AI时代，人人都是产品经理

全球最聪明的AI绘画提示词工具

大家在使用Midjourney的过程中有没有出现过类似问题：不知如何去表达脑海中的想象，即使借助提示词工具、数据库工具等，也很难在众多提示词中找到满意答案，只能不断试错。

那么，有没有办法可以更加智能地写提示词？

于是我用GPT和提示词工程搭建了一款AI绘画提词器，比如输出“产品经理”，提词器会从6个维度展开提示词联想，任何一个关键词都配置了GPT推荐的一个解释。

这时候点击解释，即可将解释复制到临时收藏夹中，随后一键复制参数，再将参数放到Midjourney里，即可得到解决方案。

综上，用户可以通过一个非常短的输入得到大量的输出，且过程自主可控，并有各式各样的提醒。

这个工具存在的意义即让想象有更多的想象，比如输入“皮卡丘”，它可以为你展示皮卡丘的外貌，这个时候将这些外貌信息给到Midjourney，就能更好地控制Midjourney的表现；又或者输入“水下摄影”，提词器可以提供一些艺术家，我们可以用艺术家在Midjourney中控制画面表现；包括一些构图视角的参数也可以影响到画面，且提词器会为你解释推荐理由。

当然，这个工具的出现目的不在于取代屏幕前的你，而是为了帮助你获得更多的想象和描述角度。

现阶段，这款非常简单的工具产品已经有1万多人次使用，且有12多万次生成，我也借此建立了6个AI绘画社群，感兴趣的同学可以体验一下：MidJourney.TalkGame.AI。

接着展开讲解这款产品的研发工作流。

我本身作为一个不懂任何代码的设计师，要如何完成这款产品的开发？

这时，就要借助GPT-4的力量了，大致的工作流如下：

产品策划 → 产品设计 → 产品开发 → 提示词工程 → 上线

1. 产品策划阶段

吴恩达在其提示工程课中讲到：编写明确和具体的指令，留给模型足够的思考时间。

基于这点，我开始进行测试。

比如询问MidJourney“能否给我提供相应的设计师，风格要鲜明，描述他的风格，并提供对应的英文名”，MidJourney就给出了系列答案。随后再迭代先前的提示词，让它按照你的规则进行输出。最后，我们利用所得的东西返回前端。

2. 产品设计阶段

在交互领域，我感受到了一个特征，即GUI（图形用户界面）会向LUI（自然语言交互界面）进化，LUI可以大大降低用户的学习成本，更为简单、直接。

比如这款工具，界面工具只有一个输入框，用户输入关键词，输入框下便可展开更多关键词，以词条形式展示。

此时，鼠标悬浮词条将有对词条的推荐理由，用户只需要挑选、点击，然后一键复制。

3. 产品开发阶段

GPT带给我们更多的可能性，我便是在B站上搜索“自然语言编程”，尝试让GPT帮忙写代码。

在产品开发上，所有的代码都是由GPT完成的，我所做的事情，就是建立一个TST文档，将代码复制粘贴进去。

过程中也会遇到问题，这个时候，你可以将问题丢给GPT，它会告诉你问题出在哪里，随后你再解决即可。

就这样，在某个深夜的凌晨四点，我终于将它开发出来了。过程中也有技术大佬的支持，比如帮忙搭建服务器等，最后，便搭建出了一个超级MVP。

4. 提示词工程阶段

基于MVP模型不断地迭代，同样“编写明确和具体的指令，留给模型足够的思考时间”，然后进行迭代，输出不同维度的提示词，通过这些产出，我们得到了最后的产品。

5. 在能力标准上

效率指标——在繁复地词条记忆和词库筛选过程中，我们迭代了“聪明地提供词条建议”，所以输入一个简单词汇，工具便可以展开丰富联想，效率至少提高了100%；

技术能力——通过对GPT进行数据集训练，而后提示词工程生成JSON代码，最后在前端页面表现。这个过程中，GPT可以真正地服务于我们的工作流程，而不仅仅服务于对话；

于自身而言——我从一个不懂技术、不懂代码的人，到结合GPT-4，实现了一个像模像样的产品，开始学会运用AI能力解决用户痛点。

以上实践，让我真正地参与到了这场AI变革当中，并由一个将要被AI淘汰的设计师，转型成为了一名推进AI发展的产品经理，为淘汰设计师这件事，“贡献了”一份绵薄之力。

独立游戏美术资产AI全流程探索

我们基于斯坦福AI小镇这款游戏的技术与场景，做了一款游戏demo《伊甸岛》。这款AI游戏的一个目标在于，让NPC不止有GPT的脑子，还有GPT的眼睛和GPT的身体，NPC可以充分地认知所处的世界，且NPC输出的内容和行为不脱离游戏场景；最终，用玩家与虚拟世界的交互去影响游戏走向。

可以看到，由GPT操纵的NPC遇难漂泊到了一座荒岛上，NPC会和世界发生自主交互，目标是完成逃生。在这个过程中，玩家作为上帝可以进行有限的影响，玩家与虚拟世界的交互会影响游戏故事的走向，产生蝴蝶效应。NPC则在过程当中记忆它的事件，迭代执行逻辑，并不断地学习和相互协同。

而我们想探索AI Agent在极端环境下，是否会产生违背人性伦理的行为；

最后的结果是没有，GPT对这类现象的发生是有所限制的。

值得一提的是，在开发过程中，95%的美术资产全部是由AI生成的：

MidJourney：生产稳定可控的概念原画、道具资产、角色资产雏形；

Stable Diffusion：进行地图的生成和对角色风格的转换；

PS Generative Fill：使用最新的生成式AI填充，修复画面并拓展画面；

宇宙最聪明AI绘画提示词工具（https://midjourney.talkgame.ai/）：帮助我们寻找合适的艺术家风格；

Animated Drawings ( https://sketch.metademolab.com/canvas) ：进行快速生成角色动效；

CSS Sprites ( https://css.spritegen.com/ )：精灵表快速生成；

AE插件loopflow：一键制作循环动画。

当然，过程中也遇到了一些工作难点。

可用性：如何让AI生成的素材可以直接运用到游戏中？

统一性：如何得到可复用的统一的美术风格资产？

效率：如何高效地搭建起美术资产的AI生产工作流？

这里简单介绍一下我们走过的弯路和突破点。

在道具资产上，我们起初通过复杂的提示词以期望达到稳定控制的效果，也尝试使用MJ生成资产雏形，再使用SD去控制统一风格，但效果都不是很好。所以最后我们通过艺术家的限定，实现对MJ产出结果的绝对控制，利用AI提词器找到某个具体的艺术家，运用其设计风格，最后得到结果。而产出的素材已经基本符合做独立游戏的要求，在一到两个小时之内，我们便解决了所有的游戏资产。

原画资产同样都是由AI生成的，风格统一，只需一个艺术家，便可解决原画资产问题。

人物资产相对复杂一些，最后，我们通过MJ的皮克斯风格实现对产出效果的控制，并使用SD文生图加上ControlNet去统一风格。可以看到，每个角色的形态都非常稳定， MJ生成了稳定角色，再利用SD转换成手绘风格。

地图资产的生成也遵循大致相同的逻辑，即使用SD进行原始地图生成，再使用MJ生成地皮纹理；游戏Logo资产也大致类似，使用SD的图生图模式，加上ControlNet的Canny、Reference和Tile进行风格迁移。我唯一做的事情，便是用PS生成了一个底图垫进去。

综合上述内容，可以看到我们的工作成果：

可用性：AI生成的素材可以直接运用到游戏中；

统一性：得到可复用的统一的美术风格资产；

效率：高效地搭建起美术资产的AI生产工作流。

AI绘画工作流插件：LightFlow

对于初学者而言，所谓的参数、工具可能会看起来很复杂，甚至不知如何操作。那么，有没有什么方法可以直接抄大佬作业呢？比如我们可以下载源文件在PS里修修补补，最终得到自己的产出，那么这个过程，是否有可能复用到SD上？

结果是有可能的，即使用工具——SD工作流的开源插件，LightFlow。

这款工具的使用很简单，它可以将所有SD操作数据打包，生成工程文件，而后直接一步到位给到SD复原所有工作。

可是问题来了，我们要去哪里找LightFlow源文件呢？

为了解决这个问题，我们搭建了一个SD工作流开源社区：https://LightFlow.ai/ 。大家可以在社区上分享SD工作流，用户在进入社区后挑选自己想要的效果，点击下载，然后打开SD将文件拖拽进去，一键设置好所有参数，最后，点击生成。虽然过程可能看不明白，但无所谓，我们可以直接得到结果。

创作者也可以通过LightFlow导出所有操作数据，上传工作流，分享给社区用户使用，从而建立自己的AI绘画的影响力。使用者则可以挑选相应的工作流，下载LightFlow源文件，通过LightFlow一键导入所有操作数据，得到新的生成。

综合来看，LightFlow极大地降低了初学者的学习门槛，可以实现“大口喂饭”、一键进阶；而对于SD进阶者而言，LightFlow则可以帮助保存优质工作流，从而实现快速复用、一键复现。SD进阶者也可以发扬开源精神，帮助建设SD生态。

这也隐含着另一种商业化的可能性，比如SD大神可以帮助企业建立一系列可复用的工作流，而后打包给企业，帮助企业团队快速建立AI绘画能力，实现降本增效，真的“让AIGC像光一样流畅”。

为什么AI时代，人人都是产品经理？

有一个概念，即“奇点时刻”，意思即电脑智能与人脑智能兼容的那个时刻。

孙正义曾经说道：

在30年后，计算机、人工智能，他们都将会比我们聪明，对此我深信不疑。所以我们只在一件事上投资了1000亿美元，那就是人工智能。

某种意义上来看，ChatGPT 的出现其实就是一种“奇点时刻”，它用最简单的方式改变了全世界对人工智能的一个看法。

而对于我们而言，这也是一个新的时代机遇。各行各业都可以用AI重新定义，而我们可以在落地应用这一维度上发光发热，因为太多的需求都可以被重新满足，我们要尽可能去创造新的需求。

比如对于大企业来说，AI提高生产力是很有效的，也是很有意义的，大企业可以在过程中实现降本增效。而对于小团队或个人，则可能更应该去考虑如何利用AI创造新的需求，从而实现“弯道超车”，创造更有意思的结果。人人都可以发现新的、未被满足的需求。

譬如我先前的身份是设计师，了解设计师的需求所在，所以做了AI提词器、搭建了SD工作流，而这些就是新出现的、未被满足的需求。如果想突破，我们可以往这些方向进行琢磨。别想太多，做了再说。

最后，于我自己而言，我是一名忠实的 AI 降临派。

在《纳瓦尔宝典》这本书中，有一个词，即“专长”。我通过自己训练的一个苏格拉底的GPT模型，找到了自己的“专长”——我是一个擅长发现新需求、擅长提升用户体验的人。而我的愿景，是推动AI的发展；我的夙愿，便是成为硅基生命的垫脚石。

如果你们也和我一样，那就真的“泰裤辣”！

本文来自微信公众号“人人都是产品经理”（ID：woshipm），作者：Hali