AI 创意绘画：皮影人物

Midjourney虽无皮影戏专属提示词，但借力凯斯·哈林的粗线几何风格与京剧人物元素，意外复现皮影剪影质感。多组提示词覆盖神怪、侠客、仕女等传统角色，统一采用纯白背景，强化轮廓表现力，为国风AI绘画提供新思路。

发布于2023年10月8日 14:11

编辑零重力瓦力

评论0 条

阅读38

Midjourney没有皮影戏相关的提示词，没想到使用艺术家Keith Haring的艺术风格却意外实现了皮影戏的艺术效果。

提示词：A Chinese Peking Opera actor performing, [人物主题], geometric shapes, full body, bold lines, Keith Haring, mixed patterns, white background --niji 5 --s 400

A Chinese Peking Opera actor performing, chinese demon, geometric shapes, full body, bold lines, Keith Haring, mixed patterns, white background

A Chinese Peking Opera actor performing, chinese fairy, geometric shapes, full body, bold lines, Keith Haring, mixed patterns, white background

A Chinese Peking Opera actor performing, Chinese knight, geometric shapes, full body, bold lines, Keith Haring, mixed patterns, white background

A Chinese Peking Opera actor performing, Chinese woman, geometric shapes, full body, bold lines, Keith Haring, mixed patterns, white background

A Chinese Peking Opera actor performing, Chinese woman, geometric shapes, full body, bold lines, Keith Haring, mixed patterns, white background

A Chinese Peking Opera actor performing, fat Chinese man, geometric shapes, full body, bold lines, Keith Haring, mixed patterns, white background

A Chinese Peking Opera actor performing, man on a horse, geometric shapes, full body, bold lines, Keith Haring, mixed patterns, white background

A Chinese Peking Opera actor performing, monster, geometric shapes, full body, bold lines, Keith Haring, mixed patterns, white background

A Chinese Peking Opera actor performing, old Chinese woman, geometric shapes, full body, bold lines, Keith Haring, mixed patterns, white background

上下文工程：当提示词工程装不下整个智能体时，谁来接管 AI 的 “工作台”

“上下文工程” 正取代 “提示词工程”，成为 AI Agent 开发的核心范式。随着模型能力提升、Agent应用普及及企业合规需求，交互重点从单轮指令转向多步骤工作流中的动态信息编排。该领域涵盖系统指令、用户输入、检索知识、对话历史及工具定义五层结构。由于上下文窗口资源有限且易出现中毒、分心等失败模式，需通过ACE框架实现上下文的自进化与增量更新。实操建议包括外部化状态、按需检索、压缩累积及隔离多Agent上下文。本质上，上下文工程是提示词工程的超集，标志着 AI 开发进入以系统架构和状态管理为主导的工程时代。

读懂 LLM ： AI 是如何“思考”的，又该如何高效使用

掌握大语言模型（LLM）的核心在于理解其底层机制与交互技巧。首先，Token 是模型处理文本的最小单位，直接影响输入输出长度及费用。默认的非确定性模式赋予模型创意，但也导致结果不可预测。其次，温度、最大 Token 数和 Top-p 三个参数共同调控模型的随机性、回复长度及词汇选择范围，用户可根据精准或创意需求灵活调整。此外，受限于上下文窗口，模型仅能记忆当前对话片段，超出部分会被丢弃。最后，提示词质量决定输出效果，高质量的提示词应包含清晰指令、背景信息及期望格式，通过缩小猜测空间来提升回答的准确度。

提示工程： AI 安全 TryHackMe

TryHackMe 推出“提示词工程： AI 安全”实战房间，系统教授与大语言模型高效沟通的技能。课程涵盖 LLM 处理机制（ Token 、非确定性）、提示词结构（指令、上下文、格式、约束）、系统与用户提示词的区别及注入攻击风险、进阶技术（ CoT 、 Zero/Few-shot ）。通过六道安全场景挑战演示从分类到漏洞审查的实战技巧，强调将开放任务压缩为可执行指令的思路。

#提示词工程

阅读全文

互动讨论

评论区

围绕《AI 创意绘画：皮影人物》展开交流，未登录用户可浏览评论，登录后可参与讨论。

评论数

登录后参与评论

支持发表观点与回复一级评论，互动后将同步到消息中心。

登录后评论

暂无评论，欢迎成为第一个参与讨论的人。

AI 创意绘画：皮影人物

相关文章

上下文工程：当提示词工程装不下整个智能体时，谁来接管 AI 的 “工作台”

读懂 LLM ： AI 是如何“思考”的，又该如何高效使用

提示工程： AI 安全 TryHackMe

评论区