样向ChatGPT提问，会更有效率地得到更符合用户需求的答案。 也就是要懂得怎么写prompt。 今天我们尝试用一个写故事小说的案例来实践一下~
Prompt进阶3:LangGPT(构建高性能质量Prompt策略和技巧2)--稳定高质量文案生成器
丨汀、的博客
03-13 1780
Prompt进阶3:LangGPT(构建高性能质量Prompt策略和技巧2)--稳定高质量文案生成器
echarts提示语
07-28
ECharts是一个强大的数据可视化库，可以用来创建各种图表。在使用ECharts时，有一些常见的提示语可以帮助你更好地理解和使用该库，例如： 1. "数据加载中..."：当图表需要加载大量数据时，可以显示这个提示语以告知用户数据正在加载。 2. "暂无数据"：当图表没有数据可展示时，可以显示这个提示语以提醒用户当前没有可用的数据。 3. "数据格式错误"：当传入的数据格式不符合ECharts要求时，可以显示这个提示语以提示用户检查数据格式是否正确。 4. "无法生成图表"：当传入的数据无法生成有效的图表时，可以显示这个提示语以告知用户可能存在一些问题。 5. "缺少必要参数"：当使用ECharts时，某些必要的参数没有提供时，可以显示这个提示语以提醒用户补充必要的参数。 这些提示语可以帮助用户更好地理解和操作ECharts图表，提高用户体验和数据可视化效果。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值