ai时代的数字素养-寒假实践感悟

目录

1.Ai大模型使用感悟

大模型 api 调用

星火api调用

stable_diffusion webui 本地部署

stable_diffusion webui api 调用

2.实践过程：尝试采用ai实现儿童绘本创作

思路和代码实现

 问题与反思

生成过程

3.引用

---

1.Ai大模型使用感悟

大模型 api 调用

import openai
client = openai.OpenAI(api_key="······",
 base_url="······")
response = client.chat.completions.create(model="yi", messages = [
 {
 "role": "user",
 "content": "你是谁"
 }
])
print(response.choices[0].message.content)

api_key，base_url由学校提供,此处隐去

client.chat.completions.create()

以一系列消息作为输入，并将模型生成的消息作为输出,这段代码就是我们和ai交流的核心，这里model=‘调用模型名’（baichuan2/yi），message就是我们给ai发信息的内容，message是一个列表，装着很多个字典，每一个字典就是一次发送的信息，‘role’我们可以选择：

• 系统（system） 消息有助于设置助手的行为。在上面的例子中，助手被指示 “你是一个得力的助手”。
• 用户（user） 消息有助于指导助手。 就是用户说的话，向助手提的问题。
• 助手（assistant） 消息有助于存储先前的回复。这是为了持续对话，提供会话的上下文。

"content"字段就是内容。

然后我们在看看这个response长什么样子，

print(response)

ChatCompletion(id='---', choices=[Choice(finish_reason='stop', index=0, logprobs=None, message=ChatCompletionMessage(content='巴黎是一个充满魅力和历史的城市，这里有无数的景点和活动。以下是一些建议，帮助您规划一个愉快的巴黎之旅：\n\n1. 参观经典地标：不要错过埃菲尔铁塔、凯旋门、卢浮宫和凡尔赛宫等著名景点。提前在网上预订门票，以避免排队。\n\n2. 探索艺术世界：巴黎拥有众多博物馆和画廊，包括奥塞美术馆和蓬皮杜中心。如果您对艺术感兴趣，可以安排专门的时间来欣赏这些作品。\n\n3. 漫步城市：巴黎的许多美丽景色都隐藏在城市的街道和小巷中。尝试步行或骑自行车游览，这样可以更接近当地人的生活方式。\n\n4. 体验法式美食：品尝当地的面包、奶酪和葡萄酒，不要错过街边的小吃摊贩，那里可以找到正宗的法式美食。\n\n5. 购物：巴黎是时尚之都，从高级时装到平价品牌，这里有各式各样的购物选择。香榭丽舍大街和蒙马特地区都是不错的购物地点。\n\n6. 了解历史：参观巴黎的地下墓穴、圣母院大教堂和协和广场等地方，这些地方见证了巴黎的悠久历史。\n\n7. 享受户外空间：巴黎有许多公园和花园，如卢森堡公园和杜乐丽花园，是放松身心的好去处。\n\n8. 晚上娱乐：巴黎的夜生活丰富多彩，从歌舞表演到现场音乐，总有适合您的东西。预订一场歌剧或音乐会，体验法式浪漫。\n\n9. 注意安全：在旅游景点和人多的地方要小心扒手，避免在夜间独自走在僻静的街道上。\n\n10. 规划行程：提前了解巴黎的交通系统，包括地铁、公交和出租车。购买一张Paris Pass或其他博物馆通行证，可以节省排队的时间。\n\n希望这些建议对您有所帮助！祝您在巴黎有一个美好的旅程。', role='assistant', function_call=None, tool_calls=None))], created=1709128837, model='ollama/yi:34b-chat', object='chat.completion', system_fingerprint=None, usage=CompletionUsage(completion_tokens=423, prompt_tokens=32, total_tokens=455))

 我们发现我们需要的内容在response的choise，choise列表中的Choise作为第一个故是choise[0],然后我们再取message下content中，便可以拿出ai回复给我们的文本了。

星火api调用

我们在星火模型下申请试用资格

讯飞星火认知大模型-AI大语言模型-星火大模型-科大讯飞 (xfyun.cn)

找到密钥等信息后访问星火认知大模型Web API文档 | 讯飞开放平台文档中心 (xfyun.cn)下载示例

SparkApi.py这个文件就是关键了，我们调用的时候用

import SparkApi

最好保证这个文件与项目在同一个文件夹

text =[]
def getText(role,content):
    jsoncon = {}
    jsoncon["role"] = role
    jsoncon["content"] = content
    text.append(jsoncon)
    return text
 
def getlength(text):
    length = 0
    for content in text:
        temp = content["content"]
        leng = len(temp)
        length += leng
    return length
 
def checklen(text):
    while (getlength(text) > 8000):
        del text[0]
    return text

 这几个是test文件中比较关键的几个函数，我们使用它们来获得模型的回复，text就相当于是上文的message，getText获得角色（role），内容（content），打包为字典jsoncon，合并到text中，checklen就是防止文本过多实现自动删除

if __name__ == '__main__':
    text.clear
    while(1):
        Input = input("\n" +"我:")
        question = checklen(getText("user",Input))
        SparkApi.answer =""
        print("星火:",end = "")
        SparkApi.main(appid,api_key,api_secret,Spark_url,domain,question)
        getText("assistant",SparkApi.answer)
        print(str(text))

 使用SparkApi.main(appid,api_key,api_secret,Spark_url,domain,question)，便可得到回复SparkApi.answer，最后getText是把模型的回复也加入对话之中（保存历史）

stable_diffusion webui 本地部署

本人采用本地部署stabledifusion，并未采用学校提供的云端页面，主要是自己部署能更加方便，专业，当时并未尝试是否可以通过api调用sd，线上部署不允许采用api调用(?)。requests.exceptions.ConnectionError: HTTPConnectionPool(host='127.0.0.1', port=7860): Max retries exceeded with url: /sdapi/v1/txt2img (Caused by NewConnectionError('<urllib3.connection.HTTPConnection object at 0x000001EB7FDC9150>: Failed to establish a new connection: [WinError 10061] 由于目标计算机积极拒绝，无法连接。'))

下方是sd-webui界面

采用秋葉aaaki的个人空间-秋葉aaaki个人主页-哔哩哔哩视频 (bilibili.com) 秋叶大佬的整合包【AI绘画·24年1月最新】Stable Diffusion整合包v4.6发布！解压即用 防爆显存 三分钟入门AI绘画 ☆更新 ☆训练 ☆汉化 秋叶整合包_哔哩哔哩_bilibili

下载完成并且解压后，首先运行运行依赖启动后，打开设置转换为中文界面，界面本地部署的webui可以自由的下载sd模型和lora等模型。位置

Lora:安装目录\sd-webui-aki-v4.6\models\Lora

大模型：安装目录\sd-webui-aki-v4.6\models\Stable-diffusion

stable_diffusion webui api 调用

 我们先本地运行sd。打开绘世，点击运行。等待一会，会自动进入ui界面

这个界面就是成功启动了。在窗口中找到网址：http://127.0.0.1:7860这个就是我们要填入的url。

import base64
import io
import requests
from PIL import Image
txt2imge_date={
 "denoising_strength": 0,
 "prompt": "puppy dogs", //提示词
 "negative_prompt": "", //反向提示词
 "seed": -1, //种子，随机数
 "batch_size": 2, //每次张数
 "n_iter": 1, //生成批次
 "steps": 50, //生成步数
 "cfg_scale": 7, //关键词相关性
 "width": 512, //宽度
 "height": 512, //高度
 "restore_faces": false, //脸部修复
 "tiling": false, //可平埔
 "override_settings": {
     "sd_model_checkpoint" :"wlop-any.ckpt [7331f3bc87]"
     "sd_vae":"orangemix.vae.pt"
}, // 一般用于修改本次的生成图片的stable diffusion 模型，用法需保持一致
   "script_args": [
      0,
      true,
      true,
      "LoRA",
      "dingzhenlora_v1(fa7c1732cc95)",
      1,
      1
  ], // 一般用于lora模型或其他插件参数，如示例，我放入了一个lora模型， 1，1为两个权重值，一般只用到前面的权重值1
 "sampler_index": "Euler" //采样方法
 "enable_hr": False, //下面是高清修复模块
 "denoising_strength": 0.5, 
 "hr_scale": 2,
 "hr_upscaler": "Latent",
}
response=requests.post(url=f'{url}/sdapi/v1/txt2img',json=txt2imge_date)
image=Image.open(io.BytesIO(base64.b64decode(response.json()['images'][0])))

调用分为两个部分，第一个是用requests.post请求向服务器发送请求，等待运行后服务器会发回来数据，但是这些数据并没有转换成图片，所以我们最后一行就是在解码这些数据，Image就是专门用来处理图像的库，我们先把response以json解读，选其中['images'][0](很好理解，我们可以设置出多张图片，如果要全部输出这里应该用循环)所以经过这段代码，图片便被python读取到image中了,下面两段代码，第一个是打开图片，下一个是将图片保存到file_path(要注意，保存要带后缀，eg:绝对（相对）路径/名字.jpg)

image.show
image.save(file_path)

2.实践过程：尝试采用ai实现儿童绘本创作

思路和代码实现

以下代码改编自课堂演示代码Law_Agent，思路：使用大模型生成按照一定格式童话故事，然后通过处理修改故事结构，再次输入大模型来构造提示词工程，然后带入sd的api调用，生成图片。

import openai
import requests
import base64
from PIL  import Image
import io
 
class  aistory:
    def __init__(self, api_key="----", model_name="yi"):
        self.client = openai.OpenAI(api_key=api_key, base_url="----")
        # self.client = openai.OpenAI(api_key=api_key)
        self.model_name = model_name  # baichuan2/yi
        self.story=''
        self.history = []
        self.story_struct=[]
        openai.api_key = api_key
 
        def get_llm_response(self, prompt, system_prompt=None, with_history=False,assistant_prompt=None,pre_userpropmt=None):  # LLM生成回复
        messages = []
        if system_prompt is not None:
            messages.append({"role": "system", "content": system_prompt})
        if pre_userpropmt is not None:
            messages.append({"role": "user", "content": pre_userpropmt})
        if assistant_prompt is not None:
            messages.append({"role": "system", "content": assistant_prompt})
        if with_history:
            messages += self.history
        messages.append({"role": "user", "content": prompt})
        response = self.client.chat.completions.create(
            model=self.model_name,
            messages=messages
        )
 
        return response.choices[0].message.content.strip()
 
    def story_MAKE(self,main):
        sys_prompt='你是一个中文早教儿童童话小说家，你的任务是创作一个童话绘本故事，语言优美，故事情节有趣，充满童趣。充满画面感'
        pre_userpropmt='接下来请以主题：山羊的智慧写出故事，仿照上面内容格式，用换行分割为一个个段落，每个段落有完整的动作，场景，角色'
        assistant_prompt='''主题：山羊的智慧\n内容：\n段落一：一只山羊和一只狐狸住在山上。狐狸总想吃掉山羊，山羊整天担惊受怕。\n人物：山羊，狐狸 \n场景：山上\n情感：害怕\n段落二：有一日，山羊去山下，一不小心掉进了一口井里。狐狸看见了，得意地说：“哈哈！山羊兄弟，你怎么在这里？这井里的水是不是很甜呀？”山羊回答说：“你说的没错，这井里的水的确很甜。”说完，咕咚咕咚喝了几口，“啊！这水实在太甜了。我从没喝过这么甜的井水。”山羊抹了抹嘴上的水说。\n人物：山羊，狐狸\n场景：水井\n情感：害怕\n动作：山羊掉进水井\n段落三：狐狸正感觉口渴，也想下去喝几口。可是，又不知怎样下到井里。于是，狐狸问山羊：“山羊兄弟，我也口渴了。我怎样才能下到井里？”山羊冒充想了想：“这样吧，你踩着我的头，就能下来了。”狐狸踩着山羊的头下到了井里。#喝完水后，狐狸问：“山羊兄弟，我们怎么爬出井去？”山羊不假思考地说：“这好办。我先踩着你的头上去，然后我再伸下一条腿拉你上去。我俩不就都出去了吗。”“这个办法好！”狐狸就让山羊踩着自己的头。山羊顺利爬出了井。\n人物：山羊，狐狸 \n场景：水井\n情感：焦急\n动作：狐狸口渴\n段落四：山羊爬出井，对狐狸说：“该死的狐狸，你就好幸亏井里喝水吧！”聪明人做事，常常会预先想清结果再去做\n人物：山羊，狐狸\n场景：水井\n情感：害怕\n动作：羊爬出水井'''
        prompt=f"""接下来请以主题：{main}写出故事，仿照上面内容格式，用换行分割为一个个段落，每个段落有完整的动作，场景，角色，形式中保证有人物，场景，角色，动作"""
        print('正在生成故事：。。。。')
        response = self.get_llm_response(prompt, sys_prompt, with_history=True,assistant_prompt=assistant_prompt,pre_userpropmt=pre_userpropmt)
        print(response)
        print('生成完成')
        self.story=response
        j=response.split('\n')
        # while not j[2].replace(' ','')=='段落' :
        #
        #     prompt = '''请按照上述格式重写。如下主题：智慧
        # 内容：\n段落一：一只山羊和一只狐狸住在山上。狐狸总想吃掉山羊，山羊整天担惊受怕。\n人物：山羊，狐狸 \n场景：山上\n情感：害怕\n段落二：有一日，山羊去山下，一不小心掉进了一口井里。狐狸看见了，得意地说：“哈哈！山羊兄弟，你怎么在这里？这井里的水是不是很甜呀？”山羊回答说：“你说的没错，这井里的水的确很甜。”说完，咕咚咕咚喝了几口，“啊！这水实在太甜了。我从没喝过这么甜的井水。”山羊抹了抹嘴上的水说。\n人物：山羊，狐狸\n场景：水井\n情感：害怕\n动作：山羊掉进水井\n段落三：狐狸正感觉口渴，也想下去喝几口。可是，又不知怎样下到井里。于是，狐狸问山羊：“山羊兄弟，我也口渴了。我怎样才能下到井里？”山羊冒充想了想：“这样吧，你踩着我的头，就能下来了。”狐狸踩着山羊的头下到了井里。#喝完水后，狐狸问：“山羊兄弟，我们怎么爬出井去？”山羊不假思考地说：“这好办。我先踩着你的头上去，然后我再伸下一条腿拉你上去。我俩不就都出去了吗。”“这个办法好！”狐狸就让山羊踩着自己的头。山羊顺利爬出了井。\n人物：山羊，狐狸 \n场景：水井\n情感：焦急\n动作：狐狸口渴\n段落四：山羊爬出井，对狐狸说：“该死的狐狸，你就好幸亏井里喝水吧！”聪明人做事，常常会预先想清结果再去做\n人物：山羊，狐狸\n场景：水井\n情感：害怕\n动作：羊爬出水井'''
        #     print(prompt)
        #     response = self.get_llm_response(prompt, sys_prompt, with_history=True)
        #     print('fianlai：', response)
        #     self.story = response
        return self.story
    def promptmake(self,stroy_struct):
        story=''
        sys_prompt=f'''你是一个stable diffusion画家，你的任务是用stable diffusion创作一个童话绘本的图片，你要根据我提供的内容输出对应的提示词（prompt），请用英语的单个单词完成，并用逗号分割开，不用写负面提示词，表现主角的动作神态，客体等在后面加入内容人物场景情感的英文翻译。'''
        for key, value in stroy_struct.items():
            story += f'{key}：{value}\n'
        pre_prompt='请你对\n所描绘的场景构造提示词工程'
        assistant_prompt ='Prompt:monkey,squirrel,make friends,forest,happy,friendship,thank,smile,grass,together,enjoyed,fun,\nlocation:forest,monkey,\nmotivation:make friends,\nemotion:happy'
        prompt=f'''请你对\n{story}所描绘的场景构造提示词工程'''
        print(prompt)
        response = self.get_llm_response(prompt, sys_prompt, with_history=True,assistant_prompt=assistant_prompt)
        print(response)
        # prompt='详细一些，请包含所有的信息，根据我提供的内容输出对应的提示词（prompt），请用英语的单个单词完成，并用逗号分割开，不用写负面提示词，'
        # response = self.get_llm_response(prompt, sys_prompt, with_history=True)
        # prompt = '再详细一些，请包含所有的信息。但不要自己加入新的东西'
        # response = self.get_llm_response(prompt, sys_prompt, with_history=True)
        print('fianlai：',response)
        while True:
            reprompt=''
            promptli = response.replace('.', ',').replace('"', '').split('\n')
            for i in promptli:
                j = i.split(':')[-1].split(',')
                for n in range(len(j)):
                    while j[n].startswith(' ') or j[n].endswith(' '):
                        j[n] = j[n].strip(' ')
                j = ','.join(j) + ','
                reprompt += j
            print('即将输入如下',reprompt)
            text=input('这里是修改区域,您可以对他发出指令：(\'退出\')')
            if text=='退出':
                break
            response = self.get_llm_response(prompt, sys_prompt, with_history=True)
            print('生成', response)
        return reprompt

 我仿照示例定义了与ai交互的类（aistory），第一个是基本的参数def __init__(self, api_key="----", model_name="yi"):，这里传入的参数构建类（面向对象编程），声明了他有什么属性。接下来就是功能：get_llm_response，story_MAKE，promptmake。分别是获取回复，写故事，写提示词

 def get_llm_response(self, prompt, system_prompt=None, with_history=False,assistant_prompt=None,pre_userpropmt=None):

传入文本返回回复，这里对原来进行修改，加入一组对话：pre_userpropmt,回复一个assistant_prompt,我们直接构建了一次对话，强化格式。

def story_MAKE(self,main):
        sys_prompt='你是一个中文早教儿童童话小说家，你的任务是创作一个童话绘本故事，语言优美，故事情节有趣，充满童趣。充满画面感'
        pre_userpropmt='接下来'
        assistant_prompt='''主题：山羊的智慧\n内容：\n段落一：一只山羊和一只狐狸住在山上。狐狸总想吃掉山羊，山羊整天担惊受怕。\n人物：山羊，狐狸 \n场景：山上\n情感：害怕\n段落二：有一日，山羊去山下，一不小心掉进了一口井里。狐狸看见了，得意地说：“哈哈！山羊兄弟，你怎么在这里？这井里的水是不是很甜呀？”山羊回答说：“你说的没错，这井里的水的确很甜。”说完，咕咚咕咚喝了几口，“啊！这水实在太甜了。我从没喝过这么甜的井水。”山羊抹了抹嘴上的水说。\n人物：山羊，狐狸\n场景：水井\n情感：害怕\n动作：山羊掉进水井\n''
        prompt=f"""接下来请以主题：{main}写出故事，仿照上面内容格式，用换行分割为一个个段落，每个段落有完整的动作，场景，角色，形式中保证有人物，场景，角色，动作"""
        print('正在生成故事：。。。。')
        response = self.get_llm_response(prompt, sys_prompt, with_history=True,assistant_prompt=assistant_prompt,pre_userpropmt=pre_userpropmt)
        print(response)
        print('生成完成')
        self.story=response
        j=response.split('\n')
        return self.story

事先传入system和一定的对话，方便大模型回复给我们合适的回复。

 下面就是构造故事的结构，把每一段独立解释，分割成列表。然后就是使用sd绘画保存和展示。

def make_stroy_struct(story):
 
    sli=story.split('\n')[2::]
    print(sli)
    strli = []
    for i in range(0, len(sli), 5):
        di = {}
        sl = sli[i].split('：')
        biaoti, neirong = sl[0], sl[-1]
        if biaoti[0:2] == '段落':
            biaoti = '内容'
            di[biaoti] = neirong
        for j in sli[i + 1:i + 5]:
            sl = j.split('：')
            biaoti, neirong = sl[0], sl[-1]
            di[biaoti] = neirong
        strli.append(di)
    print(strli)
    return strli
 
def stablediffusion(file_path,prompt='',nep='',url='http://59.78.189.139:7860/'):
    txt2imge_date={
        'prompt':'guofeng,outdoor,extremely detailed CG unity 8k wallpaper,ultra- detailed,8k,hires,best quality,(masterpiece:1.2),huge filesize,wallpaper,fairy-tale,early education,best quality,masterpiece,ultra high res,delicate eyes,childpaiting,crayon drawing,'+prompt,
        'sampler_name':'DPM++ 2M SDE Karras',
        'steps':20,
        'batch_size':1,
        'height':512,
        'width':512,
        'cfg_scale':7,
        "override_settings": {
            # "sd_model_checkpoint": "2d\儿童绘本 _ CrayonPaiting_1.0.safetensors [391faa56e2]",
            #"sd_vae":"orangemix.vae.pt"
        },
        "enable_hr": False,
        "denoising_strength": 0.25,
        "hr_scale": 2,
        "hr_upscaler": "R-ESRGAN 4x+",
 
        'negative_prompt':'(negative_hand-neg:1.2),(((bad-hands-5))),EasyNegative,FastNegativeV2,BadNegAnatomyV1-neg,EasyNegative,NSFW,logo,text,blurry,low quality,bad anatomy,sketches,lowres,normal quality,monochrome,grayscale,worstquality,signature,watermark,cropped,bad proportions,out of focus,username,bad face'+nep,
    }
    print('\n正在生成图片...')
    response=requests.post(url=f'{url}/sdapi/v1/txt2img',json=txt2imge_date)
    image=Image.open(io.BytesIO(base64.b64decode(response.json()['images'][0])))
    image.show()
    print('图片生成完成！')
    image.save(file_path)
def drawandshow(story,a):
    strli = story
    n=1
    for i in strli:
        print(i)
        prompt = a.promptmake(i)
        file_path = r'ai/第{}段.png'.format(n)
        print(f'生成第{n}段图片...',end='')
        stablediffusion(file_path,prompt)
        n += 1
if __name__ == '__main__':
    a=aistory()
    story=a.story_MAKE('友情')
    story_struct=make_stroy_struct(story)
 
    drawandshow(story_struct,a)
    print('故事完成')

 问题与反思

实践问题：大模型输出的文本质量不（太）高，api调用速度过慢，格式十分不确定，代码难以预测ai输出的文本内容。同时ai绘图结果不稳定，输出连贯的故事仍然比较困难。

其他探索和改进：1.下载使用童话风的大模型，更加贴合主题。 2.训练自己的画风lora，进行一定画风的固定，此处省略（感兴趣可与笔者交流）。 3.采用不同的大模型（尝试星火，百川，零一万物）。 4.学习了comfyui，并且尝试创造了自己的工作流。

2024最新尝试：调用sdxl1.5模型生成图片

改写sd函数部分详情请见stable_diffusion api调用sdxl1.0模型示例-CSDN博客

def stablediffusionXl(file_path,prompt='',nep='',url='http://127.0.0.1:7860'):
    txt2imge_date={
        'prompt':'extremely detailed CG unity 8k wallpaper,ultra- detailed,8k,hires,best quality,(masterpiece:1.2),huge filesize,wallpaper,fairy-tale,early education,best quality,masterpiece,ultra high res,delicate eyes,childpaiting,crayon drawing,'+prompt,
        'sampler_name':'DPM++ 2M SDE Karras',
        "style": "Fairy Tale",
        'steps':20,
        'batch_size':1,
        'height':1024,
        'width':1024,
        'cfg_scale':7,
        "override_settings": {
            "sd_model_checkpoint": "xd1.0\sd_xl_base_1.0.safetensors [31e35c80fc]",
            "sd_vae":"sdxl_vae.safetensors"
        },
        
        #下方使用refiner
        "refiner": True,
        'refiner_checkpoint':'xd1.0\sd_xl_refiner_1.0.safetensors [7440042bbd]',
        'refiner_switch_at':0.8,
        #'negative_prompt':'(negative_hand-neg:1.2),(((bad-hands-5))),EasyNegative,FastNegativeV2,BadNegAnatomyV1-neg,EasyNegative,NSFW,logo,text,blurry,low quality,bad anatomy,sketches,lowres,normal quality,monochrome,grayscale,worstquality,signature,watermark,cropped,bad proportions,out of focus,username,bad face'+nep,
    }
    print('\n正在生成图片...')
    response=requests.post(url=f'{url}/sdapi/v1/txt2img',json=txt2imge_date)
    image=Image.open(io.BytesIO(base64.b64decode(response.json()['images'][0])))
    image.show()
    print('图片生成完成！')
    image.save(file_path)

生成过程

下面是一次生成过程

友情"
        内容：
         1. 一只名叫小松鼠的小动物，和一只叫小兔子的小动物住在同一个森林里。他们是最要好的朋友，无论去哪里都会一起。 
          有一天，他们在森林里发现了一些漂亮的蘑菇，小兔子说:“这些蘑菇看起来很美味，我们一起尝尝吧！” 小松鼠同意了，于是他们开始品尝这些蘑菇。    2. 在他们的正前方有一棵大树，树下有一个大大的蘑菇群。他们都吃得很开心，突然一阵大风吹过，把小兔子的帽子吹跑了。 
          他非常担心他的帽子被风吹到远处去找不回，小松鼠看到他担心的样子，决定和他一起找帽子。他们开始在森林里寻找那顶帽子，最终在小溪边找到了它。  3. 小兔子感激地抱着小松鼠说：“谢谢你陪我找帽子，我真的很感谢你对我的帮助和支持！”
          小松鼠笑着说：“我们是最好的朋友，我当然会帮助你啦！” 他们的友谊变得更加深厚了。他们一起回到了森林里继续玩耍和探险。
故事完成
第1段:         1. 一只名叫小松鼠的小动物，和一只叫小兔子的小动物住在同一个森林里。他们是最要好的朋友，无论去哪里都会一起。 完成
第2段:          有一天，他们在森林里发现了一些漂亮的蘑菇，小兔子说:“这些蘑菇看起来很美味，我们一起尝尝吧！” 小松鼠同意了，于是他们开始品尝这些蘑菇。    2. 在他们的正前方有一棵大树，树下有一个大大的蘑菇群。他们都吃得很开心，突然一阵大风吹过，把小兔子的帽子吹跑了。 完成
第3段:          他非常担心他的帽子被风吹到远处去找不回，小松鼠看到他担心的样子，决定和他一起找帽子。他们开始在森林里寻找那顶帽子，最终在小溪边找到了它。  3. 小兔子感激地抱着小松鼠说：“谢谢你陪我找帽子，我真的很感谢你对我的帮助和支持！”完成
第4段:          小松鼠笑着说：“我们是最好的朋友，我当然会帮助你啦！” 他们的友谊变得更加深厚了。他们一起回到了森林里继续玩耍和探险。完成
        1. 一只名叫小松鼠的小动物，和一只叫小兔子的小动物住在同一个森林里。他们是最要好的朋友，无论去哪里都会一起。          有一天，他们在森林里发现了一些漂亮的蘑菇，小兔子说:“这些蘑菇看起来很美味，我们一起尝尝吧！” 小松鼠同意了，于是他们开始品尝这些蘑菇。    2. 在他们的正前方有一棵大树，树下有一个大大的蘑菇群。他们都吃得很开心，突然一阵大风吹过，把小兔子的帽子吹跑了。          他非常担心他的帽子被风吹到远处去找不回，小松鼠看到他担心的样子，决定和他一起找帽子。他们开始在森林里寻找那顶帽子，最终在小溪边找到了它。  3. 小兔子感激地抱着小松鼠说：“谢谢你陪我找帽子，我真的很感谢你对我的帮助和支持！”         小松鼠笑着说：“我们是最好的朋友，我当然会帮助你啦！” 他们的友谊变得更加深厚了。他们一起回到了森林里继续玩耍和探险。

补充一些丢失了文本，但是由上一段代码生成的图片，采用了不同的lora和模型

3.引用

stable diffusion 远端跑图—— Api基础知识掌握 - 知乎 (zhihu.com)