@TOC
前言
在人工智能（AI）的黄金时代,AI带来的变革不仅局限于效率提升和任务自动化；它正在推动新的创意边界。艺术家和设计师通过AI揭示了前所未见的创作领域，而教育家们也正在利用这些技术为学习带来个性化的适应。AI时代的到来，预示着无限的可能性和潜在的道德考量，我们必须审慎地探索这个不断发展的新世界。
目前腾讯云HAI正在内测中，腾讯云HAI为开发者量身打造的澎湃算力平台。无需复杂配置，便可享受即开即用的GPU云服务体验。在 HAI 中，根据应用智能匹配并推选出最适合的GPU算力资源，以确保您在数据科学、LLM、AI作画等高性能应用中获得最佳性价比。
本文将详细介绍如何使用腾讯云HAI的ChatGLM和StableDiffusion这两个模型。首先是通过ChatGLM模型生成课堂教学方案，然后生成对应的相关提示词和相关的反向提示词，然后通过StableDiffusion模型进行生成相应的图片。最后可以结合教学方案以及图片进行课件的制作。
脑图分析
前期准备
1. 首先需要注册一个腾讯云账号，点击前往注册
然后，需要申请内测资格（可能需要一两天，需要耐心等待一下，或者可以去群里找工作人员加急一下），点击申请内测资格
2. 内测资格审核通过后，就可以去体验HAI了。
ChatGLM2 6B 创建与使用
通过脑图分析我们这一步，将要通过HAI下的ChatGLM2 6B模型进行教学方案的生成以及根据教学方案生成相关提示词与相关反向提示词。那么我们将进行一步一步的进行如下的操作。
1.创建（https://console.cloud.tencent.com/hai/instance?rid=1）
- 点击新建，选择HAI下的AI模型
- 选择AI模型下的ChatGLM2 6B
- 选择地域，这里的地域可以根据自己的地域要求选择地域，我这里选择了广州。
- 算力方案，我这里选择了基础方案就够了。可以根据自己的业务要求去选择不同方案。
- 示例名称，根据自己的应用创建即可
- 硬盘：也是根据自己的业务需要，我这里选择了80gb就够了。
- 点击立即购买
2.等待创建与创建完成
创建之后可能需要一点点时间去等待，需要有点耐心，大概得8-10分钟左右。
下图是创建成功的图，可以在上面看到相关的状态。
3.启动
点击算力连接，这里有两种连接方式chatlm2_gradio和jupyter_lab，在这里我们选择chatlm2_gradio这种的webUI方式连接。
4.生成教学方案
这里是以小学一年级语文为教材，生成教学方案。主要是以培养学生的口语交际能力。
具体细节如下：
问： 你好，请根据小学语文一年级上册这本教材中的《口语交际：我们做朋友》生成一堂教学方案。 模型回答： 请参阅以下小学语文一年级上册《口语交际：我们做朋友》的教学方案。 一、教学目标 1. 知识与技能目标：通过学习，提高学生口语表达能力，学会与人沟通、交流的方法。 2. 过程与方法目标：通过参与课堂活动，培养学生的合作意识和团队精神，增强学生与人沟通的自信心。 3. 情感态度与价值观目标：通过交流，培养学生的友谊感情，提高学生对友谊的珍视与维护。 二、教学重难点 1. 教学重点：学会与人沟通、交流的方法。 2. 教学难点：口语表达能力的提高。 三、教学过程 （一）导入（5分钟） 1. 游戏导入，活跃课堂气氛。 2. 讲述教材中的有趣故事，激发学生兴趣。 （二）导入新课（5分钟） 1. 谈话导入，营造轻松的氛围。 2. 提出教学目标，明确本节课学习内容。 （三）基本部分（15分钟） 1. 口语交际训练，让学生练习与人沟通、交流的方法。 2. 设计小型对话，让学生在对话中学会倾听、表达。 3. 总结交流技巧，让学生学会倾听、表达的技巧。 4. 设计情境，让学生在情境中学会与人沟通、交流。 5. 进行口语表达比赛，激发学生的兴趣。 6. 总结课堂内容，巩固所学。 （四）作业设计（5分钟） 1. 设计一张与友谊相关的画片，展示自己的情感。 2. 书面表达：我的友谊，要求用书面表达自己的情感。 四、教学反思 1. 学生参与度，关注学生思维的活跃程度。 2. 教学过程中，是否有效激发学生学习兴趣。 3. 对学生口语表达能力的培养，是否达到课程要求。 五、教学延伸 1. 课后与同学进行口语交际练习，互相评价。 2. 设计有关友谊的演讲稿，准备在班级中分享。
5.生成提示词
根据模型给出的教学方案步骤，让模型逐步生成后续需要使用的提示词和相关的反向提示词。
比如：小学语文一年级上册《口语交际：我们做朋友》1. 游戏导入，活跃课堂气氛。2. 讲述教材中的有趣故事，激发学生兴趣。生成6个相关提示词和6个相关的反向提示词
6.销毁
当完成了自己的需求的时候，一定要记得去销毁实例。
Stable Diffusion 创建与使用
腾讯云HAI平台上的Stable Diffusion模型，通过其直观的界面和强大的后端支持，使得我们无需深厚的技术背景即可享受到AI作画的乐趣。Stable Diffusion模型能够基于文本描述生成高质量的图像，它的运作原理是分析文本的语义内容，然后将这些信息转化为丰富的视觉表现。其实现的是一个从文本到图像的直接转换。我们可以通过它快速的生成我们想要的图片，下面就让我们去生成我们想要的图片吧。
这里我们使用HAI下的Stable Diffusion模型使用ChatGLM2 6B给我们生成的相关提示词和相关反向提示词进行AI的绘画，生成我们需要的课堂图片。
1. 创建与启动
这里的创建与启动与ChatGLM2 6B模型的创建与使用差不多，就不在过多的赘述。同样我们使用stable_diffusion_webui这种的webUI方式进行连接。
2..StableDiffusion 中文配置
- 点击 Extension 选项卡
- 选择选择 Avaliable 子选项卡
- 取消勾选 localization ，再把其他勾上,然后点击 Load form。这里可能需要几分钟的等待加载。
- 加载完成，在输入框中查找插件关键字： zh_CN 点击install 安装
- 插件安装完成后，重启服务，选择Settings中的Reload UI。
- 重启后，选择 Settings 中 User Interface 选项，下拉选择语言 zh_CN ，点击 Apply settings 保存设置 ，并 Reload UI 重启服务。
3. 使用高性能应用服务HAI 部署的 StableDiffusionWebUI 快速进行AI绘画
注意：提示词（Prompt）越多，AI 绘图结果会更加精准。另外，目前中文提示词的效果不好，还得使用英文提示词。 相关参数解释：提示词：主要描述图像，包括内容风格等信息，原始的webui会对这个地方有字数的限制，可以安装一些插件突破字数的限制 反向提示词：为了提供给模型，我们不需要的风格 提示词相关性（CFG scale）：分类器自由引导尺度——图像与提示符的一致程度——越低的值产生的结果越有创意，数值越大成图越贴近描述文本。一般设置为7 采样方法（Sampling method）：采样模式，即扩散算法的去噪声采样模式会影响其效果，不同的采样模式的结果会有很大差异，一般是默认选择euler，具体效果我也在逐步尝试中。 采样迭代步数（Sampling steps）：在使用扩散模型生成图片时所进行的迭代步骤。每经过一次迭代，AI就有更多的机会去比对prompt和当前结果，并作出相应的调整。需要注意的是，更高的迭代步数会消耗更多的计算时间和成本，但并不意味着一定会得到更好的结果。然而，如果迭代步数过少，一般不少于50，则图像质量肯定会下降 随机种子（Seed）：随机数种子，生成每张图片时的随机种子，这个种子是用来作为确定扩散初始状态的基础。不懂的话，用随机的即可
根据我们上一步生成的提示词和反向提示词进行生成对应的图片：
全部生成的图片如下：
4.销毁
与第一个实例一样，不要忘记销毁实例。
总结
到此我们的教学方案与图片生成就全部结束了，就可以根据提供的教学方案与图片进行制作相关的课件了。
总结一下腾讯云HAI的StableDiffusion和ChatGLM模型总体体验下来的几点感受：
- ChatGLM是一种新型的聊天机器人模型，能够基于在预训练阶段所见的模式和统计规律来生成回答，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流。
- ChatGLM的用户交互体验也非常的流畅
- StableDiffusion预置主流AI作画模型及常用插件，无需手动部署，支持即开即用，动态更新模型版本，确保模型版本与时俱进，无需频繁操作。
- 但是StableDiffusion有时根据关键词生成的图片不是很符合，也有可能是我自己配置关键词的原因。
- 目前的模型创建之后只能销毁而不能暂停或者停止。这样使用起来会有一些不太方便。
