核心内容摘要
申鹤腿法，不止于“熟练脚法精”：解析其独步天下的奥义
AI原生应用领域人机共创的典型
案例分析关键词AI原生应用、人机共创、生成式AI、提示词工程、多模态创作摘要本文以AI原生应用中的人机共创为核心通过5大典型案例拆解人类与AI协作的底层逻辑。
我们将从什么是AI原生应用和人机共创的本质讲起结合MidJourney、Notion AI、Runway等明星产品的真实使用场景分析人机如何在创意生成、效率提升、多模态创作中实现112的效果。
最后探讨这一趋势的未来挑战与机遇帮助读者理解人机共创时代的核心玩法。
背景介绍目的和范围随着GPT-
3.
Stable Diffusion等生成式AI技术的爆发“AI原生应用”AI-Native Application正以颠覆式姿态重塑互联网产品形态。
区别于传统AI应用的工具化定位AI原生应用从设计之初就将AI作为核心驱动力而人机共创Human-AI Co-creation正是这类应用最具代表性的交互模式。
本文聚焦这一前沿领域通过5个典型案例揭示人机共创的底层逻辑与创新价值。
预期读者互联网产品经理想了解AI如何重构用户体验内容创作者探索AI辅助创作的新可能技术爱好者理解生成式AI的实际应用场景普通用户好奇我和AI能一起做什么文档结构概述本文将按照概念解析→案例拆解→底层逻辑→未来趋势的主线展开。
先通过生活案例解释核心概念再用5大典型应用图像/文本/视频/插件生态/开源社区具体说明人机共创的不同形态最后
总结技术要点与发展挑战。
术语表核心术语定义AI原生应用从产品架构到用户交互都围绕AI能力设计的应用如MidJourney没有传统UI完全通过提示词交互人机共创人类提供创意方向/关键决策AI完成重复性/计算密集型任务的协作模式类似导演特效团队的关系提示词工程Prompt Engineering通过设计自然语言指令引导AI生成符合预期内容的技术相当于给AI的创作说明书相关概念解释多模态生成AI同时处理文本、图像、视频等多种类型内容的能力如Runway可根据文本生成视频生成式AI通过学习海量数据能创造新内容文本/图像/代码等的AI技术区别于传统分类/识别类AI核心概念与联系故事引入小明的漫画创作奇遇初中生小明想画一套《太空探险》漫画但遇到两个难题一是不会画复杂场景比如宇宙飞船爆炸二是没时间每天更新。
他的表哥推荐了AI工具先用MidJourney生成飞船草稿输入未来感宇宙飞船金属质感背景星云再用Runway把静态图做成动态分镜输入飞船爆炸慢镜头火焰呈紫色最后用Notion AI写对话台词输入宇航员发现外星生物时的紧张对话。
小明只需要调整不满意的细节一周就完成了5话漫画。
这个过程中小明负责创意主线故事设定、审美偏好AI负责技术执行画图、做动画、写台词这就是典型的人机共创。
核心概念解释像给小学生讲故事一样核心概念一AI原生应用——从小就会魔法的小精灵传统APP像工具箱比如美图秀秀用户得自己选滤镜、调参数软件只是辅助工具。
而AI原生应用像会魔法的小精灵它天生就会很多技能生成图像、写文章、做视频用户不需要学复杂操作只要告诉它我想要什么它就能帮你实现。
比如MidJourney打开软件后不用点按钮直接打字说画一只戴墨镜的柴犬背景是海滩它就会生成图片。
核心概念二人机共创——画家和助手的完美搭档假设你是画家想画一幅秋天的森林。
以前只能自己画先画树、再画落叶、最后涂颜色很累。
现在有个AI助手你说我想要金色的枫叶阳光从树缝里洒下来助手立刻画出草稿你觉得枫叶不够红说把叶子颜色调深一点助手马上修改。
你负责想创意哪里要突出、什么风格助手负责动手画快速出图、修改细节这就是人机共创——人控制方向AI执行任务。
核心概念三提示词工程——给AI的画画说明书你让AI画猫它可能画家猫、野猫、卡通猫…结果不确定。
但如果你说一只白色的布偶猫坐在粉色沙发上旁边有一个毛线球光线要温暖AI就能画出更接近你想象的图。
这种把你的想法变成AI能听懂的话的技巧就是提示词工程。
就像给厨师写菜谱“用橄榄油中火炒加两勺盐”越详细菜越好吃。
核心概念之间的关系用小学生能理解的比喻AI原生应用 vs 人机共创AI原生应用是舞台人机共创是在舞台上表演的节目。
比如MidJourney这个舞台专门上演用户说需求AI生成图的节目。
人机共创 vs 提示词工程提示词工程是和AI对话的语言。
就像你和外国朋友聊天需要说英语和AI共创需要用提示词语言告诉它具体要求。
AI原生应用 vs 提示词工程AI原生应用是会魔法的小精灵提示词工程是教小精灵做事的咒语。
比如你对MidJourney念咒语戴帽子的兔子水彩风格它就会变出对应的图。
核心概念原理和架构的文本示意图人机共创系统 AI原生应用平台 人类用户创意输入 生成式AI模型内容输出 │ ├─ 提示词工程用户与AI的交互语言 ├─ 多模态能力处理文本/图像/视频等多种内容 └─ 实时反馈用户修改提示词→AI重新生成→用户确认Mermaid 流程图不满意满意用户需求设计提示词AI原生应用生成式AI模型输出内容图像/文本/视频等用户反馈满意/调整提示词最终作品核心算法原理 具体操作步骤人机共创的底层技术主要依赖生成式AI模型最典型的两类是大语言模型LLM如GPT-4能理解和生成文本Notion AI的核心扩散模型Diffusion Model如Stable Diffusion能生成图像MidJourney的核心以图像生成为例扩散模型的工作原理可以简单理解为从模糊到清晰的拼图游戏加噪阶段模型先学习大量图像知道猫的照片应该有什么特征圆耳朵、胡须等。
去噪阶段当用户输入提示词戴墨镜的猫模型从随机噪声像电视雪花开始逐步去除不属于戴墨镜猫的噪声最终生成清晰图像。
具体操作步骤以MidJourney生图为例输入提示词在Discord频道输入/imagine prompt: 穿西装的柯基复古油画风格AI处理MidJourney调用扩散模型分析提示词中的关键元素柯基、西装、复古油画结合训练数据生成4张候选图。
用户选择用户点击某张图的U1放大第一张或输入V1生成类似变体。
迭代优化用户觉得西装颜色太暗输入/imagine prompt: 穿深蓝色西装的柯基复古油画风格AI生成更符合要求的图。
数学模型和公式 详细讲解 举例说明生成式AI的核心数学原理是概率生成模型目标是学习训练数据的概率分布P(X)P(X)P(X)从而生成符合该分布的新样本X′XX′。
以扩散模型为例其训练过程可以简化为minθEt,x0,ϵ[∥ϵ−ϵθ(xt,t)∥2] \min_\theta \mathbb{E}_{t,x_0,\epsilon} \left[ \left\| \epsilon - \epsilon_\theta(x_t, t) \right\|^2 \right]θminEt,x0,ϵ[∥ϵ−ϵθ(xt,t)∥2]x0x_0x0原始图像如训练集中的猫照片xtx_txt对x0x_0x0添加ttt步噪声后的图像类似从清晰到模糊ϵ\epsilonϵ随机噪声类似电视雪花ϵθ\epsilon_\thetaϵθAI模型预测的噪声模型需要学会猜原始图像被加了什么噪声举例假设训练数据是1000张猫的照片模型通过学习这些照片的分布知道猫应该有哪些特征眼睛、耳朵的位置毛色分布等。
当用户输入戴墨镜的猫模型会生成符合猫分布但带有墨镜新特征的图像。
项目实战代码实际案例和详细解释说明为了更直观理解人机共创我们用Python调用OpenAI API实现一个故事共创小工具——用户提供故事开头AI生成后续内容用户修改后继续生成直到完成完整故事。
开发环境搭建安装依赖库pip install openai注册OpenAI账号获取API Key类似钥匙用于调用AI接口源代码详细实现和代码解读importopenai# 设置API Key需替换为自己的Keyopenai.api_keysk-你的API Keydefco_create_story():print(欢迎使用人机共创故事机输入故事开头我会帮你续写)user_inputinput(请输入故事开头例如在一个会飞的岛屿上...)story[user_input]# 用列表保存故事段落whileTrue:# 调用GPT-
5生成后续内容responseopenai.ChatCompletion.create(modelgpt-
5-turbo,messages[{role:system,content:你是一个故事续写助手用户提供故事开头你需要续写一段200字左右的内容保持连贯和趣味性。
},{role:user,content:f请续写以下故事{story[-1]}}])ai_outputresponse.choices[0].message[content]print(f\nAI续写{ai_output})# 用户修改或确认user_feedbackinput(\n是否修改输入修改重新生成或输入你的修改内容直接回车确认)ifuser_feedback.strip()修改:continue# 跳过本次重新生成elifuser_feedback.strip()!:story.append(user_feedback)# 用户修改后内容加入故事else:story.append(ai_output)# 用户确认AI内容加入故事# 询问是否继续continue_flaginput(\n继续续写吗输入是继续其他键结束)ifcontinue_flag.strip()!是:break# 输出完整故事print(\n 最终故事 )print(\n.join(story))# 运行程序co_create_story()代码解读与分析核心逻辑用户输入开头→AI续写→用户修改/确认→循环直到完成故事。
关键参数modelgpt-
5-turbo指定使用GPT-
5模型messages参数中system角色设定AI的身份故事续写助手user角色传递用户的具体需求。
人机交互用户通过输入修改或直接编辑内容控制故事的走向比如用户觉得AI写的反派太弱可以修改为反派突然掏出激光剑。
实际应用场景案例1MidJourney——图像创作的提示词游戏场景插画师设计绘本封面输入森林里的小狐狸穿着红色斗篷周围有发光的萤火虫水彩风格AI生成4张图用户选择后调整提示词如萤火虫颜色改为蓝色最终得到满意的封面。
人机分工人负责风格/主题/细节要求如水彩风格“蓝色萤火虫”AI负责快速生成多版本方案4张候选图。
数据截至2023年MidJourney用户超3000万每天生成图像超1亿张。
案例2Notion AI——文档写作的智能秘书场景自媒体博主写产品评测输入帮我写一篇关于新款智能手表的评测重点讲续航和健康功能风格要活泼AI生成初稿后用户修改敏感数据如价格、补充个人体验“我戴了一周续航确实强”最终发布。
人机分工人负责核心观点/个性化内容如个人体验AI负责信息整理/结构化表达将续航参数、健康功能描述成流畅文字。
效率提升Notion官方数据显示用户使用AI后文档完成时间平均缩短60%。
案例3Runway——视频创作的魔法剪辑师场景独立电影人制作短片输入一个女孩在雨中跑向灯塔镜头从远到近雨丝清晰灯塔灯光温暖AI生成5秒视频片段用户觉得雨太小输入雨势加大地面有积水反光AI重新生成。
最终通过多个片段拼接完成短片。
人机分工人负责场景描述/情绪要求如雨势加大“温暖灯光”AI负责复杂视觉效果雨丝、积水反光的真实渲染。
技术突破Runway支持文本转视频Text-to-Video底层融合了扩散模型和视频生成模型。
案例4ChatGPT插件生态——跨工具的超级大脑场景用户问ChatGPT“帮我规划明天去上海迪士尼的行程包括交通、餐饮和必玩项目”ChatGPT调用谷歌地图插件查交通路线调用大众点评插件推荐附近餐厅调用迪士尼官方插件获取项目排队时间最终生成详细行程。
用户调整后如把午餐换成粤菜ChatGPT重新调用插件优化。
人机分工人负责需求目标规划迪士尼行程AI负责多工具协同/信息整合调用地图、点评、官方插件。
生态价值截至2023年底ChatGPT插件商店已有超500个插件覆盖办公、教育、生活等领域。
案例5Stable Diffusion社区——开源共创的创意广场场景开发者基于Stable Diffusion开源模型训练出中国风、“赛博朋克等风格模型普通用户用这些模型生图分享到社区并标注提示词如中国风青花瓷纹理仙女”其他用户参考提示词生成自己的图形成模型训练→用户生图→提示词共享的正向循环。
人机分工开发者负责模型优化训练新风格用户负责创意应用探索提示词玩法社区负责知识沉淀共享提示词和模型。
社区活力Stable Diffusion GitHub仓库星标超10万社区论坛每天新增提示词分享帖超2000条。
工具和资源推荐类型工具/资源特点适用场景图像生成MidJourney简单易用风格多样插画、设计稿快速出图图像生成Stable Diffusion本地版可自定义模型适合进阶用户专业设计、模型训练文本生成Notion AI深度集成文档工具支持实时修改报告、文章、邮件写作视频生成Runway多模态生成文本→视频支持精细调整短片、广告片段制作多工具协同ChatGPT插件连接外部工具解决复杂任务行程规划、数据查询学习资源Prompt Base共享提示词库可搜索优质提示词快速学习提示词技巧未来发展趋势与挑战趋势1多模态融合——从单项创作到全能创作未来AI原生应用将支持文本图像视频一键生成。
例如输入写一个关于太空探险的故事配5张插画做30秒动画AI能同时完成文本、图像、视频的协同生成。
趋势2个性化共创——从通用模型到个人专属通过学习用户的历史创作数据如偏好的风格、常用的提示词AI能生成更符合用户习惯的内容。
例如画家A喜欢冷色调抽象风格AI会记住这一偏好下次生图时自动调整参数。
趋势3实时协作——从先后操作到同步共创多人同时与AI协作成为可能。
例如编剧、插画师、动画师在同一个平台上一边讨论剧情一边让AI实时生成对应的分镜图和对话稿。
挑战1创意归属——谁是作者如果用户用AI生成一幅画版权属于用户、AI开发者还是模型训练数据的原作者目前各国法律尚未明确可能引发纠纷。
挑战2质量控制——如何避免垃圾输出AI可能生成错误信息如历史事件时间错误或低质量内容如模糊的图像。
需要更强大的内容审核和用户反馈优化机制。
挑战3技术瓶颈——复杂创作仍需人工对于高度抽象的创意如原创小说的核心设定AI目前只能基于现有数据生成难以突破模仿层面真正的创新仍依赖人类。
总结学到了什么核心概念回顾AI原生应用天生就会用AI魔法的工具用户只需提需求不用学复杂操作。
人机共创人出创意方向AI做技术执行像画家和助手一起画画。
提示词工程和AI对话的说明书越详细AI越懂你的需求。
概念关系回顾AI原生应用是舞台人机共创是在舞台上表演的节目提示词工程是和AI对话的语言。
三者结合让普通人也能轻松完成以前需要专业技能的创作画图、写文章、做视频。
思考题动动小脑筋如果你是一名教师想用人机共创做一套恐龙科普课件你会怎么设计比如用Notion AI写文字MidJourney画恐龙图Runway做恐龙动画假设你想让AI生成一张中国传统节日春节的插画你会怎么设计提示词可以包括元素红灯笼、舞龙、小朋友、温暖的阳光你认为未来人机共创可能在哪些领域带来最大变革教育医疗还是其他附录
常见问题与解答QAI生成的内容有版权吗A目前中国法律规定AI生成内容不视为作品版权归用户因为用户通过提示词参与了创作。
但如果AI使用了受版权保护的训练数据可能涉及侵权需注意使用合规模型如Stable Diffusion基于CC0协议数据训练。
Q普通人需要学提示词工程吗A需要就像学英语能更好和外国人交流学提示词工程能让你更高效地和AI沟通。
比如输入8K高清4K分辨率比画清楚点AI生成的图会更清晰。
QAI会取代人类创作者吗A不会AI擅长快速执行但创意灵感“情感表达仍是人类的优势。
未来的顶级创作者一定是会用AI的人”就像现在的设计师都会用PS但PS没取代设计师。
扩展阅读 参考资料《生成式AI创造未来》——卡内基梅隆大学AI实验室报告《人机共创从工具到伙伴》——MIT科技评论专题文章MidJourney官方文档https://midjourney.com/docs/OpenAI提示词指南https://platform.openai.com/docs/guides/prompt-engineering