「大模型摇摇乐」硬核教程：零基础搞定文案生成应用！

大模型趣味赛「大模型摇摇乐」活动火热进行中。想要更加了解本次活动的规则并拿到更丰富的奖励吗？快来看本教程吧！本文将以“AI 一键生成文案”为例进行教程讲解～

项目简介

设计背景

为什么做这个项目

在社交媒体日益流行的时代，许多人在分享照片时常常苦恼于如何配文，本项目让每张照片都能轻松配上合适的文案。

提供了什么能力

结合了飞桨图像识别和文心大模型的处理技术，能够智能分析照片内容，并根据分析结果生成有创意的文案。

解决了什么问题

用户上传照片，一键自动生成文案，解决了用户在分享照片时“想不到文案”这一问题。

效果展示

小红书风格：今天去看了海洋馆，写一篇小红书推文！

近代诗歌风格：看到良辰美景，想要吟诗作赋一首

体验地址

图片文案摇摇乐（AI图片识别文案好帮手）

设计思路

交互逻辑

1.上传图片

2.选择风格

3.生成文案

数据流逻辑

1.上传图片

2.图像识别、OCR识别

3.得到图片关键信息

4.风格选择

5.Prompt模版适配

6.文心一言处理Prompt+图片关键信息

7.输出文案

实现流程

根据不同AI原生应用场景，可以围绕以下3点设计产品功能：

• 支持用户上传图片
• 支持选择文案风格
• 支持自动生成文案

环境准备

请在下面三选一即可，如果您已经有Python3.x相关环境可直接进行下一步。

1.飞桨星河社区：

在线使用免费的 GPU 资源，Notebook 开发教程：https://www.bilibili.com/video/BV1Lw411n7oU

2.Anaconda 全家桶：

已包含 Python 和一些库，介绍、安装及使用教程：https://zhuanlan.zhihu.com/p/32925500

3.Python 官方网站：

https://www.python.org/ 进行下载安装。

Gradio 基础框架搭建

为什么选择 Gradio 作为 AI 的 UI 工具？

1.基于 Python：

Gradio 是基于 Python 开发的库，使用 Gradio 作为 UI 工具避免频繁切换复杂语言。

2.模块丰富：

支持多种输入和输出类型，包括文本、图像、音频等，同时还提供了丰富的界面组件。

3.简单易用：

快速构建交互式应用程序，无需繁琐的代码编写和复杂的配置。

Gradio 官方参考文档：https://www.gradio.app/guides/quickstart

1.打开命令行界面：打开命令行界面（例如 Windows 上的命令提示符或 Mac 上的终端）。

2.使用 pip 安装 Gradio：在命令行界面中输入以下命令，按下回车执行：

在项目工程文件使用时，只需导入 gradio 库即可，示例：

示例运行效果图

✍️初版设计

使用大语言模型生成代码：将需求告诉文心一言，便快速生成 Gradio代码，并按照实际需求不断调整优化。

【用户】：

【回复】：

运行效果图现在基础交互框架搭建完毕，支持图片上传、样式选择、提交清除按钮、转换文本输出模块。接下来，结合实际业务流程补充代码模块。

功能设计与能力补齐

在产品设计中，需要利用图像识别和 OCR 能力进行图片分析，大语言模型的能力处理数据，下面将介绍如何使用相关能力进行应用设计：

ERNIE Bot SDK

ERNIE Bot SDK 提供便捷易用的接口，可以调用文心一言的能力，包含文本创作、通用对话、语义向量、AI 作图等，具体支持功能如下（更多功能持续更新中）：

• 对话补全（Chat Completion）
• 语义向量（Embedding）
• 文生图 （Image Generation）
• 函数调用 （Function Calling）

介绍地址：https://aistudio.baidu.com/cooperate/yiyan

如何完成身份鉴权并使用？

在飞桨星河社区个人中心的访问令牌页面，大家可以获取到自己的 Access Token。

鉴权信息获取完整流程：https://github.com/PaddlePaddle/ERNIE-Bot-SDK/blob/develop/docs/authentication.md

ERNIE Bot SDK 开发完整教程可参考：ERNIE Bot SDK基础教程

快速开始

1.打开命令行界面：打开命令行界面（例如 Windows 上的命令提示符或 Mac 上的终端）。

2.使用 pip 安装 ERNIE Bot：在命令行界面中输入以下命令，按下回车执行：

在项目工程中，只需导入ERNIE Bot库即可，示例：

✍️ 初版设计在这里将文心大模型的能力封装成一个 def 方法，便于其他模块进行调用交互：

运行测试结果图

百度智能云的图像识别功能可以精准识别超过十万种物体和场景，包含10余项高精度的识图能力并提供相应的API服务，充分满足各类开发者和企业用户的应用需求。可以将这部分的代码直接放到项目工程中，作为一个新的文件存储，并在主代码模块中进行模块引用，或者也可以将其封装成独立的函数方法。

在这里，将图像识别模型能力封装成一个 def 方法，便于其他模块进行调用交互：

截止目前，已经形成一个较为完整的项目结构：

应用部署上线

创建项目

进入飞桨星河社区创建Notebook项目。

启动环境

点击启动环境后，选择合适的运行资源进入项目内。

上传文件

进入环境后，可以看到BML CodeLab界面，在左侧菜单栏，将项目相关的本地文件上传即可。

依赖安装

缺什么库安装什么即可。

1.新建启动页，打开终端页面

2.使用 pip 安装 ERNIE Bot：在命令行界面中输入以下命令，按下回车执行：

3.创建requirements.txt文件，便于后续应用部署使用，文件仅限输入依赖 erniebot 即可，若有多个依赖库可以换行输入。

创建应用Gradio

使用Gradio应用可以在线运行并预览，相比直接运行main.py会更方便的看到动态运行的效果。

应用部署

首次部署时，弹窗内选择“部署新应用”。

填写应用信息后，即可提交部署。

提交后可以在右下角看到部署的状态信息，成功后则可以进行体验了

心动不如行动看完本项目教程，你对「大模型摇摇乐」活动是不是更心动了？还不赶紧来参加！

点击图片了解活动详情

是不是厌倦了枯燥的开发生活，想来点新鲜刺激的事情？赶紧加入「大模型摇摇乐」活动吧！释放你的创意，摇出创意，摇出喜爱，摇出礼品！无论你是代码新手还是技术大咖，只要你对大语言模型充满好奇心，我们都欢迎你的加入！