
体制内与职场公文写作AI提示词怎么写?符合规范的报告汇报框架
很多机关单位和企业综合办的同行在尝试用大模型写材料时,经常抱怨一句话:“AI写出来的东西,一看就是假的,根本没法往上交。” 其实问题并不在大模型不够聪明,而在公文语境有一套极为严密、封闭的表达规范与话语体系。普通模型在默认状态下,喜欢用排比...

很多机关单位和企业综合办的同行在尝试用大模型写材料时,经常抱怨一句话:“AI写出来的东西,一看就是假的,根本没法往上交。” 其实问题并不在大模型不够聪明,而在公文语境有一套极为严密、封闭的表达规范与话语体系。普通模型在默认状态下,喜欢用排比...

很多做视觉设计和AIGC内容生产的朋友经常问我一个问题:为什么自己写了一大堆 `8k resolution`, `masterpiece`, `extremely detailed face`,生成的AI人物脸部依然像抹了一层劣质硅胶,眼神...

很多刚接触 AI 绘画的朋友都有过类似的挫败经历:在社交平台或图库看到一张惊艳的画作,顺手丢给 Midjourney 的 `/describe` 命令,或者直接截屏发给 ChatGPT 问“帮我写出这张图的提示词”。结果把生成的提示词扔回绘...

在很多创作者的实操经历中,最常遇到的问题就是:写了一大堆优质词汇,Stable Diffusion(以下简称 SD)跑出来的图却依然结构散乱、色彩脏灰,或者挂了两个 LoRA 之后画面直接过曝、肢体严重畸形。其实,SD 的提示词从来不是自然...

很多刚接触生图或者大模型调优的朋友,经常会遇到这样的困惑:明明正面提示词(Positive Prompt)写得详尽工整,生成的画面却经常出现“六根手指”、“双头肢体”、“怪异噪点”或是塑料感极强的廉价贴图。反复修改正面描述,问题依然挥之不去...

一、底层认知:文生视频是“无中生有”,图生视频是“时间位移” 很多创作者在刚接触图生视频(Image-to-Video,简称 I2V)时,最常犯的错误就是把文生视频(Text-to-Video)的提示词直接复制过来。比如把图片里的“一个穿着...

做影视或动画 AI 分镜,很多团队最先踩的坑不是生图模型的画质不够好,而是分镜之间人物换脸、服装变样、光影乱跳、景别失控。很多人习惯直接把剧本段落扔给大模型,让它输出 Midjourney 或 Flux 的提示词,结果生成的画面要么全是千篇...

做AI短剧,业内目前最大的误区就是试图用一段几十个字的模糊描述,直接让模型“无中生有”跑出高质感的成片。视频大模型本质上是一个概率扩散过程,缺乏人类编剧的戏剧因果观,也不懂视听语言的蒙太奇逻辑。 如果前期没有把剧情切片为高执行度的视听工程语...

很多人尝试让 AI 写小说,往往迅速卡在同一个恶性循环里:输入一句“帮我写一个赛博朋克背景下的复仇故事”,模型吐出一堆“命运的齿轮开始转动”、“空气中弥漫着危险的气息”之类充满 AI 腔调的陈词滥调;写到两三万字后,配角性格错乱、关键伏笔被...

不少人把一段需求扔给大模型后,拿到的文章总有一种说不出的别扭:语法挑不出毛病,辞藻华丽堆砌,排版整整齐齐,但读起来像是一台喝饱了公关通稿的碎纸机吐出的拼贴物。业内常把这种现象戏称为“AI味”。 在同行交流或技术团队内部做AIGC落地的过程中...