ChatGPT普及了半年多，国内的大模型产品陆续发布了自己的产品，当我一个做建筑行业的朋友的一句”ChatGPT不好用啊“的时候，就知道了这个工具已经大面积普及使用。
大家也都知道了ChatGPT能做到什么不能做到什么，但是能用好ChatGPT的人不是太多，浅层次的编写文章、提问无法满足办公或者企业的需求，需要有更精准的提问和多种工具结合才能满足对AIGC的使用需求。
本篇文章是在我想到了这个工具，但是没有找到开源可用工具后，准备自己手搓一个的开始，做了一些调研准备，但是可能还不够充分。
为什么不用AutoGPT？ 因为可控性差。
纯粹个人理解，如有不足，请大佬们不吝指教。
GPT的作用
作为调度中心，引用调度其他AI工具或普通工具
编程中对接第三方接口，最大的工作量是输入、输出，也就是让程序理解自己的需求和理解程序返回的内容，现在有了ChatGPT，让ChatGPT进行分析输入输出内容，并且将输入输出内容格式化，符合第三方接口后进行传递。
比如:使用心得：使用ChatGPT+MindShow实现快速制作PPT
MindShow需要MarkDown格式的内容生成PPT，这个工作流比较简单：
- 根据需求主题编写大纲、内容、示例，生成一个完整的PPT内容；
- 将PPT内容输出为MarkDown；
- 调用MindShow服务，生成PPT；
写到这里不得不提一下Prompt工程，如果想让ChatGPT能够产生生产力，需要知道Prompt怎么编写，这种编写方式在网上有很多，但是大多数都是教授了方法，毕竟Prompt才是公司的核心资产。
Prompt工程，编写流程化的Prompt
Prompt 工程师是什么?
是识别人工智能的错误和隐藏功能，以便开发者可以对这些发现进行处理。
如果你正在寻找科技领域最热门的工作，你可以尝试了解如何与AI聊天机器人交流，这可能会让你得到一份生成式人工智能Prompt工程师的工作。
Prompt工程师擅长对运行在大型语言模型上的AI聊天机器人提问，来获得所需的回答。与编写代码的传统计算机工程师不同，Prompt工程师通过向AI询问一系列逻辑缜密的问题来测试AI系统是否存在任何奇怪的行为或问题。
为什么要学习Prompt？
提高生成结果的准确性：Prompt是一种重要的工具，可以用于引导GPT生成特定的输出结果。通过优化Prompt的设计，可以提高GPT的生成结果准确性和效率，减少输出的错误率。
能够控制生成内容：Prompt可以让用户控制GPT生成的内容。通过改变Prompt的内容和格式，可以控制GPT生成的风格和表达方式。例如，如果您想让GPT生成一篇文章，您可以设置Prompt，让GPT生成一个指定主题的文章。
帮助模型理解任务：Prompt能够帮助模型更好地理解任务。通过设计合适的Prompt，可以让模型更好地理解任务的要求，从而生成更准确、更有针对性的结果。例如，对于一项机器翻译任务，通过设置Prompt，可以指导模型翻译特定领域的术语和表达方式。
如何流程化编写Prompt
因为ChatGPT的限制和对内容理解的限制，有的时候很难通过一条Prompt让ChatGPT来完全理解自己的需求，需要将自己的目的分为多个Prompt进行沟通。
比如上面的生成PPT的流程，可以通过一句话进行提问：
帮我写一份员工职业素养培训的PPT大纲，并对每一项都详细描述，需要15页左右，使用Markdown代码块输出。
已经可以实现大纲的MarkDown代码输出需求，但是想要达到生成一份满意的PPT内容还有一定的差距（当然这个是个比较简单的示例，也可以通过完善Prompt来实现一次性输出，但是分开提问可能会更好）。
想要达到自己的需求，可以使用以下流程：
- 定义角色
- 说明任务需求
- 规范化输出格式
按照PPT的生成任务，可以分为如下Prompt进行发送：
你现在是我们公司的人力资源培训师，精通人力资源相关的技能。公司主要团队是软件研发团队，业务范围是：电子政务、文旅软件研发。你深刻了解公司业务，自主学习了很多这些业务相关的人力资源知识。明白我的要求后回复我： 明白了。
我需要你来设计我们公司软件研发部新进入的开发人员新人培训，包含常规新人培训的各类信息，并根据培训内容编写一份PPT内容。
针对你编写的内容纲要，分项进行简要说明，并对每个分项写3个示例。
将这份PPT的内容格式化输出为MarkDown代码块输出。
AIGC-FLOW设计思路
设计目标
搭建企业的Prompt知识库
Text2Text、Text2Image、Text2Video等各类AI应用，基础的使用是很难发挥他们的作用，并且无法达到生产的要求，一家企业如果想要通过AIGC提升效率，那就需要结合自己的业务模式，沉淀Prompt，这些Prompt将作为公司的生产资料进行存储、使用。
自动化执行
自动化执行可以以一些工作岗位举例，比如产品运营，为了铺设产品在自媒体平台的声量，需要定期的发布一些产品相关的内容，包含软文、硬广，发布涉及到多平台，如果使用常规的方法，需要一个人设计主题，然后要求ChatGPT写文章，并且文章如果需要配图，更是需要设计图或者使用Midjourney去生成图，然后手动插入到文章中。一篇文章需要10分钟，每天10篇文章，需要100分钟。
但是如果使用自动化执行，可以设计好流程，自动调用ChatGPT和Midjourney进行文章编写-->根据文章内容调用Midjourney生成图片-->调用模板输出，将图文结合-->调用发布文章接口，将文章推送到需要发布的平台。
格式化输出
使用Word、HTML、MarkDown等各种类型模板，将流程中的返回结果格式化输出。
自动化发布
这个项目支持掘金、简书、知乎等各个平台。
等到项目最后再写一篇接入自动化发布的文章。
工具定义
AIGC设计中包含输入类、判断器、处理类、输出类，四种类型工具。
输入类
主要用于任务的参数输入，并且可以作为任务节点间的参数传递工作。包含Excel、TXT、Image、Word等各类文件输入器。读取文件中的信息，与工作流中的任务节点模板进行参数匹配，填充进入参数。
在任务节点中如果需要参数传递时，可以使用输入类工具读取其他工具输出的文件，传递到下一个节点。
判断器
根据上方任务节点的执行结果，判断下一步的走向，判断器可以接入ChatGPT，实现更多维度的判断。
处理类
接入ChatGPT、星火大模型、Midjourney、Stable-Diffusion、D-ID等平台，进行AI业务处理。另外可以接入一些自定义的数据处理工具，对输入数据进行处理后输出。
输出类
可以在过程中或者结束后进行输出，输出方式包含文件输出、第三方接口调用输出，比如调用自动发布平台将内容发布，也可以算作是输出方式。
输出类工具可以获取到任务节点的所有父级节点的执行结果，通过模板化输出方式，将内容组装到相应的位置。
工作流的设计思路
1. 确定业务需求：明确你希望通过AI工具自动化的任务或过程。这可以是文本分析、图像识别、语音处理等各种领域的任务。
2. 选择合适的AI工具：根据业务需求选择适合的AI工具或服务，例如自然语言处理（NLP）库、计算机视觉库等。可以考虑使用已有的AI模型和算法，或者开发自定义的模型。
3. 定义工作流步骤：将整个工作流程划分为多个步骤，并确定每个步骤需要输入和输出的数据。这些步骤可以是预处理、特征提取、模型训练、推理等。
4. 数据流和交互设计：设计数据在工作流中的流动方式和交互方式。确定输入数据的来源和格式，以及输出数据的目标和格式。考虑如何与用户交互，例如通过界面输入数据、展示结果等。
5. 集成AI工具：将选择的AI工具集成到工作流中。这可能涉及将AI模型加载到软件中，编写代码调用API或使用现有的AI库和框架。
6. 错误处理和异常情况：考虑工作流中可能出现的错误和异常情况，例如数据质量问题、模型训练失败等。设计合适的错误处理机制和异常情况的处理方式。
7. 性能优化和扩展性：优化工作流的性能，例如减少计算时间、内存占用等。同时考虑工作流的扩展性，使其能够适应更多的任务和场景。
8. 用户界面设计：如果需要用户与软件进行交互，设计用户界面，使用户能够方便地输入数据、查看结果，并管理工作流的执行和配置。
9. 测试和优化：对设计的软件进行测试，并根据测试结果进行优化和改进。确保工作流的稳定性、准确性和可靠性。
10. 部署和维护：将设计的软件部署到目标环境中，并确保其正常运行。定期进行维护和更新，以适应业务需求的变化和新的AI技术的发展。
工作流模板
工作流模板中包含n个任务节点模板，通过任务节点模板定义节点名称、Prompt、参数定义、输出类型、输出参数定义、父级节点等信息，组成一个任务树。
任务执行方式
- 任务树遍历执行；
- 任务结果遍历执行，如果任务节点输出为数组类型，则遍历数组，将数组转入下一个任务节点进行循环执行；
下期见
今天思路就到这里，动手先把框架搭建起来，之后定期更新进度，尽量每天更新点。
