这篇内容围绕“提示工程：从文字到艺术”展开，面向使用AI图像和文本生成工具（如Midjourney、ChatGPT）的用户，介绍如何通过系统化的提示词方法获得可靠、理想的生成结果。
一、用途与背景 文章指出，AI艺术和提示工程正成为一项重要技能。生成式AI的输出具有非确定性，有时会随机产生不理想的结果，因此需要通过优化提示词来稳定输出。作者提出了“五项提示原则”，作为跨模型、长期有效的工作框架，而不仅仅依赖短期技巧。
二、五项原则
- 给出方向：详细描述期望的风格，或引用相关人物/角色。对于图像生成，这尤其重要，因为Midjourney等工具熟知各种艺术家和艺术风格。可以使用种子关键词来偏向AI搜索的潜在空间，从而影响结果。如果缺乏艺术词汇，可以利用Midjourney的Describe功能，上传喜欢的图片，获取可能生成类似图像的四个提示词。
- 指定格式：定义要遵循的规则和响应的结构。这对于将AI集成到生产工具中尤为重要，因为不一致的格式会影响可靠性。文本模型可以输出JSON、YAML等结构化数据；图像模型则可以输出照片、油画、冰雕等任何格式。有时格式与风格会冲突，需要实验。作者还开发了一个免费的视觉提示构建器工具，列出常见的格式和风格。
- 提供示例：插入多样化的正确完成任务的测试用例。示例可以显著提高响应质量，但要注意AI可能过度学习示例，导致创造力下降。提供示例类似于“微调”AI。如果提示长度有限，可以使用LlamaIndex与Pinecone DB注入上下文。在图像示例中，作者使用了电影《了不起的盖茨比》的剧照作为参考，并通过在提示后添加
:: 0.1来将其权重降低90%。需要注意版权问题。 - 评估质量：识别错误并评分响应，测试哪些因素驱动性能。由于LLM的随机性，不同提示的稳健性不同。建议多次运行提示，甚至与其他LLM对比。可以使用LangChain启用跟踪，将结果导入LangSmith进行分析。对于图像生成，可以尝试大量不同词汇并手动检查结果，或使用Midjourney的Shorten功能分析提示词中哪些部分最重要。
- 分工：将任务拆分为多个步骤，链接起来完成复杂目标。由于提示长度限制（约4k token），建议将任务分解为多个提示。例如，先让模型生成选择，再让模型根据标准评估这些选择。使用Langchain等工具可以串联多个操作。不同模型各有擅长，例如DALL-E 3擅长图像上的文字和构图，Midjourney美学出色且擅长奇幻风格，background.bg擅长去除背景。
三、使用方式与适用场景 文章提供了可直接使用的提示工程模板，并逐步解释模板如何工作。适用于使用AI进行艺术创作、设计、写作等创意工作的场景。作者还分享了自己使用AI艺术为自己的书配图的案例研究。
四、限制与注意事项 提示工程技巧可能快速过时。OpenAI CEO Sam Altman认为五年后可能不再需要提示工程（指寻找“魔法词”），但“想法的质量和理解你想要什么”始终重要。因此作者强调五项原则是 timeless 的，可跨模型迁移。此外，使用示例时要注意版权，商业用途需谨慎。模型的能力和限制各不相同，需要实验和评估。
五、其他信息 作者在Udemy上开设了课程《Prompt Engineering Principles: ChatGPT & DALL-E》，并受O'Reilly委托撰写相关书籍，预计2024年出版，未编辑版本可在网上预发布。更多学习资源可查看Vexpower的提示工程课程。
