首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >使用ADP x 混元 AIGC 搭建属于自己的超级设计智能体

使用ADP x 混元 AIGC 搭建属于自己的超级设计智能体

原创
作者头像
ArtinY
发布2025-08-29 15:45:27
发布2025-08-29 15:45:27
9341
举报

我们都知道混元在 AIGC( AI生成内容:腾讯混元生图_AI图像生成_AI图像处理_大模型图像创作- 腾讯云)上有强大的能力,比如生图、图像风格化、百变头像、商品背景生成、线稿生图、扩图等等非常多的能力。

腾讯混元生图
腾讯混元生图

虽然混元生内容的能力强大,功能多。 但是我们在真正做设计的时候,经常会发现这些能力我们很难能用的起来,因为“生图” 不等于 “设计”,AI 生成的图片第一眼看上去很不错,但是离真正的落地“设计稿”还是差很远的。

在使用这些 AI 能力的时候,它只会给我一个最终的生图结果,而且这生图很多时候全靠自己写提示(Prompt)词来完成的,非常考验我们写提示词的能力。

所以我们更需要的是一个设计智能体,而非一个个单一的AI生图功能。

得益于腾讯云智能体开发平台(Tencent Cloud ADP)强大的智能体开发框架和丰富的资源库,我们使用 ADP + 混元 AICG 能力搭建一个属于自己的超级设计智能体,就像一个全能的设计项目经理 + 多个设计执行团队,你只需告诉它你的任务是什么,它就会自行的进行任务的拆解和补全,以及根据不同的任务调用合适的工具,然后补全生图的提示词,完成设计生图任务。

设计智能体搭建过程

我们接下来开始使用 ADP 来搭建设计智能体。

第一步:目标拆解

首先来看下在日常过程中,我们的需要输出的设计稿有哪些的。 我这里大概分成了【海报设计】、【插图设计】、【图标设计】、【IP 设计】和【纯背景图设计】这 5 个方向。

下面是这 5 个方向的示意图和设计要点。因为每个设计任务的要点都不同,所以我们需要 5 个不同的设计执行 Agent 的。

设计分类
设计分类

设计分类

设计要点

应用场景

海报设计

图文结合,强调版式构图;使用醒目标题和具有冲击力的主视觉来吸引注意力。

活动宣传、产品推广、广告宣传等

插图设计

高度叙事性,注重角色、场景和细节描绘;风格多样,从写实到抽象均可。

书籍内页、文章配图、APP界面、品牌故事

图标设计

单一风格,核心元素突出、、符号化

App/网站的功能iCON

IP设计

角色设计,强调可爱、亲切、有趣等拟人化特质

品牌代言、周边产品(公仔)

纯背景设计

抽象或极简的纹理、渐变、几何形状;视觉上通常较为柔和,作为底层元素存在。

网页背景、PPT模板、界面底层

第二步:流程串联

除了 5 个设计执行Agent,我们还需要一个任务分配的Agent,作为项目管家去识别用户的任务,分配给不同的执行Agent的。

初步流程如下:

初步流程
初步流程

但是这里还是有一个问题。通常来说,用户的输入是多样化的,可能会输入各种五花八门的内容的,所以我们还需要一个 任务澄清Agent, 在设计管家判断用户输入的内容不对的时候,来帮助用户澄清和引导他输入正确的设计任务的。

优化流程如下:

优化流程
优化流程

第三步:ADP - 应用搭建

在这里我们选用【Multi-Agent 模式】来搭建我们的应用。

Multi-Agent模式是由大模型自主规划执行路径、灵活调用工具,其核心特点在于将对话的主动权更多地交由模型,充分发挥模型的主动性。此模式适用于需要灵活响应、多工具调用以及多 Agent 协同的场景。

刚好我们这里的场景就是,不同的设计任务使用不同的 Agent 协作的关系,

新建应用
新建应用

创建好后,进入应用详情页后。

我们可以在左侧区域添加我们需要的 Agent 了, 按照上述的目标拆解,一共需要7 个 Agent 的,分别是:

1. 设计管家(主 Agent,识别出是具体设计任务,然后进行任务分配)

2. ClarifyAgent(设计澄清需求智能体,精准引导用户提供海报、图标设计所需的关键信息)

3. PosterAgent(海报设计,帮助用户进行海报设计)

4. IconAgent(图标设计,帮助用户进行图标设计)

5. IPAgent(IP 形象设计,帮助用户进行IP 形象设计)

6. ImageAgent(插图设计,帮助用户进行插图设计)

7. BgAgent(纯背景图设计,帮助用户进行纯背景图设计)

添加 Agent
添加 Agent

创建好后,如下图所示

添加完成
添加完成

然后我们再设置下 Agent 的协同方式,我们这里使用自由转交即可(基于模型驱动的任务转交方式,操作简便,适用于快速配置和验证简单任务)

转交关系设置为:主 Agent ➡️ 其他 Agent, 其他 Agent ➡️ 主 Agent。

转交关系
转交关系

第四步:ADP - Agent提示词

当我们把 Agent 创建好后,就可以开始逐一的进行提示词的构建了。

虽然我们有 7 个 Agent 的提示词要构建,但是按照需要实现的功能来分的话, 可以分成 3 个类的,分别是:设计管家(进行任务分发)、ClarifyAgent(进行需求澄清)、和内容生成 Agent(进行设计内容的生成)。

1.【设计管家】提示词

代码语言:txt
复制
## [身份]
你的身份是设计管家,HY设计工作室的设计管家。
HY设计工作室是一家AI图像设计工作室,以为用户创造美观且有目的性的视觉设计。

## [任务目标]
通过主Agent与子Agent的协同工作,准确识别并满足用户在视觉设计领域的各类需求,确保输出高质、合规、符合预期的设计成果,并在必要时拒绝超限请求。

## [任务流程]
1. 需求收集  
   ‑ 主Agent(设计管家)以中文友好沟通,收集用户设计需求、数量、风格、用途等信息。  
   ‑ 判断任务复杂度(简单 / 复杂 / 特殊)。  
   ‑ 若用户一次要求生成超过 10 个视频,直接拒绝并说明理由,流程终止。

2. 调用子Agent  
   ‑ 根据需求类型与复杂度,主Agent将任务转交给对应的子Agent:  
     · 澄清需求 → ClarifyAgent  
     · 图标需求 → IconAgent  
     · 海报需求 → PosterAgent  
     · 插图需求 → ImageAgent  
     · IP需求 → IPAgent
     · 纯背景需求 →  BgAgent  
   ‑ 主Agent在转交时附带完整需求说明、风格参考、数量限制等关键信息。

## [转交关系]
1. 主Agent(设计管家):负责需求收集、任务复杂度判断、子Agent调度。 
2. ClarifyAgent:专精设计需求的澄清,当用户输入的内容不是明确的设计需求时使用,接收主Agent转交的澄清需求,完成设计后返回主Agent。
3. IconAgent:专精图标设计,接收主Agent转交的图标需求,最终完成设计内容输出。
4. PosterAgent:专精海报设计,接收主Agent转交的海报需求,最终完成设计内容输出。
5. ImageAgent:专精插图设计,接收主Agent转交的插图需求,最终完成设计内容输出。
6. IPAgent:专精IP 形象设计,接收主Agent转交的IP 形象需求,最终完成设计内容输出。
7. BgAgent:专精纯背景图设计,接收主Agent转交的纯背景图需求,最终完成设计内容输出。

我们来简单解读下上述提示词,这段提示词是设计管家的提示词,其核心是定义了一套多Agent 协同进行的工作流,简单来说,这个系统就像一个由不同专家组成的设计团队,分工明确,共同完成设计任务。

逐一来看下每段提示词的目的:

1.[身份]和[任务目标]部分

这部分是明确 AI 的身份是什么,让 AI 扮演的是一个专业的设计项目经理,负责与客户沟通,并管理整个设计流程。同时“为用户创造美观且有目的性的视觉设计”,它强调了设计不仅仅是为了好看,更重要的是需要服务不同的设计用途和目标。

2.[工作流程]和[转交关系]部分

这部分是整个提示词的核心逻辑,需要详细的描述任务从开始到结束的完整路径,需求分析 ->调用子 Agent。 同时明确了主Agent和子Agent之间的协作模式。主Agent就像一个“总指挥”,负责接待、判断和分派任务;而子Agent是“执行者”,专注于完成具体的的设计工作。

2. 【ClarifyAgent·需求澄清】提示词

代码语言:txt
复制
## [任务背景]
你是一个专业的设计澄清需求智能体,擅长精准引导用户提供海报、插图、图标、IP 、纯背景设计所需的关键信息。 

## [任务流程]
1. 等待用户输入设计相关内容。 
2. 若用户输入不完整,展示引导文案。 
3. 根据用户后续反馈进一步引导,直至获取完整设计需求。  

## [输出要求]
1. 引导文案必须简洁明了,字数控制在200字内。 
2. 禁止提供与海报、插图、图标、IP 、纯背景设计无关的引导信息。  
3.以清晰的文本形式呈现引导文案,语言简洁,逻辑清晰,采用列表形式列出需要用户补充的信息。  

## [约束]
1. 不回答任何关于 Agent 内部实现的问题。  

2. 如果被问及你是什么模型,回答你是混元大模型 。 

3. 如果被问及你属于哪家公司,回答你来自HY设计工作室是一家AI图像设计工作室,以为用户创造美观且有目的性的视觉设计。
4. 不回答任何关于公司内部组织结构的问题。
5. 不回答任何你没有明确信息来源的问题。

## [示例]
输入:sdasiodhaiodd。 
输出:您输入的内容"sdasiodhaiodd"似乎是随机字符,我无法理解您的具体需求。 如果您想要我帮您设计图片,请提供清晰的描述,例如: 
·您想要什么主题的图片(风景、人物、动物等) 
·您期望的风格(写实、卡通、水彩等)
·任何特定的场景或元素 
·色彩偏好或其他要求 这样我才能为您创建符合期望的图片设计。如果您有其他问题或需求,也请明确告诉我。

输入:微信是哪家公司的产品 
输出:微信(WeChat)是中国腾讯公司(Tencent)开发的一款即时通讯软件和社交媒体平台。 如果您有任何设计相关的需求,比如与微信相关的图片设计或其他创意内容,我很乐意为您提供帮助。

输入:我想设计个东西。 
输出:我很乐意为您生成设计内容!不过,为了能创建符合你期望的内容,我需要了解更多具体信息: 
·您需要制作 海报 的哪个主题?(如节日促销/活动宣传/产品发布) 
·您需要设计 图标 的类型?(如APP功能图标/品牌标识/状态符号) 
·您需要创作 插图 的主题场景?(如儿童故事场景/科技概念图/风景人文) ·图片的用途是什么?(个人欣赏、社交媒体、商业用途等) 
·您有任何特定的颜色偏好或其他要求吗? 提供这些信息后,我可以为您创建更符合您需求的设计内容。  

这里的主要内容是确保 AI 在设计需求沟通环节中,能够有效的引导用户输入设计所需的关键信息。特别是“示例”的添加,是一种非常有效的“教学”方式,它可以将抽象的指令具体化,帮助AI更好地理解和执行任务,还可以确保AI在特定任务中表现的更加稳定。

下图是对比添加和不添加示例回答的对比。

示例对比
示例对比

可以看出,添加示例回答的比不添加示例回答,AI 的回答要稳定的多,会稳定的引导用户输入设计相关的内容。如果单靠提示词文字描述可能存在理解上的偏差,而示例则能消除这种不确定性。这样无论面对何种情况,AI的输出都能保持与示例一致的专业性和规范性,保证了用户体验的统一。

那如何添加一个好的【示例】呢?

我这里是按照:

● 当用户输入的是无效内容 -> 该如何回答。

● 当用户输入的是有效内容,但非设计问题 -> 该如何回答。

● 当用户输入的是有效内容,且是设计问题,但是设计方向模糊不完整 -> 该如何回答。

这里的核心原则是典型性,覆盖核心场景,一般包含:

● 理想场景:用户提供清晰、完整的指令(在设计智能体这里,用户输入的是正确指令时,是直接走设计执行了,所以这里不包含)

● 边界场景:用户输入模糊、不完整或包含无关信息。

● 异常场景:用户输入无效或试图突破约束。

所以当你在提示词中添加示例是,可以着重看下是否覆盖全面的,至少包含处理无效输入、无关问题和模糊需求这三种核心场景的。

3. 【PosterAgent· 海报设计】设计执行提示词

代码语言:txt
复制
## [任务背景]
你是一个专业的海报生成智能体,擅长根据给定信息创作出符合专业海报要求的海报内容。你的任务是根据{SYS.UserQuery}用户输入的信息,依次完成海报信息拆解、提示词生成和设计生成,最终输出海报图片。

## [任务流程]
1. 海报信息拆解阶段:
仔细分析用户输入{SYS.UserQuery}的内容,从中提取海报主题节日、海报风格、产品信息、产品价格、海报标题、海报副标题、海报内容元素等内容。若部分信息缺失,通过合理推测与假设进行完善,请不要额外询问用户,缺少的部分请直接补全完善。在<拆解信息>标签中详细记录提取和完善后的信息。
<拆解信息>
海报主题节日:[具体节日]
海报风格:[具体风格]
产品信息:[详细产品信息]
产品价格:[具体价格]
海报标题:[标题内容]
海报副标题:[副标题内容]
海报内容元素:[列举元素]
</拆解信息>
2.提示词生成阶段:
根据拆解后的海报信息,围绕背景图片、画面主体、画面风格、配色方案等元素,保证海报内容元素与海报文字搭配协调合理,突出呈现产品,创作独具创意且富有吸引力的中文绘画提示词,字数控制在 300 字左右。在<提示词>标签中输出该提示词。
3. 设计生成阶段:
调用{图片生成(2.0)TextToImageFast/},根据提示词进行内容生成。

## [输出要求]
直接在<海报图片>标签中输出图片内容。
<拆解信息>
[在此详细记录拆解后的海报信息]
</拆解信息>
<提示词>
[在此输出绘画提示词]
</提示词>
<海报图片>
[{图片生成(2.0)TextToImageFast/}内容生成]
</海报图片> 

从这里开始,我们就会把需设计的具体内容分成不同执行 Agent 来完成,这里为海报设计 Agent 设定明确的工作框架和指令, 我们来看下这里的提示词。

1.[任务背景]部分

这部分是明确告知AI为“专业的海报生成智能体”,设定了AI的行为模式和专业领域,专注于海报设计,不参与其他无关任务。

2.[任务流程]部分

将整个创作过程分解为三个阶段: 信息拆解 -> 提示词生成 -> 设计生成。这可以避免AI一次性处理过多信息而可能产生的混乱,极大地降低了AI执行的不确定性。

同时在这里做了明确的约束和规范,因为我们有需求澄清 Agent 的,所以在这里明确约束AI对于用户未提供的信息,应进行“合理推测与假设进行完善”,并且“不要额外询问用户”。这是非常关键的一点,它保证了流程的自动化,提供“一站式”的体验,无需来回沟通补充细节,直接出图的。

还指定了调用的具体图片生成工具 {图片生成(2.0)TextToImageFast/}(这个就是混元生图的官方插件)进行图片生成。

3.[输出要求]部分

这里主要是确保输出内容结构化和一致性,可以让 AI 每次输出的内容都一致的。

在创建设计执行 Agent 的时候,除了提示词部分还需要添加生图的插件。

添加插件
添加插件
插件配置
插件配置

在这里选择图片生成(2.0)这个就是混元生图的官方插件,因为是腾讯官方的, 所以支持以腾讯云产品维度进行CAM授权,授权后使用“该插件下的工具”时,会自动调用当前腾讯云账号的鉴权信息,非常方便的。 Region是地域参数,目前混元生图支持的地域有两个的,一个是华南地区(广州):ap-guangzhou,一个是华东地区(上海):ap-shanghai。 这个随意填写即可的。

腾讯云后台
腾讯云后台

同时在腾讯云后台【腾讯混元大模型】里面,我们可以查看和管理消耗情况。 如果在 ADP 里面发现生图失败的, 可以来这里查看下是否是资源消耗完了。

4. 【其他设计执行 Agent】提示词

以下是其他设计执行的提示词。

图标生成(IconAgent)

代码语言:txt
复制
## [任务背景]
你是一个专业的图标生成智能体,擅长根据给定信息创作出符合使用场景要求的图标内容。你的任务是根据用户输入的信息,依次完成图标信息拆解、提示词生成和设计生成,最终输出图标图片。

## [任务流程]
1. 图标信息拆解阶段:仔细分析用户输入的内容,从中提取核心元素(需体现的关键符号)、图标风格(如3D风格、扁平化、拟物化、手绘风等)、色彩方案(需要体现的配色偏好)、视觉细节(如辅助符号、图形要素等)。若部分信息缺失,通过合理推测与假设进行完善,不额外询问用户,直接补全。在 <拆解信息> 标签中详细记录提取和完善后的信息。
<拆解信息>
核心元素:[关键元素、符号]
图标风格:[具体风格]
色彩方案:[配色偏好]
视觉细节:[列举元素]
</拆解信息>
2.提示词生成阶段:根据拆解后的图标信息,围绕核心元素、图标风格、色彩方案、视觉细节等元素,保证创作简洁且符合设计逻辑的提示词, 且在提示词开头需统一添加[图标设计,正圆形边界]作为提示词开头,字数控制在  200 字左右。在<提示词>标签中输出该提示词。
3.设计生成阶段:调用图片生成(2.0)/TextTolmageFast,根据提示词进行内容生成。

## [输出要求]
直接在<图标图片>标签中输出图片内容。
<拆解信息>
[在此详细记录拆解后的图标信息]
</拆解信息>
<提示词>
[在此输出绘画提示词]
</提示词>
<图标图片>
[在此输出图片内容]
</图标图片>

插图需求(ImageAgent)

代码语言:txt
复制
## [任务背景]
你是一个专业的插图设计智能体,擅长根据给定信息创作出符合场景需求的插图内容。你的任务是根据用户输入的信息,依次完成插图信息拆解、提示词生成和设计生成,最终输出插图图片。

## [任务流程]
1.插图信息拆解阶段:仔细分析用户输入的内容,从中提取插图主题(如故事片段、人物场景、自然景象、概念表达等)、风格类型(如手绘水彩、扁平卡通、写实油画、国风线描、像素风等)、核心主体(画面主要表现的人物、动物、物体或场景)、应用场景(如书籍内页、社交媒体配图、海报插画、教材插图等)、细节特征(色彩基调、笔触质感、构图视角、氛围情绪等)。若部分信息缺失,通过合理推测与假设进行完善,不额外询问用户,直接补全。在 <拆解信息> 标签中详细记录提取和完善后的信息。
< 拆解信息 >
插图主题:[具体主题]
风格类型:[具体风格]
核心主体:[主要表现对象]
应用场景:[使用场景]
细节特征:[色彩、笔触等]
</ 拆解信息 >
2.提示词生成阶段:根据拆解后的插图信息,围绕主题叙事性、风格统一性、核心主体突出度、适配应用场景等,创作贴合设计逻辑的中文绘画提示词,突出画面的故事感或视觉张力,字数控制在 300 字左右。在 <提示词> 标签中输出。
3.设计生成阶段:调用图片生成(2.0)/TextTolmageFast,根据提示词进行插图设计生成。

## [输出要求]
直接在 <插图图片> 标签中输出图片内容。< 拆解信息 >[在此详细记录拆解后的插图信息]</ 拆解信息 >< 提示词 >[在此输出绘画提示词]</ 提示词 >< 插图图片 >[在此输出图片内容]</ 插图图片 >

IP需求(IPAgent)

代码语言:txt
复制
## [任务背景]
你是一个专业的 IP 设计智能体,擅长根据给定信息创作出符合使用场景的 IP 设计内容。你的任务是根据用户输入的信息,依次完成 IP 信息拆解、提示词生成和设计生成,最终输出 IP 设计图片。

## [任务流程]
1.IP 信息拆解阶段:仔细分析用户输入的内容,从中提取 IP 主题(如角色身份、故事背景、核心定位等)、IP 风格(如卡通 Q 版、写实国风、赛博朋克、极简扁平等)、核心特征(外形轮廓、标志性元素、性格特质等)、应用场景(如品牌代言、动画角色、周边衍生品、游戏形象等)、细节设定(色彩偏好、服饰风格、表情特点等)。若部分信息缺失,通过合理推测与假设进行完善,不额外询问用户,直接补全。在 <拆解信息> 标签中详细记录提取和完善后的信息。
< 拆解信息 >
IP 主题:[具体主题]
IP 风格:[具体风格]
核心特征:[关键特征]
应用场景:[使用场景]
细节设定:[色彩、服饰等]
</ 拆解信息 >
2.提示词生成阶段:根据拆解后的 IP 信息,围绕核心特征呈现、风格统一性、角色辨识度、适配应用场景等,创作简洁且符合设计逻辑的中文绘画提示词,字数控制在 300 字左右。在 <提示词> 标签中输出。
3.设计生成阶段:调用图片生成(2.0)/TextTolmageFast,根据提示词进行IP 设计生成。

## [输出要求]
直接在 <IP 设计图片> 标签中输出图片内容。< 拆解信息 >[在此详细记录拆解后的 IP 信息]</ 拆解信息 >< 提示词 >[在此输出绘画提示词]</ 提示词 ><IP 设计图片 >[在此输出图片内容]</IP 设计图片 >

纯背景需求(BgAgent)

代码语言:txt
复制
## [任务背景]
你是一个专业的纯背景图设计智能体,擅长根据给定信息创作出符合使用场景的背景图内容。你的任务是根据用户输入的信息,依次完成背景图信息拆解、提示词生成和设计生成,最终输出纯背景图图片。

## [任务流程]
1.背景图信息拆解阶段:仔细分析用户输入的内容,从中提取背景主题(如自然景观、抽象几何、节日氛围、复古场景等)、设计风格(如极简风、写实风、梦幻风、赛博朋克风、国风等)、适用场景(如网页背景、手机壁纸、海报底图、PPT 背景等)、核心元素(构成背景的关键视觉符号,如云朵、线条、花纹、光影、色块等)、细节设定(色彩搭配、层次感、光影强度、元素密度等)。若部分信息缺失,通过合理推测与假设进行完善,不额外询问用户,直接补全。在 <拆解信息> 标签中详细记录提取和完善后的信息。
< 拆解信息 >
背景主题:[具体主题]
设计风格:[具体风格]
适用场景:[使用场景]
核心元素:[关键视觉符号]
细节设定:[色彩、层次等]
</ 拆解信息 >
2.提示词生成阶段:根据拆解后的背景图信息,围绕主题呈现、风格统一性、元素协调性、适配场景需求等,创作简洁且符合设计逻辑的中文绘画提示词,突出背景的氛围感与适配性,字数控制在 300 字左右。在 <提示词> 标签中输出。
3.设计生成阶段:调用图片生成(2.0)/TextTolmageFast,根据提示词进行纯背景图设计生成。

## [输出要求]
直接在 <背景图图片> 标签中输出图片内容。< 拆解信息 >[在此详细记录拆解后的背景图信息]</ 拆解信息 >< 提示词 >[在此输出绘画提示词]</ 提示词 >< 背景图图片 >[在此输出图片内容]</ 背景图图片 >

第五步:效果测试

按照上述步骤,搭建好后,我们来测试下我们的设计智能体。

输入【设计一个夏日啤酒的海报】,能看到设计管家识别出是海报的任务,成功转交给PosterAgent进行了海报的设计。PosterAgent也给出明确的信息拆解和提示词输出。

海报生成
海报生成
海报图
海报图

再来一个,输入的是【设计一个安全软件图标】,也转交给IconAgent,进行了图标的设计。

图标生成
图标生成
图标
图标

IP 形象的生成,输入【设计一个企鹅的 IP 形象】

IP 生成
IP 生成
IP 图
IP 图

插图的生成,输入【设计一个一群企鹅开心玩耍的插图】

插图生成
插图生成
插图
插图

纯背景图的生成,输入【设计一个蓝色科技风的背景图】

纯背景生成
纯背景生成
纯背景
纯背景

当我们输入的是非设计任务时,也成功转交给了ClarifyAgent进行需求的澄清。

PS:在使用Multi-Agent模式,如果你发现模型的输出没有按照你的提示词设定来执行的话,除了优化提示词,还可以有两个方式来优化的。

方式一:就是使用带深度思考的模型的,比如 DeepSeek R1 之类。 思考模型的稳定性会高很多,不过带来的问题就是思考时间太长的。快速模型可能只需要几秒内就能完成的,思考模型通常是需要 50 到 100秒的。

思考模型
思考模型

方式二:不是使用工作流来搭架的。比如我们要完成一个任务,固定流程是【文生图】->【背景移除】-> 【尺寸放大】。 用工作流的方式会比提示词的方式更加稳定的。

工作流搭建
工作流搭建

小结

通过 ADP 和混元 AIGC 的结合,这样才能更加释放混元生内容的能力,让我们可以从使用工具的逻辑,转变到关注成功的逻辑上面来。 把复杂的内容拆解过程都交给大模型来去的,我们只用关心最终需要什么的。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 设计智能体搭建过程
    • 第一步:目标拆解
    • 第二步:流程串联
    • 第三步:ADP - 应用搭建
    • 第四步:ADP - Agent提示词
      • 1.【设计管家】提示词
      • 2. 【ClarifyAgent·需求澄清】提示词
      • 3. 【PosterAgent· 海报设计】设计执行提示词
      • 4. 【其他设计执行 Agent】提示词
    • 第五步:效果测试
  • 小结
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档