惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

J
Java Code Geeks
Last Week in AI
Last Week in AI
T
Tailwind CSS Blog
WordPress大学
WordPress大学
B
Blog RSS Feed
T
The Blog of Author Tim Ferriss
F
Fortinet All Blogs
aimingoo的专栏
aimingoo的专栏
MongoDB | Blog
MongoDB | Blog
博客园 - Franky
C
Check Point Blog
P
Proofpoint News Feed
H
Help Net Security
月光博客
月光博客
博客园_首页
Stack Overflow Blog
Stack Overflow Blog
博客园 - 三生石上(FineUI控件)
Martin Fowler
Martin Fowler
Recent Announcements
Recent Announcements
人人都是产品经理
人人都是产品经理
U
Unit 42
美团技术团队
I
InfoQ
A
About on SuperTechFans

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
AI界的“魔法棒”:LoRA解锁智能体创作新体验!
百度MEUX · 2025-03-27 · via 人人都是产品经理

在AI技术飞速发展的当下,LoRA(Low-Rank Adaptation)模型作为一种新兴的微调技术,正逐渐成为解锁智能体创作新体验的“魔法棒”。本文将深入探讨LoRA模型在智能体创作中的应用实践,从项目背景、玩法创新、明确方向到模型训练及落地收益,全方位展示如何通过LoRA提升图像生成质量、精准表达提示词,并确保图像输出风格的稳定性与独特性

AIGC工具的出现为整个设计行业带来了革命性变化,其强大之处有目共睹。

设计师们借助它大大提高了创作效率,同时它也可以将设计师的各种想法化为充满创意的画面,让我们可以将更多精力投入到创意构思和细节优化上。

但目前AI生图仍存在生成随机性强、AI同质化严重等问题,为了避免这些负面影响,我们将训练自有的LoRA模型作为一种解决方案,添加LoRA模型进行生图不仅可以提升图像生成质量、精准表达提示词,也能确保图像输出风格的稳定性与独特性。

在通过深入了解并使用LoRA模型后,我们开始思考如何将其与玩法结合并落地于业务的运营活动中。

一、项目探索

1.项目背景

文小言作为一款AI原生产品,其中囊括了众多AI相关的特色功能。

在已上线的「二十四节气-写诗成画」智能体中,我们期望文小言能依据用户提示词,创作出与当下节气相契合的精美藏头诗海报,但目前AI在此过程中的参与度稍显不足,仅参与了藏头诗部分的生成,节气底图仍依赖设计师绘制。

为深度挖掘AI的潜力,我们考虑将LoRA生图能力落地在智能体的底图生成中,通过将两者巧妙结合,制成精美且充满意境的国风水墨系列海报,从立春之始,至岁末大寒,让每一幅海报都似精美水墨画卷般缓缓展开。

2.玩法创新

通过LoRA将AI生图能力落地在「二十四节气-写诗成画」智能体中,做到快速生成多张相同风格的节气海报,同时也使生成的画面创意倍增,极大强化玩法的AI属性与趣味性,提升用户的生成体验。

另一方面,通过一次性搭建配置平台,只需简单更换节气提示词即可做到节气风格切换,极大简化玩法前期配置所需环节。

同时,该玩法历经长期的更新迭代,已经积累了大量优质的训练集,并形成一套完整的水墨风格体系,基本可以满足节气风格LoRA的训练所需。

3.明确方向

训练前期,将现有节气海报图片汇总排列,分析并提炼其共同点和风格特征,从而确定了LoRA风格训练的几大方向:

  • 保持国风水墨风格:确保LoRA在图像生成时能够凸显画面的意境氛围和水墨晕染的笔触,使观者仿若置身于诗意的山水画卷之中。
  • 强调画面上方留白:留白不仅是国风水墨画中凸显意境的常见艺术手法,同时也为藏头诗的融入提供了相应的区域,二者相辅相成,共同展现出独特的艺术魅力。
  • 支持节气灵活切换:为确保图像生成的多样化体验,需在满足以上两点的同时,实现单一LoRA模型对二十四节气的灵活适配,这要求我们深入理解四季变换的自然规律与美学特征,并制定针对性训练策略,让LoRA在生图时充分彰显四季更迭的独特魅力。

4.模型训练

在明确了训练方向后,我们正式启动了模型训练流程,遇到问题采取相应策略,见招拆招!

1)训练集补全

由于目前已更新的节气尚未覆盖全年二十四节气,所以首先需要对缺失图集进行补全。

我们通过将已有图集上传至Midjourney,利用已有图集垫图控制生成风格,在提示词方面强调水墨意境与画面留白的描述,二者结合共同引导,快速补全24节气缺失图集。

经过多轮生成尝试得出结论,关于景色的描述越简洁,画面则越有意境,所以我们借助了文小言的文言文生成能力,得到了简洁优美的画面提示词。

2)训练集处理‍

由于AI生成具有极强的随机性,因此我们在训练集准备阶段,通过PS对图像布局进行调整,并根据训练集画面提炼对应的描述词模版,旨在特意强调画面中的留白部分。这一操作不仅是为了给藏头诗预留区域,留白同样也是水墨画中不可或缺的元素,它不仅能够赋予画面呼吸的空间,更能够凸显画面所蕴含的深邃意境与无限遐想。

3)训练及成果测试

通过调整合适的训练参数进行LoRA训练,多次训练结果对比显示,若是采取将训练集按季节细致分类的策略,可以增强模型对季节特征的辨识与学习能力,有效避免季节特征间相互污染,确保LoRA中四季的划分。

随后,通过将LoRA结合大模型进行生图测试,寻找最佳生图参数,并通过总结高质提示词模版,做到更换季节、场景描述即可完成高质量、高泛化的图像生成。

4)生图功能落地

最后我们将生成的图像与AI藏头诗巧妙融合,制作出一系列画面精美、意蕴深远的节气藏头诗海报。

这些海报不仅展示了中国传统文化的独特魅力,还通过现代科技的手段,让古老的节气文化焕发出新的生机与活力,更为我们带来了全新的视觉与心灵享受。

二、落地收益

我们将生图能力整合落地至「二十四节气-写诗成画」智能体后,实现了图像创作的全AI化,它能够根据用户的个性化需求,生成丰富多样的视觉内容。这不仅极大吸引了用户的注意力,还激发了他们的创意互动热情,为用户带来了全新的玩法体验。

这种创新性的运营玩法不仅显著提升了用户参与度,强化了产品的AI属性,更在无形中增强了品牌影响力。后续我们也会通过不断优化训练集内容对LoRA进行版本迭代,在图像创作领域为用户带来更好的体验。

本文由人人都是产品经理作者【百度MEUX】,微信公众号:【百度MEUX】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于 CC0 协议。