MJ指令

以下是关于 Midjourney 风格化提示词的相关内容： 仿照 GPTs 里的 MJ prompt 改的提示词可用于 coze 或其他国内的 agent。MJ 对节点无要求，画插图可不切节点，不挑模型，提示词可让 agent 补全润色。例如：“一个巨大鲸鱼头部的特写，鲸鱼的眼睛显示疲惫的神情，一个小女孩站在鲸鱼的旁边抚摸鲸鱼的脸，小女孩占画面比例很小，体现鲸鱼的巨大，吉卜力工作室风格”的提示词为“A closeup of a huge whale's head with its tired eyes. A little girl in red dress stands beside the whale, gently touching its face. The girl takes up a small portion of the frame, emphasizing the whale's enormity. Created Using: soft colors, gentle lighting, wideangle lens, Ghibli Studio style ar 16:9 style raw niji 6”。 Midjourney V6 更新风格参考命令 2.0“sref”，常见问题如想要的新图像和 sref 图像差异大时，MJ 给出了三种办法： 修改提示：语义细节太多时，编写提示用可取细节替换不需要的；风格不够时，修改提示使其更符合追求的风格。 更改“sw”值：语义细节太多时，将“sw”从默认值 100 降低；风格不够时，将“sw”从默认值 100 提高。 使用小权重强调或弱化不需要的画布元素。 参数总览与举例： “No 否定提示”：在提示词末尾加上“no”可让画面中不出现某些内容，如“no plants”表示图像中不出现植物。 “Quality 生成质量”：在提示词后加上“quality”或“q”参数可更改生成图像花费时间和质量，高质量需更长处理时间和更多 GPU 分钟数。 “Seeds 种子值”：MJ 依靠噪点团起点“Seed”创建视觉噪音场生成初始图像，每个图像种子值随机生成，可指定，v4 模型中相同种子值和提示词产生相同图像结果，可用于生成连贯一致的人物形象或场景。 “Stylize 风格化”：使用 stylize 参数可让 Midjourney 生成更具艺术色彩、构图和形式的图像，低风格化值生成的图像与提示密切相关但艺术性较差，高风格化值产生的图像艺术性强但与提示关联性少，AI 自由发挥空间大。

以下是一些可以替代 MJ（Midjourney）和 Runway 的软件： Luma 发布的 DIT 视频生成模型 Dream Machine 图生视频表现惊艳，具有电影级效果。 出图工具方面，还有 SD（Stable Diffusion）和悠船。MJ 稳定性好、协作性强且有成熟经验参考，但并非所有人都拥有；SD 有独特能力但需本地部署且上手门槛高；悠船对中文支持好、交互友好简单易上手，但管控严格，有很多敏感词不能使用。 如果您想了解更多关于这些软件的详细信息或有其他特定需求，请进一步向我提问。

以下是关于如何使用 MJ（Midjourney）的详细说明： 1. 图像网格： 使用 /imagine 命令可根据提示生成低分辨率图像选项网格。 每个图像网格下方的按钮可用于创建图像的变体、升级图像或重新运行最后一个 Midjourney Bot 操作。 U1U2U3U4 按钮将图像与图像网格分开，方便下载或使用其他工具，如“缩小”“平移”。使用旧版 Midjourney 模型版本时，U 按钮会放大图像。 重做（重新滚动）按钮可重新运行作业，重新运行原始提示生成新的图像网格。 变化按钮（V1V2V3V4）可创建所选网格图像的增量变化，生成与所选图像整体风格和构图相似的新图像网格。 2. 放大图像： 制作变体：创建放大图像的变体并生成包含四个选项的新网格。 网页：在 Midjourney.com 上打开图库中的图像。 最喜欢：标记您最好的图像，以便在 Midjourney 网站上轻松找到它们。 3. 模型个性化： MJ 发布了模型个性化 Personalization 或 'p' 的早期测试版本。 每次写提示时，很多信息是“隐含的”，MJ 算法通常用社区综合偏好填补空白，而模型个性化会学习您的喜好来填补。 模型个性化的要求：目前从成对排名中的投票和喜欢的探索页面上的图像中学习，需要大约 200 个成对排名/喜欢才能生效，可在排名页面查看评分数量或在 Discord 上输入 /info。 使用方法：只需在提示后输入 'p'，或使用提示栏中的设置按钮为所有提示启用个性化功能。启用时会在提示后添加一个“代码”，可分享让其他人使用应用于该图像的个性化效果，还可以使用 's 100' 控制个性化效果的强度（0 为关闭，1000 为最大，100 为默认）。 注意：个性化目前不是稳定功能，会随更多成对排名而变化，可能会推出算法更新，视为“不断变化的有趣功能”。 4. Midjourney V6 更新风格参考命令 2.0"sref"： 2 月 1 日初次发布了首个“一致风格”测试算法，称为“风格参考”，工作方式类似于图像提示，可提供一个或多个描述想要的一致风格的图像的 URL。 使用方法：在提示后面输入 'sref' 以及一个指向图像的 URL，例如 'sref url A'。 高级设置：使用多个图像 URL 并设置风格的相对权重，例如 'sref urlA::2 urlB::3 urlC::5'，通过 'sw 100' 设置风格化的总体强度（100 是默认值，0 表示关闭，1000 表示最大值），常规图像提示必须在 'sref' 之前。 注意：MJ 可能会在接下来的几周内更新此功能，若提示倾向于照片逼真而想要冲突的插图风格，可能仍需在提示中添加文本说明，风格参考对图像提示没有直接影响，仅对至少包含一个文本提示的作业产生影响，计划稍后添加“一致角色”的功能，与 'cref' 参数使用方式相同。

Midjourney 的使用方法如下： 模型个性化： 工作原理：模型个性化会学习您的喜好，以更符合您的口味生成图像。 要求：目前从成对排名中的投票和您喜欢的探索页面上的图像中学习，需要大约 200 个成对排名/喜欢才能生效。您可以在排名页面查看评分数量，或在 Discord 上输入/info。 使用方法：在提示后输入p，或使用提示栏中的设置按钮为所有提示启用个性化功能。启用时会在提示后添加一个“代码”，您可以分享此代码让他人使用应用于该图像的个性化效果。还可以使用s 100 控制个性化效果的强度（0 为关闭，1000 为最大，100 为默认）。 注意事项：个性化目前不是稳定功能，会随您进行更多成对排名而变化，且可能会在接下来几周内推出算法更新。 在 Discord 上的使用： 与 Midjourney Bot 互动：可以在 Discord 上进行，Midjourney 服务器具有不同的界面和频道。 直接消息：与直接消息中的 Midjourney 机器人进行一对一合作，获得更安静的体验。 Midjourney 官方服务器：提供协作和计费/技术支持渠道。 频道列表：包括support 频道获取计费和技术支持，newbies 频道创建图像。 会员名单：Midjourney Bot 使用命令生成图像，版主和指南可帮助解决计费和技术问题。 V6 更新风格参考命令 2.0"sref"： 初次更新 1.0 说明：2 月 1 日，MJ 发布首个“一致风格”测试算法，称为“风格参考”，可提供一个或多个描述想要的一致风格的图像的 URL。 如何使用：在提示后面输入sref 及图像的 URL，例如sref url A。系统会将图像 URL 视为“风格参考”，并尝试生成与其风格或美学相匹配的内容，适用于 V6 和 Niji V6（不适用于 V5 等）。 高级设置：可使用多个图像 URL 并设置相对权重，例如sref urlA::2 urlB::3 urlC::5，通过sw 100 设置风格化的总体强度（100 是默认值，0 表示关闭，1000 表示最大值），常规图像提示必须在sref 之前。 注意事项：MJ 可能会在接下来几周内更新此功能，若提示倾向于照片逼真而想要冲突的插图风格，可能仍需在提示中添加文本说明，风格参考对图像提示没有直接影响，仅对至少包含一个文本提示的作业产生影响，计划稍后添加“一致角色”功能，与cref 参数使用方式相同。

要有效地用 Midjourney（MJ）画三视图，可以参考以下步骤： 1. 对于核心角色创建，如局长的三视图设计，先明确角色特点，使用 GPT4 生成相关描述。 2. 进行多次尝试和修改，根据团队成员的反馈不断调整。 3. 可以用 MJ 进行垫图生成，在保持原 IP 特点的基础上重新设计。 4. 如果 MJ 生成的效果不理想，可以结合其他工具，如用 Illustrator 手绘，再用 Stable Diffusion（SD）控图，后期利用 AI 工具生成拓展视频。 需要注意的是，MJ 虽然在美术效果和设计能力上有进步，但仍可能存在局限，需要不断尝试和改进。

以下是关于 Midjourney（MJ）的相关信息： 1. 文字生成效果测试：MJ 在圣诞节前夕推出新版本 V6，聚焦于文字生成方面。使用英文文本输入，对英语提示词的识别效果变好，将需要生成的文本用双引号“text”包裹，输出的图片中便能出现所要求的文字。但带文字的图片生成仍受文本量、文字在画面中的占比、其他提示词数量和画面复杂程度等因素影响。为探究 V6 的文字生成能力开展了进一步实践测试。 2. 更新风格参考命令 2.0“sref”：2 月 1 日，MJ 发布首个“一致风格”测试算法，称为“风格参考”。工作方式类似于图像提示，在提示后面输入sref 及图像的 URL，可提供一个或多个 URL 并设置相对权重，还可通过sw 100 设置风格化总体强度。此功能适用于 V6 和 Niji V6，不适用于 V5 等。MJ 可能在接下来几周内更新此功能，风格参考对图像提示无直接影响，仅对至少包含一个文本提示的作业产生影响，计划稍后添加“一致角色”功能。 3. 角色一致性功能使用报告：MJ 推出角色一致性功能，以甜茶的图片为例进行测试。使用方式是在提示后输入`cref URL`附上人物图像的 URL，注意要在提示词后面，可使用`cw`修改参考强度，强度 100 是默认值，会使用面部、头发和衣服，强度 0 时只会关注面部。

以下是关于写作指令的相关内容： 拘灵遣将： 对文章中案例进行脱敏，替换人物姓名、时间和地点。 深化写作时，每次对话输出文章一个部分，各部分字数有规定。 敕代表告诫，明确工作中的禁忌事项和具体要求。 令包括初始化时的欢迎语，牢记符与敕的要求，先请求用户提供案例洞察报告和目标群体，用户提供并输入“依律奉行”后，先输出纲要和写作方案。 熊猫 Jay：万字解读 ChatGPT 提示词最佳实践： 最佳实践 1 是编写清晰的指令。 策略包括在查询中包含详细信息以获得更相关答案，要求模型扮演某个角色，使用分隔符清晰表示输入不同部分，指定完成任务所需步骤，提供示例，指定输出期望长度，提供参考文本。 策略 1 适用于新手，难度为 1 星，价值在于提供更多详细信息可获得更准确具体答案，减少模型猜测和误解，提高交互效率和满意度。 策略 2 适用于新手，难度为 1 星，通过指定角色使模型回答更具特色和针对性，提升输出质量。 OpenAI 官方提示工程指南： 撰写清晰的指令，模型无法读心，可根据输出情况要求调整。 技巧包括在查询中添加详细信息以获得更准确答案，请求模型扮演特定角色，使用分隔符清晰区分输入不同部分，明确指出完成任务需要的步骤，提供实例作为参考，明确指定希望输出的长度。

以下是给 DeepSeek 输入指令以帮助您写论文的一些建议： 1. 采用结构化提示词： 优先保留专业领域术语和技术词汇，这些术语通常具有高信息价值。 对不同类型的信息设置权重，按优先级排序：任务定义>关键约束>专业术语>定量信息>方法论>背景。 以完整语义单元为基本保留单位，而非单个词语，确保压缩后的内容仍保持语义完整性。 避免详细指导思考过程，让模型自主生成思维链。 2. 高阶能力调用： 文风转换矩阵：例如“用鲁迅杂文风格写职场 PUA 现象”“将产品说明书改写成《史记》列传格式”“把这篇论文摘要翻译成菜市场大妈能听懂的话”。 领域穿透技术：如行业黑话破解“解释 Web3 领域的'胖协议瘦应用'理论”。 3. 场景化实战策略： 创意内容生成。 技术方案论证。 4. 效能增强技巧： 对话记忆管理：包括上下文锚定（如“记住当前讨论的芯片型号是麒麟 9010”）、信息回溯（如“请复述之前确认的三个设计原则”）、焦点重置（如“回到最初讨论的供应链问题”）。 输出质量控制：针对过度抽象、信息过载、风格偏移等问题，使用相应的修正指令。 5. 特殊场景解决方案： 长文本创作：可采用分段接力法，如“先完成故事大纲→逐章扩展→最后进行伏笔校验”“确保新章节与前文的三处细节呼应”。 敏感内容处理：使用概念脱敏法（如“用经济学原理类比说明网络审查机制”）或场景移植法（如“假设在火星殖民地讨论该议题”）。 在输入指令时，您需要清晰明确地描述论文的题目、研究目的、主要论点、关键论据、期望的结构和风格等重要信息，以便 DeepSeek 能够为您生成符合要求的内容。

以下是关于 AI 降重指令的相关知识： Prompt 是用于指挥 AI 生成所需内容的一段指令，每个单独的提示词叫 tag（关键词）。支持的语言为英语（不用担心英语不好的问题，），emoji 也可以用。 语法规则： 用英文半角符号逗号,来分隔 tag，逗号前后有空格或者换行都不影响效果。 改变 tag 权重：tag 的顺序越靠前对于 SD 来说权重越大，可通过两种写法设置权重。一是 括号，权重就重 1.1 倍，每加一层括号就反向减弱 1.1 倍。 进行 tag 的步数控制（高级玩法）：即 SD 先按输入的 tag1 开始生成，然后在达到设定的步数之后，tag1 停止产生作用，此时 tag2 再参与到对内容生成的影响，可表示为，数字大于 1 理解为第 X 步前为 tag1，第 X 步后变成 tag2，数字小于 1 理解为总步数的百分之 X 前为 tag1，之后变成 tag2。

以下是关于毕业论文的 AI 指令的总结： 1. 可以指定 AI 模仿某位资深人士的风格，如律师的逻辑严谨和言简意赅。 2. 要求 AI 为您提供多个例子，例如针对案件给出至少三种不同的诉讼策略，并分析每种策略的优劣势。 3. 采用 PEMSSC 方法，包括个性化的风格（Personality）、给参考或一定的逻辑结构（Example Inquiry）、从多个角度思考（Multiple Angles）、总结概括（Summarize）、使用区分符号（Separator）、明确能力或者角色（Capacity and Role）。 4. 对于大多数实际应用，建议专注于经过调整的指令语言模型，使用时要给清晰的指令，如指定文本的语气、要求集中讨论的内容，甚至可以提前指定阅读的文本。 5. 可以直接要求 LLM 帮写论文，如提供个人背景信息和指令让其写大学申请论文，但要注意这种使用方式的道德问题。

以下是使用 DeepSeek 写论文的一些指令模板： 1. 进阶控制技巧： 思维链引导： 分步标记法：请逐步思考：1.问题分析→2.方案设计→3.风险评估 苏格拉底式追问：在得出最终结论前，请先列举三个可能存在的认知偏差 知识库调用： 领域限定指令：基于 2023 版中国药典，说明头孢类药物的配伍禁忌 文献引用模式：以 Nature 2022 年发表的论文为参考，解释 CRISPRCas9 最新突破 多模态输出 2. 高级调试策略： 模糊指令优化： 问题类型：宽泛需求 修正方案：添加维度约束 示例对比：原句：“写小说”→修正：“创作以 AI 觉醒为背景的悬疑短篇，采用多视角叙事结构” 问题类型：主观表述 修正方案：量化标准 示例对比：原句：“写得专业些”→修正：“符合 IEEE 论文格式，包含 5 项以上行业数据引用” 迭代优化法： 首轮生成：获取基础内容 特征强化：请加强第三段的技术细节描述 风格调整：改用学术会议报告语气，添加结论部分 最终校验：检查时间逻辑一致性，列出可能的事实性错误 3. 核心原理认知： AI 特性定位： 多模态理解：支持文本/代码/数学公式混合输入 动态上下文：对话式连续记忆（约 8K tokens 上下文窗口，换算成汉字是 4000 字左右） 任务适应性：可切换创意生成/逻辑推理/数据分析模式 系统响应机制： 采用意图识别+内容生成双通道 自动检测 prompt 中的：任务类型/输出格式/知识范围 反馈敏感度：对位置权重（开头/结尾）、符号强调敏感 4. 基础指令框架： 四要素模板 格式控制语法： 强制结构：使用```包裹格式要求 占位符标记：用{{}}标注需填充内容 优先级符号：>表示关键要求，!表示禁止项 5. 高阶能力调用： 文风转换矩阵： 作家风格移植：“用鲁迅杂文风格写职场 PUA 现象” 文体杂交：“将产品说明书改写成《史记》列传格式” 学术口语化：“把这篇论文摘要翻译成菜市场大妈能听懂的话” 领域穿透技术：行业黑话破解→“解释 Web3 领域的‘胖协议瘦应用’理论” 商业决策支持 6. 场景化实战策略： 创意内容生成 技术方案论证 7. 效能增强技巧： 对话记忆管理： 上下文锚定：“记住当前讨论的芯片型号是麒麟 9010” 信息回溯：“请复述之前确认的三个设计原则” 焦点重置：“回到最初讨论的供应链问题” 输出质量控制： 问题类型：过度抽象 修正指令：“请具体说明第三步操作中的温度控制参数” 问题类型：信息过载 修正指令：“用电梯演讲格式重新组织结论” 问题类型：风格偏移 修正指令：“回归商务报告语气，删除比喻修辞” 8. 特殊场景解决方案： 长文本创作： 分段接力法：“先完成故事大纲→逐章扩展→最后进行伏笔校验”“确保新章节与前文的三处细节呼应” 敏感内容处理： 概念脱敏法：“用经济学原理类比说明网络审查机制” 场景移植法：“假设在火星殖民地讨论该议题”

以下是一些用 DeepSeek 写课题申报书的相关指令和要点： 1. 思维链引导： 分步标记法：请逐步思考，如问题分析→方案设计→风险评估。 苏格拉底式追问：在得出最终结论前，先列举三个可能存在的认知偏差。 2. 知识库调用： 领域限定指令：基于特定的标准或文献，如 2023 版中国药典，说明相关内容。 文献引用模式：以特定的论文为参考，解释相关突破。 3. 多模态输出： 模糊指令优化：对于宽泛需求添加维度约束，将主观表述量化标准。 迭代优化法：包括首轮生成获取基础内容、特征强化、风格调整和最终校验等步骤。 4. 在课题申报书的内容方面： 关于提示词编写及 AI 应用的探讨：介绍用于不确定世界中理性决策的提示词编写方法，包括收集信息、重新定义问题、运用 Mini Max Regret 方法等步骤。注意示例的价值，自用与他用提示词在稳定性、经济性、可维护性等方面的区别。 AI 应用于软件开发：未来借助 AI 模型的 API 和编写提示词，可快速实现软件开发。 关于写作与模型：用 DeepSeek 写小说要能引起共鸣和考虑人类共性，文字要感动人。注意模型特点与推荐，如 Cloud 3.5 模型多样性差，DeepSeek R1 有缺陷但也不错。 以上内容仅供参考，您可以根据具体的课题需求进一步调整和完善。