
GPT-Image-2发布半个月后,我本来不太想再写它了。
这半个月里,关于它的测评和教程,已经被写得差不多了。
中文生成、角色一致性、海报设计、产品图、手办、电影分镜,以及那个永远不会缺席的问题:
它会不会杀死设计师。
这些都重要。
但我更好奇的是另一件事:
当AI生图真的开始被普通人使用,它会先被用在哪里?
后来我发现,答案不在发布会,也不在测评视频里。
它出现在一些很小的地方。
这些地方没有那么像新闻。
但它们更像生活。
所以这次我没有继续测模型或者写Prompt分享。
而是去找了10个身边的普通人,问他们怎么开始用AI生图,又为什么会在这些具体的小事上用到它。
文中的人物均为化名,部分细节做了合并处理,并且为了保护受访者隐私,本文中所有的示例均为作者重新制作。
PART.01
她终于做出了一张不像模板的海报
THUMB
STOPPING
第一个人,是杭州一个社区花店老板。
我叫她林姐。
我认识她,是因为之前给朋友订过一次生日花。
那天我到店里等她包花。店不大,门口摆着几桶刚到的花,玫瑰、洋桔梗、向日葵,还有一些我叫不上名字的配花。
她一边剪枝,一边看电脑。
电脑屏幕上,是一张正在做的母亲节海报。
粉色背景,几朵康乃馨,一行金色艺术字:
「感恩母亲,爱在花间」。
那种海报你一定见过。
每年母亲节、七夕、教师节、圣诞节,很多小店都会发类似的图。它不算错,也不算难看得离谱,但你看一眼就知道,它来自某个模板网站,或者某个淘宝设计师的素材库。

后来聊天才知道,她每到节日前都要为这些图发愁。
朋友圈要发,社群要发,小红书要发,店里有时候还要打印出来贴在门口。
她试过模板,问题是模板太容易撞款。隔壁蛋糕店、楼下美甲店、附近咖啡店,大家用的版式都差不多,只是中间那张产品图换了。
她也试过找淘宝和闲鱼上的设计师。便宜的,出来还是模板味。稍微好一点的,单张价格对她这种社区小店又不太划算。
最后大多数时候,她只能自己套素材,找一张花的图,配一段节日文案,再把字体调大一点。
她不是不知道土,她只是没有更好的办法。
很多小商家其实都有审美。他们每天面对真实顾客,比很多坐在办公室里讲品牌的人,更知道什么东西会让人觉得舒服。
林姐想要的七夕海报,不是满屏玫瑰、爱心、金色飘带。
她想要的是傍晚街角的小花店,灯光暖一点,花束放在门口,有一点日剧里那种安静的氛围。
但这个感觉很难变成一张图。
你说给设计师听,对方大概率会问:
「有参考图吗?」
没有参考图,沟通就会变得很长。找参考图本身又是一件很累的事。
所以很多小商家最后都会退回到最稳妥的选择:用模板。
直到最近,我发现她朋友圈里的图突然变好看了。
不是那种一眼就很贵的设计。它还是很简单,但画面终于有了一点她自己店里的味道。
有一张图,是七夕花束放在街角门口,门里透出暖光,旁边有一个小木牌,写着当天可以预订。
不像广告。
更像一个人下班路过时,会停下来多看一眼的小店。
我顺手问她,是不是换了设计师。
她说没有。
是朋友转给她一篇教程,教她怎么用GPT-Image-2作图。她照着试了几次,发现真的能用。
她说得很朴素:
「我也不用它画得特别高级,能不像以前那么土就行。」
这句话很小,但很准。
对林姐来说,GPT-Image-2不是用来炫技的工具。
她不关心它背后是什么路线,也不关心它到底领先谁。她只关心下一个节日来的时候,自己能不能做出一张看起来像自己店的图。
这件事放在AI圈里很小。
小到没人会为它写技术分析。
但对一个小店老板来说,它很具体。
一张图不好看,顾客不一定会骂。但她自己知道,那张图不像她的店。
以前她只能忍。
现在她至少可以说:
「我想做一张七夕花束海报,不要太俗,像傍晚街角的小花店,有一点日剧感。」
然后很快得到一张非常精美和优质的海报。

后来我发现,类似的变化不只发生在花店。
我之前看房时加过一个北京中介,叫阿城。最近我刷到他朋友圈,发现他开始发老房改造前后对比视频。
前面是一套很普通的老房子。墙面发黄,地板有点旧,采光一般,家具也明显是上一代人的审美。
后面突然变成奶油风、日式原木风,或者适合年轻人出租的低成本改造风。
一眼能看出来,是AI生成的。
但也确实有用。
我问他为什么开始做这个。
他说,卖老房子最麻烦的地方,不是客户完全不信你。很多客户知道房子不是不能买,位置可以,户型也可以,价格也还能谈。
但他们看不见改完之后会怎样。

中介说:
「这个户型其实很好改。」
客户也点头。
点完头以后,脑子里还是那套墙面发黄、地板很旧、灯光昏暗的房子。
他们不是不理解。
是没有画面。
阿城用AI跑出来的图当然不能直接当装修方案。有些细节会不合理,窗户比例不对,柜子位置奇怪,甚至会把承重墙想得过于自由。AI对房屋结构的敬畏心,和某些装修公司差不多,大家半斤八两。
但它解决了第一步:
让客户先看见可能性。
以前客户问:
「这房子能改好吗?」
现在客户会问:
「如果做成这个风格,大概要多少钱?」
这一步就很重要。
我还想到另一个朋友,阿强。他在北京做纹身。GPT-Image-2出来后,我转给他看,他说准备拿去试试。
他跟我说,纹身这一行最麻烦的,不是客户说不清审美。
是客户在看到上身效果前,很难下决定。
纹身不像买衣服。
衣服不喜欢可以退,可以换,可以压箱底。
但纹身一旦落到皮肤上,就会变成身体的一部分。
所以很多客户前面聊得很兴奋,参考图也看了很多,图案也觉得不错。可到了确定位置、大小、风格的时候,又开始犹豫。
「这个放在胳膊上会不会太显眼?」
「线条会不会太重?」
「会不会现在觉得好看,过两年就后悔?」
这些问题不是客户矫情。
是他们看不见那个图案落在自己身上之后会是什么感觉。
GPT-Image-2对阿强的作用,不是替他设计纹身,而是帮客户先看到一个接近真实的预览。

图案贴在胳膊上是什么比例。
放在小臂内侧会不会太满。
穿短袖露出来时,会不会比想象中更强烈。
这些东西以前只能靠脑补,现在至少可以先看到一版。
客户不一定立刻决定。
但他开始知道自己在犹豫什么。
这对很多手艺人都一样。美甲师、发型师、花艺师、婚礼策划师,每天面对的都是类似的问题:
客户知道自己不要什么,但说不清自己要什么。
所以小生意人用AI生图,最核心的变化不在于省钱。
省钱当然重要。
但更重要的是,他们终于有了一张可以拿出来沟通的图。
花店老板需要让节日氛围被看见。
房产中介需要让未来生活被看见。
纹身师需要让客户说不清的感觉被看见。
这些事情过去要靠模板、外包、图库、口头描述和客户脑补。
现在至少可以先生成一版。
它不一定完美。
但它给普通小商家一个起点。
不用每次都在「太土」和「太贵」之间选一个。
PART.02
那个新人记者,不想再用重复素材了
THUMB
STOPPING
第二类人,是内容创作者。
我认识一个北京新人记者,叫小赵。
2024年一个AI创业者饭局上,他来报道创业者,坐在旁边一直记东西。桌上有人聊Agent,有人聊融资,有人聊模型能力,他听到不懂的地方就追问。
认真,也有点紧张。
那天吃饭时,我问他:
「你们做记者的,最痛苦的地方是什么?有没有一些地方是AI真能帮上忙的?」
他想了一下,说配图。
他说自己之前写过一篇报道,讲AI时代普通人的工作方式变化。文章本身写得很顺,但到了配图这一步,还是只能去网上找。
那时候AI生图模型还不稳定。
生成出来的图经常很丑,要么过度塑料,要么像游戏概念图,要么人物和文字细节一塌糊涂。
更麻烦的是,它需要大量prompt。
镜头、光影、构图、风格、材质、场景关系,都要描述得很细。
小赵说,他不是不会写文章,但他确实没有这个能力。
他写的是报道,不是AI绘画教程。
所以最后,他还是回到了最熟悉的办法:
去网上搜图。
写AI,就搜AI;写Agent,就搜机器人办公。
最后搜出来的图都差不多。
蓝色渐变,机器人握手,地球,发光线条。
那种熟悉的「科技感」,熟到像2019年WAIC大会剩下的物料。
这不是小赵一个人的问题。
他说这件事很无奈。
因为他明明想写的是一个很具体的变化:
AI时代,普通人的工作边界正在被放大。
但配图最后还是变成了一个机器人和人握手。
能用,但没有记忆点。
更重要的是,那张图和他的文章没有关系。
它只是看起来像一篇AI文章。
这也是很多内容创作者都会遇到的问题。
文字里有判断,有隐喻,有具体场景。
但图跟不上。
过去内容配图,核心动作是「找」。
找截图,找素材,找表情包,找别人已经做过的视觉风格。
找到一张差不多的,就放上去。
这很正常。
内容创作者每天都在跟时间赛跑。一个热点从出现到过气,可能就几个小时。文章要写,标题要想,封面要做,配图也要准备。
没人真的愿意为了一张配图耗一天。
所以大多数时候只能差不多。
但GPT-Image-2出来之后,这个动作变了。
以前是找图,现在可以造场景。
小赵后来开始用它做报道配图。
写Agent办公,他不再放机器人握手,而是生成一个普通人的办公桌面。电脑旁边漂浮着邮件、日程、文档和任务流,背后像有一套系统在自动处理信息。
写模型发布,他不只放发布会截图,而是做一张像报纸头版一样的视觉。
写AI创业,他把创业公司画成一个很小的工作室。几个人围着白板讨论产品流程,桌上放着咖啡、电脑和一堆没整理完的便签。
这件事对内容创作者很重要。
因为配图不是装饰。
它很多时候是文章的第二个标题。
标题让人点进来。
图让人觉得这里面可能有点东西。
尤其写AI这种题材,如果所有文章都用同一种蓝色科技风,读者很快会失去分辨能力。
你写Agent,他写模型,另一个人写融资。
最后看起来都像同一张展会背景板。
后来我在一次媒体活动上,又认识了一个广州家居博主,小鱼。
她做小红书,账号不算特别大,但更新很勤。她说自己最痛苦的不是写内容,是做封面。
同样是「租房卧室改造」。
同样是「低预算提升房间氛围」。
同样是「打工人下班后的疗愈角落」。
内容差不多,封面差一点,点击率可能完全不同。
她以前主要靠模板。模板的问题是,改起来很笨。想从真实生活流换成杂志感,基本等于重做一遍。想做前后对比,又要重新搭版式。
她也试过一些AI图片工具,比如nano banana刚出来的时候,她也去试了。但效果不太稳定。很多图单看还行,真放到小红书封面里就不对。
要么太假。
要么太精致。
要么像样板间,少了普通人生活里那点乱和温度。
GPT-Image-2对她有用的地方,是可以快速出不同风格能用的封面图。

同一篇笔记,她可以先跑十种封面。
真实生活流、杂志感、前后对比。
更温柔、更冲突、更像刚下班回家打开灯的瞬间。
她不一定直接用第一张。
但她可以很快知道哪个方向更对。
过去她是在一张图上反复修。
现在她可以先把十个方向铺开,再决定往哪一张上继续改。
小赵和小鱼面对的是同一件事。
一个写报道,一个做小红书。
一个需要让观点有画面,一个需要让封面停住手指。
以前他们问的是:
「哪里有一张图能表达这个意思?」
现在他们问的是:
「我脑子里的这个画面,能不能先做出来?」
这就是GPT-Image-2对内容创作者的意义。
它不是一个更高级的图库。
也不是一个更高级的模板库。
它让内容创作者从找素材,变成造场景。
而一旦画面可以被快速生成,真正重要的就变成了另一件事:
你脑子里有没有一个值得被画出来的场景。
PART.03
老师和产品经理,都需要一张讲得清的图
THUMB
STOPPING
第三类人,是那些每天都在努力把复杂东西讲清楚的人。
一个是地理老师。
一个是大厂产品经理。
我先说陈老师。
她是我一个朋友的姐姐,教初中地理。朋友之前看我写AI工具,跟我说了一句:
「你们AI圈天天讲模型,其实我姐这种老师才最需要。」
陈老师最头疼的,不是备课内容。
是找图。
讲水循环,要找图。
讲季风气候,要找图。
讲城市热岛,要找图。
讲板块运动,也要找图。
这些知识点光靠文字讲,学生很容易走神。但找一张真正合适的图,并不容易。
网上当然有很多图。
问题是,每张图都不太一样。
有的像教材截图,有的像十年前的科普网站,有的清晰度很低,有的水印还没去干净,有的重点太复杂,初中生看了反而更晕。
最后一页PPT做完,里面堆着不同来源、不同画风、不同清晰度的素材图,像一次百度图片考古现场。
这件事听起来很小。
但对老师来说,是每天都会遇到的问题。
她不是想把课件做成什么艺术作品。
她只是想让学生看懂。
水是怎么蒸发、凝结、降水,再回到地面的。
城市为什么比郊区更热。
季风为什么会从海洋吹向陆地。
板块为什么会碰撞、分离,形成山脉和地震。
这些东西如果能有一张更准确、更统一、更适合课堂的图,讲起来会轻很多。
GPT-Image-2对她的用处,就在这里。
她可以直接写:
「画一张适合初中生理解的水循环图,风格像教材,标出蒸发、凝结、降水、径流。」

也可以写:
「画一张城市热岛效应示意图,左边是郊区,右边是城市,高楼、道路和温度差异要明显。」

这些图当然不能直接替代教材。
但放进课堂PPT里,已经够用了。
至少它更贴近她真正想讲的知识点。也不会再让一堂课的课件,看起来像从十个网站临时拼出来的。
后来我想到另一个人。
阿梓,某互联网大厂产品经理。
我认识他,是因为之前出去分享时,提到自己有些PPT里的图是用AI生成的。分享结束后,他加了我微信,第一句话就是:
「你那个图怎么做的?」
后来他给我发了一份PPT。
内容其实不错。有用户分析,有业务路径,有产品判断,也有后面的执行计划。
但视觉上很痛苦。
大段文字,流程框,箭头,蓝灰渐变,还有那种国内AIPPT工具最爱生成的「商务科技感」背景。
看起来不像产品方案,更像公司老内网的公告。
这也是很多打工人的真实处境。
他们不是没有想法,也不是不会做事,但一到汇报,就会被PPT拖住。
一个本来想得很清楚的方案,放进一堆文字框和箭头里,突然就显得很虚。
尤其在大厂里,很多时候你把事情想明白还不够。
你还要让别人相信你想明白了。
这件事有点荒谬,但很现实。大家嘴上都说只看内容,真到了会议室里,版式、结构、图示,都会影响别人对方案的第一判断。人类开会就是这么肤浅又正式,挺壮观的。
阿梓以前也试过一些AIPPT工具。那些工具可以很快生成一整套PPT,标题有了,图标有了,流程图也有了。
但很多页面看起来都很像。
像一套没有灵魂的企业培训材料。
他真正需要的,不是AI帮他凑够30页。
他需要的是几张能把关键问题讲清楚的图。
比如用户从看到内容,到产生兴趣,到完成转化,再到复购的路径。
比如一个产品从工具变成Agent之后,用户工作流会怎么改变。
比如AI客服和人工客服之间怎么分工。
这些东西用文字写,会很重。
用流程框画,又很像工作汇报里的自我折磨。
GPT-Image-2对他的帮助,是把这些抽象概念先变成一张可以讨论的画面。
比如他要讲产品内的「AI客服协作流程」。
以前可能就是几个方框:用户咨询、机器人回复、人工介入、工单流转、满意度反馈。
现在他会先生成一张更直观的场景图:
一个客服工作台,左边是用户问题,右边是AI整理出的建议回复和风险提示,中间是人工客服在做最后判断。

图本身不复杂。
但别人一眼能看懂他想说什么。
陈老师和阿梓看起来完全不一样。
一个在教室里讲地理,一个在会议室里讲产品方案。
但他们遇到的是同一个问题:
复杂东西只靠嘴讲,很慢。
只靠文字写,很重。
一张合适的图,可以让别人更快进入你的思路。
GPT-Image-2降低的,不只是做图成本。
它降低的是普通人解释复杂问题的成本。
以前这张图要靠搜索、拼接、模板、设计资源,或者很强的视觉表达能力。
现在,至少可以先做出第一版。
有些事情,讲十分钟不如画一张图。
以前难的是,那张图很难出现。
现在它终于可以先出现了。
PART.04
孩子说,猫要去月亮上吃火锅
THUMB
STOPPING
第四个故事,很轻。
一个妈妈,和她快3岁的孩子。
我叫她阿敏。
她是我高中同学,新手宝妈。前阵子我刷朋友圈,看到她发了一张图。
一只橘猫穿着宇航服,坐在月球上吃火锅。旁边还有一个小机器人。火锅里飘着几颗星星。
图不算特别精致,但很有意思。配文大概是在炫耀小孩的想象力。
我一开始以为是她自己随便生成来玩的。
后来才知道,那是她儿子睡前说出来的。
那天孩子突然说:
「妈妈,我想看我们的猫去月亮上吃火锅。」
这句话如果放在以前,大人最多会笑一下,然后夸一句:
「宝宝想象力真丰富。」
然后灯一关,故事就结束了。
但这次,阿敏真的把这句话输进了GPT-Image-2。
几分钟后,那只在月球上吃火锅的橘猫就出来了。
孩子看到以后,反而更兴奋。
他说旁边还要有一个机器人朋友,火锅里要有星星,猫猫要有点害怕,但又很馋。
于是这个画面被继续改。
一开始只是孩子睡前随口说的一句话。
后来变成了一张可以一起看的图。
再后来,变成了一个可以继续讲下去的小故事。

这个场景很小。
但我觉得它很能说明一件事:
很多时候,孩子的想象力不是没有后续,只是大人接不住。
孩子说一个奇怪的画面,大人说「真棒」,事情就过去了。
不是大人不在意。
是大人也不知道还能怎么接。
总不能真的半夜拿纸笔画一只去月球吃火锅的猫。大人们光是哄睡已经够累了,不必再额外接受美术考试。
但GPT-Image-2让这件事多了一步。
孩子负责想象。
大人负责追问。
AI负责先把画面做出来。
然后孩子继续修改。
这不是在替代孩子的想象力。
相反,它让想象力有了一个可以停留的地方。
以前那句话说完就散了。
现在它可以被看见,被讨论,被继续改。
阿敏后来跟我说,她发现孩子看到图之后,会开始说更多细节。
AI让一个随口说出的想象,变成了一段真正的互动。
这一节我不想把它讲成什么AI教育革命。
太大了,也太假。
它就是一个很普通的睡前场景。
一个妈妈,一个快3岁的孩子,一只被画出来的月球火锅猫。
但也正是这种普通,让它有意思。
GPT-Image-2在这里没有帮谁省钱,没有帮谁成交,也没有帮谁涨点击率。
它只是让一个孩子脑子里的画面,第一次有了回声。
想象力不再只停留在想象里。
它变成了可以共同观看、共同修改、共同延展的东西。
PART.05
她把小时候的客厅,重新画了出来
THUMB
STOPPING
第五类人,离「作图」反而更远。
一个是早期创业者。
一个是想留住旧房子记忆的普通人。
我先说Ray。
他在深圳,25岁,做一个很小的AI产品。我认识他,是在一个创业群里。
那天他发了自己的落地页,想让大家帮忙看看。
但群里看完以后,反应很一致:
没太看懂。
他说自己想做一个「个人信息流里的AI雷达」。
这个说法听起来有点酷,但也很容易让人困惑。
大家会问:
是RSS吗、是知识库吗、是浏览器插件吗?
还有人说:
「这不就是NotionAI吗?」
这就是很多早期创业者最常遇到的问题。
想法可能有点意思,但语言很难把它讲清楚。尤其是那种还没做成产品的东西。
你说功能,别人会把它归到已有产品里。
你说愿景,别人又觉得你在讲概念。
你说用户场景,别人听完还是没有画面。
Ray最开始也很着急。
他解释了很多遍:不是简单收藏信息,不是传统知识库,也不是一个浏览器插件。
他想做的是,当一个人每天被邮件、网页、聊天记录、文档、截图、社交媒体信息淹没时,有一个AI系统能帮他从里面抓出真正值得关注的信号。
但这句话还是很抽象。
后来他做了一张概念图。
一个人坐在桌前,周围漂浮着邮件、网页、聊天记录、截图和文档。这些信息原本是乱的。背后有一个AI系统,把它们整理成几条清晰的信号。
今天谁值得跟进。
哪条信息和正在做的项目有关。
哪些内容只是噪音。

这张图出来以后,群里很多人突然明白了。
它当然不等于产品。
也不能证明这个方向一定成立。
但它解决了第一个问题:
让别人知道他到底想做什么。
对早期创业者来说,第一张图不是装饰。
它经常是想法的第一张脸。
产品还没写完,设计还没定,用户还没验证,但你总要先让别人理解,你脑子里的那个东西大概长什么样。
以前这件事很难。
要么找设计师做概念图,要么自己用Figma硬拼,要么用一大段文字解释。
现在至少可以先跑出一版。
哪怕粗糙,也能拿来讨论。
Ray的故事讲的是未来。
但我听到另一个故事,讲的是过去。
她叫小雯,31岁,在上海上班。
她是一位我的读者朋友。看到我在群里聊GPT-Image-2以后,私信给我看了一张图,说她第一次觉得AI生图不只是拿来整活的。
去年她回老家,陪父母收拾准备卖掉的旧房子。
那套房子,是她从小学住到高中的地方。
房子不大,也不漂亮。厨房瓷砖已经发黄了,阳台的铁窗有点锈,客厅墙上还有以前挂钟留下的印子。
她小时候一直觉得那套房子很普通,甚至有点嫌弃。
觉得旧,乱,小。
后来去了大城市,住过更新的房子,才慢慢意识到,很多记忆其实都和那套旧房子绑在一起。
收拾东西的时候,她妈妈翻出来几张老照片。
有一张是很多年前用老手机拍的,只拍到客厅一角。像素很差,照片也有点糊,但还能看见老式木沙发、玻璃茶几、墙上的年历,还有角落里那台立式风扇。
她一眼就认出来了。
那是她每天放学回家,把书包扔在沙发上的地方。
夏天写作业时,电风扇对着吹的地方。
爸妈看电视,她坐在茶几边削铅笔的地方。
这些事情过去她都不觉得重要。
直到房子真的要卖掉了,她才发现,很多童年不是靠什么大事记住的。
是靠一个客厅、一台风扇、一张玻璃茶几,还有夏天傍晚照进旧房子里的那点光。
后来她试着用GPT-Image-2去还原那个客厅。
她写的描述很普通:
「老式中国家庭客厅,00年左右,木沙发,玻璃茶几,墙上挂着年历,电视柜上盖着白色蕾丝布,有一点拥挤,但很干净。」
图出来以后,她说最触动她的,不是像不像。
是她突然发现,自己已经很久没有认真想起过那个客厅了。

后来她把图发给妈妈看。
妈妈只回了一句:
「还真有点像,咱家以前就是这个感觉。」
这句话已经够了。
没有人拿它发爆款。
也没有人讨论提示词。
她只是把那张图存进了手机相册里。
这个故事和Ray的故事,看起来离得很远。
但底层其实是同一件事。
有些东西很难说清。
一个还没有做出来的产品,一个快要消失的旧客厅。
一个正在形成的想法,一段正在模糊的记忆。
它们都需要一个临时的形状。
GPT-Image-2最有意思的地方,可能就在这里。
它不只是帮人生成漂亮图片。它也让那些说不清、讲不明、快要散掉的东西,先被固定成一个画面。
但它们都说明了一件事:
有些图,不是为了发出去。
只是为了让一个人终于能说:
「对,我想表达的就是这个。」
PART.06
后记
THUMB
STOPPING
写完这10个故事后,我一直在想林姐那句话。
她说,她不需要AI把图画得多高级。
「能不像以前那么土就行。」
这句话很小,但很真实。
很多普通人用GPT-Image-2,并不是因为他们突然想成为设计师。他们只是终于遇到了一个能帮自己把话说清楚的工具。
他们要解决的这些事情都不大。
但它们共同指向一个变化:
过去,普通人脑子里有画面,但画面很难出来。
他们要靠模板、图库、PPT、参考图、口头描述,或者干脆放弃。
现在,他们至少可以先生成一张图。
这张图可能不完美,可能有错,可能还要改很多次。
但它出现以后,事情就不一样了。
花店老板可以拿它发朋友圈。
中介可以拿它和客户讨论。
老师可以拿它讲课。
创作者可以拿它做封面。
妈妈可以拿它继续孩子的故事。
一个人也可以拿它保存一段快要模糊的记忆。
这就是标题里那句话的意思。
有人用AI卖花,有人用AI留住旧客厅。
卖花,是为了把眼前的生活过下去。
留住旧客厅,是为了让过去别那么快消失。
但它们都说明了同一件事:
AI生图开始离开那些炫技场景,进入普通人的真实生活。
它开始帮普通人解决那些以前很难说清、很难画出、很难留下的小事。
这可能才是GPT-Image-2爆火半个月后,真正值得记录的地方。
不是每个人都变成了创作者。
而是越来越多普通人,开始有能力把自己的生活画出来。
感谢您的观看🥹
我是Max,一个在AI方向持续探索的小学生。
我会持续更新一些AI方向最新最快的产品,技术,思考
文章来自于微信公众号 "01Founder",作者 "01Founder"
【开源免费】字节工作流产品扣子两大核心业务:Coze Studio(扣子开发平台)和 Coze Loop(扣子罗盘)全面开源,而且采用的是 Apache 2.0 许可证,支持商用!
项目地址:https://github.com/coze-dev/coze-studio
【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址:https://github.com/n8n-io/n8n
在线使用:https://n8n.io/(付费)
【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。
项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用:https://vectorvein.ai/(付费)
【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。
项目地址:https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】FASTGPT是基于LLM的知识库开源项目,提供开箱即用的数据处理、模型调用等能力。整体功能和“Dify”“RAGFlow”项目类似。很多接入微信,飞书的AI项目都基于该项目二次开发。
项目地址:https://github.com/labring/FastGPT
【开源免费】LangGPT 是一个通过结构化和模板化的方法,编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词,进而高质量的帮助用户通过AI解决问题。
项目地址:https://github.com/langgptai/LangGPT/blob/main/README_zh.md
在线使用:https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0