水墨江南模型LaTeX文档集成自动生成技术报告中的示意图写技术报告或者学术论文最头疼的事情之一是什么对我来说肯定是画图。特别是那些需要体现中式美学或者特定风格的示意图、流程图。要么自己用绘图软件一点点磨费时费力要么网上找的素材风格不搭显得格格不入。最近在写一份关于传统园林数字化保护的技术报告里面需要大量江南水乡风格的架构图和概念图。就在我一筹莫展的时候发现了“水墨江南”这个AI绘画模型。它生成的水墨画、青绿山水风格图片简直是为这类文档量身定做的。但问题来了怎么才能高效地把AI生成的图无缝对接到我的LaTeX文档里还能保持风格统一呢摸索了一阵子我搞出了一套还算好用的方法。今天就来聊聊怎么把水墨江南模型“塞进”你的LaTeX工作流让它帮你自动生成风格统一、质量在线的技术报告插图。1. 为什么要在LaTeX里集成AI绘图你可能觉得画个图而已手动插入不就行了但当你需要生成十几张甚至几十张风格一致的示意图时手动操作就变成了一场噩梦。传统流程的痛点风格难以统一不同时间、不同心情下画的图细节、笔触、配色总有差异。效率低下一张复杂的架构图从构思到绘制完成可能就需要大半天。修改成本高报告结构调整图也得跟着重画牵一发而动全身。创意枯竭特别是对于非设计出身的研究者想画出有美感的图本身就是挑战。集成AI模型后的变化风格一致性通过固定的提示词Prompt和模型参数可以批量产出风格高度统一的图片。效率飞跃从描述文字到生成图片可能只需要几分钟。批量生成更是能节省大量时间。灵活可迭代发现图表表达不准确修改提示词重新生成一张就是了成本极低。提升文档质感专业的内容配上风格化、有设计感的插图能让你的报告或论文瞬间提升一个档次。对于技术报告、学术论文这类严肃文档插图的专业性、一致性和美观度往往在不经意间影响着评审人或读者的观感。一套风格统一、制作精良的示意图本身就是严谨态度的体现。2. 核心思路从文本描述到LaTeX插图整个过程其实是一条清晰的流水线核心思想是“用代码管理创意”。我们不是手动去画每一张图而是通过编写脚本把“画图”这个动作自动化。整个工作流可以分为三个关键步骤2.1 编写脚本调用模型API这是自动化的起点。你需要一个脚本比如Python脚本它的任务是接收你对图片的文字描述然后去调用水墨江南模型的API拿到生成的图片文件。这个脚本就像你的“绘图机器人”。你告诉它“画一张‘层叠的飞檐与马头墙水墨风格留白江南建筑群落’的图”它就去执行并把生成的图片保存到你指定的文件夹。2.2 处理与优化生成的图片AI生成的图片直接拿来用有时尺寸、格式或细节可能不完美。所以我们需要一个中间处理环节。比如水墨江南模型可能默认输出方形图片但你的报告需要宽幅的流程图。这时就需要脚本能自动裁剪或调整图片比例。或者你需要将图片统一转换成LaTeX更友好的格式如PDF或高分辨率PNG并调整DPI以确保打印清晰。2.3 将图片嵌入LaTeX文档最后一步也是让一切变得便捷的一步是自动将图片插入LaTeX。我们不是手动写\includegraphics命令而是让脚本在生成图片后自动在LaTeX源文件里插入对应的引用代码甚至自动生成图片标签Label和标题Caption。理想状态下你只需要维护一个“图片描述列表”运行一次脚本从图片生成到文档插入就全部完成了。3. 动手搭建一步步实现自动化绘图光说思路可能有点虚我们来看点实际的代码。下面我以一个简单的Python脚本为例展示如何串联起这个过程。假设你已经有了水墨江南模型的API访问权限具体API申请方式请参考模型提供方的文档。3.1 环境准备与脚本框架首先你需要安装必要的Python库比如用于网络请求的requests和处理图片的PILPillow。# requirements.txt requests2.28.0 Pillow9.0.0然后我们创建一个主脚本generate_figures.py先搭建好骨架。import os import requests from PIL import Image import io import json class LatexFigureGenerator: def __init__(self, api_key, output_dirfigures, latex_dir.): 初始化生成器 :param api_key: 水墨江南模型的API密钥 :param output_dir: 图片保存目录 :param latex_dir: LaTeX项目根目录 self.api_key api_key self.api_url https://api.example.com/v1/images/generations # 替换为实际API端点 self.output_dir output_dir self.latex_dir latex_dir self.headers { Authorization: fBearer {api_key}, Content-Type: application/json } # 创建输出目录 os.makedirs(self.output_dir, exist_okTrue) def generate_image(self, prompt, filename, style_presetink_wash): 核心函数调用API生成图片 :param prompt: 图片描述文本 :param filename: 保存的文件名不含扩展名 :param style_preset: 风格预设确保统一性 :return: 生成的图片本地路径 # 构造请求数据加入风格化参数 data { model: shuimo-jiangnan-v2, prompt: f{prompt}, {style_preset} style, high detail, clean lines, n: 1, size: 1024x1024, # 可根据需要调整 response_format: url # 或 b64_json } print(f正在生成: {prompt[:50]}...) try: response requests.post(self.api_url, headersself.headers, jsondata) response.raise_for_status() result response.json() image_url result[data][0][url] # 下载图片 img_response requests.get(image_url) img Image.open(io.BytesIO(img_response.content)) # 保存图片 img_path os.path.join(self.output_dir, f{filename}.png) img.save(img_path, PNG) print(f图片已保存至: {img_path}) return img_path except Exception as e: print(f生成图片失败: {e}) return None这个类初始化了API连接并定义了一个generate_image方法。注意style_preset参数它被固定地添加到每个提示词后面这是保证批量生成的图片具有一致风格的关键。3.2 定义你的“插图需求清单”接下来我们不在代码里硬编码提示词而是用一个列表来管理。这样要新增或修改插图时只需改这个列表非常清晰。def define_figure_specs(self): 定义报告中所有需要的图片规格。 每张图包括提示词、文件名、在LaTeX中的标签和标题。 这是实现批量生成和统一管理的核心。 figure_specs [ { prompt: A hierarchical architecture diagram of a digital garden preservation system, with traditional pavilions as nodes and winding streams as data flow, ink wash painting, filename: sys_arch, label: fig:sys_architecture, caption: 数字园林保护系统总体架构示意图水墨风格 }, { prompt: Data flow from sensor networks to cloud analysis platform, visualized as leaf veins on a lotus leaf, subtle colors, filename: data_flow, label: fig:data_flow, caption: 传感器数据流向示意图荷叶脉络隐喻 }, { prompt: Comparison between traditional documentation and 3D point cloud model, side by side, classical Chinese landscape composition, filename: method_compare, label: fig:method_comparison, caption: 传统记录与三维点云建模方法对比 }, { prompt: Timeline of garden restoration phases, each phase marked by a different style of moon gate, minimalist, filename: timeline, label: fig:restoration_timeline, caption: 园林修复项目实施阶段时间线 } ] return figure_specs你看这里我不仅定义了生成图片用的提示词prompt和文件名还预先想好了这张图在LaTeX里对应的标签\label和标题\caption。这一步规划好后面就全是自动化了。3.3 生成图片并插入LaTeX现在我们把生成图片和更新LaTeX文档这两件事连起来。def process_and_embed(self): 主流程生成所有图片并更新LaTeX文档 specs self.define_figure_specs() latex_code_blocks [] # 用来收集所有生成的LaTeX图片代码 for spec in specs: img_path self.generate_image(spec[prompt], spec[filename]) if img_path: # 1. 可选的图片后处理调整大小、转换格式等 # self._post_process_image(img_path) # 2. 生成对应的LaTeX代码块 latex_code self._generate_latex_figure_code( img_pathimg_path, labelspec[label], captionspec[caption], width0.8\\textwidth # 控制图片宽度 ) latex_code_blocks.append(latex_code) # 3. 将所有生成的LaTeX代码写入一个文件方便主文档引入 self._write_latex_figure_file(latex_code_blocks) print(所有图片已生成并LaTeX代码已准备就绪。) def _generate_latex_figure_code(self, img_path, label, caption, width): 生成标准的LaTeX图片插入代码。 注意这里使用相对于LaTeX主文档的图片路径。 # 计算相对路径。假设图片保存在figures/LaTeX主文档在项目根目录。 relative_path os.path.join(self.output_dir, os.path.basename(img_path)) latex_code f \\begin{{figure}}[htbp] \\centering \\includegraphics[width{width}]{{{relative_path}}} \\caption{{{caption}}} \\label{{{label}}} \\end{{figure}} return latex_code def _write_latex_figure_file(self, code_blocks): 将生成的LaTeX图片代码写入一个独立的.tex文件 output_file os.path.join(self.latex_dir, auto_generated_figures.tex) with open(output_file, w, encodingutf-8) as f: f.write(% 此文件由脚本自动生成请勿手动编辑\n) f.write(% Auto-generated figures for LaTeX document\n\n) for code in code_blocks: f.write(code) f.write(\n\n) # 图片之间空一行 print(fLaTeX图片代码已写入: {output_file})最后添加一个主函数来运行整个流程if __name__ __main__: # 替换为你自己的API密钥 API_KEY your_shuimo_jiangnan_api_key_here generator LatexFigureGenerator( api_keyAPI_KEY, output_dir./figures, # 图片保存到项目下的figures文件夹 latex_dir. # LaTeX主文档所在目录 ) # 一键生成所有图片并创建LaTeX代码 generator.process_and_embed() print(流程完成请在LaTeX主文档中使用 \\input{auto_generated_figures.tex} 引入图片。)运行这个脚本它会自动完成四件事1) 依次调用API生成四张图2) 保存到figures/文件夹3) 生成包含所有\begin{figure}...\end{figure}代码的auto_generated_figures.tex文件4) 打印出引入说明。在你的LaTeX主文档中只需要在需要插入图片的地方写上一行\input{auto_generated_figures.tex}所有风格统一、带标题和标签的图片就都排好队进来了。4. 让插图与文档风格融为一体图片生成了也插进去了但怎么确保它们看起来就是文档“原生”的一部分而不是生硬的贴图呢这里有几个小技巧。首先是风格的延续性。水墨江南模型本身就有很强的风格但我们可以通过提示词进行微调让它更贴合文档基调。比如技术报告可能偏向冷静、理性那么提示词中可以加入“简约线条”、“单色为主”、“大量留白”等。如果是人文社科论文可能需要更富意境可以加入“烟雨朦胧”、“题跋印章感”等词。其次是排版的一致性。在_generate_latex_figure_code函数里我们统一设置了图片宽度width0.8\\textwidth。你还可以统一设置图片位置如[htbp]、标题的格式通过\captionsetup命令设置字体、间距等。确保所有自动生成的图片遵循同一套排版规则。最后也是最重要的是内容的精准性。AI毕竟不是专家生成的示意图可能在细节上有谬误。我的经验是提示词要写得像给实习生的工作指令越具体、越无歧义越好。不要只说“画个系统架构图”而要描述清楚“一个三层架构图最上层是用户交互界面用亭台楼阁表示中间层是数据处理模块用蜿蜒的溪流表示底层是数据存储用假山石表示。箭头表示数据流向。”有时候一次生成的结果不理想别灰心。把不满意的图作为“反面教材”调整你的提示词。比如如果生成的图太写意看不清结构就加上“清晰的结构线条”、“示意图风格”如果颜色太艳加上“淡雅色调”、“水墨感”。这个过程本身也是对你思考图表表达的一种锤炼。5. 总结回过头看把水墨江南这样的AI绘画模型集成到LaTeX工作流中本质上是在解决一个效率与质量平衡的问题。它把我们从重复、机械的绘图劳动中解放出来让我们能更专注于图表所要表达的核心思想和逻辑结构。这套方法的好处是显而易见的。首先是效率一旦脚本写好生成一批新图就是几分钟的事。其次是一致性通过参数化的提示词能保证所有插图风格统一。最后是可维护性所有的“绘图指令”都以代码和文本的形式存在修改和版本管理变得非常方便。当然它也不是全自动的魔法。你需要花时间去构思精准的提示词去设计图表的布局隐喻比如用园林元素比喻系统组件。AI是强大的画笔但握笔的人和构思画面的依然是你自己。如果你也在撰写需要风格化插图的技术文档不妨试试这个方法。可以从一两个简单的图开始慢慢完善你的提示词库和脚本工具。当你的LaTeX文档能够自动“生长”出精美、统一的示意图时那种感觉还是挺棒的。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
水墨江南模型LaTeX文档集成：自动生成技术报告中的示意图
水墨江南模型LaTeX文档集成自动生成技术报告中的示意图写技术报告或者学术论文最头疼的事情之一是什么对我来说肯定是画图。特别是那些需要体现中式美学或者特定风格的示意图、流程图。要么自己用绘图软件一点点磨费时费力要么网上找的素材风格不搭显得格格不入。最近在写一份关于传统园林数字化保护的技术报告里面需要大量江南水乡风格的架构图和概念图。就在我一筹莫展的时候发现了“水墨江南”这个AI绘画模型。它生成的水墨画、青绿山水风格图片简直是为这类文档量身定做的。但问题来了怎么才能高效地把AI生成的图无缝对接到我的LaTeX文档里还能保持风格统一呢摸索了一阵子我搞出了一套还算好用的方法。今天就来聊聊怎么把水墨江南模型“塞进”你的LaTeX工作流让它帮你自动生成风格统一、质量在线的技术报告插图。1. 为什么要在LaTeX里集成AI绘图你可能觉得画个图而已手动插入不就行了但当你需要生成十几张甚至几十张风格一致的示意图时手动操作就变成了一场噩梦。传统流程的痛点风格难以统一不同时间、不同心情下画的图细节、笔触、配色总有差异。效率低下一张复杂的架构图从构思到绘制完成可能就需要大半天。修改成本高报告结构调整图也得跟着重画牵一发而动全身。创意枯竭特别是对于非设计出身的研究者想画出有美感的图本身就是挑战。集成AI模型后的变化风格一致性通过固定的提示词Prompt和模型参数可以批量产出风格高度统一的图片。效率飞跃从描述文字到生成图片可能只需要几分钟。批量生成更是能节省大量时间。灵活可迭代发现图表表达不准确修改提示词重新生成一张就是了成本极低。提升文档质感专业的内容配上风格化、有设计感的插图能让你的报告或论文瞬间提升一个档次。对于技术报告、学术论文这类严肃文档插图的专业性、一致性和美观度往往在不经意间影响着评审人或读者的观感。一套风格统一、制作精良的示意图本身就是严谨态度的体现。2. 核心思路从文本描述到LaTeX插图整个过程其实是一条清晰的流水线核心思想是“用代码管理创意”。我们不是手动去画每一张图而是通过编写脚本把“画图”这个动作自动化。整个工作流可以分为三个关键步骤2.1 编写脚本调用模型API这是自动化的起点。你需要一个脚本比如Python脚本它的任务是接收你对图片的文字描述然后去调用水墨江南模型的API拿到生成的图片文件。这个脚本就像你的“绘图机器人”。你告诉它“画一张‘层叠的飞檐与马头墙水墨风格留白江南建筑群落’的图”它就去执行并把生成的图片保存到你指定的文件夹。2.2 处理与优化生成的图片AI生成的图片直接拿来用有时尺寸、格式或细节可能不完美。所以我们需要一个中间处理环节。比如水墨江南模型可能默认输出方形图片但你的报告需要宽幅的流程图。这时就需要脚本能自动裁剪或调整图片比例。或者你需要将图片统一转换成LaTeX更友好的格式如PDF或高分辨率PNG并调整DPI以确保打印清晰。2.3 将图片嵌入LaTeX文档最后一步也是让一切变得便捷的一步是自动将图片插入LaTeX。我们不是手动写\includegraphics命令而是让脚本在生成图片后自动在LaTeX源文件里插入对应的引用代码甚至自动生成图片标签Label和标题Caption。理想状态下你只需要维护一个“图片描述列表”运行一次脚本从图片生成到文档插入就全部完成了。3. 动手搭建一步步实现自动化绘图光说思路可能有点虚我们来看点实际的代码。下面我以一个简单的Python脚本为例展示如何串联起这个过程。假设你已经有了水墨江南模型的API访问权限具体API申请方式请参考模型提供方的文档。3.1 环境准备与脚本框架首先你需要安装必要的Python库比如用于网络请求的requests和处理图片的PILPillow。# requirements.txt requests2.28.0 Pillow9.0.0然后我们创建一个主脚本generate_figures.py先搭建好骨架。import os import requests from PIL import Image import io import json class LatexFigureGenerator: def __init__(self, api_key, output_dirfigures, latex_dir.): 初始化生成器 :param api_key: 水墨江南模型的API密钥 :param output_dir: 图片保存目录 :param latex_dir: LaTeX项目根目录 self.api_key api_key self.api_url https://api.example.com/v1/images/generations # 替换为实际API端点 self.output_dir output_dir self.latex_dir latex_dir self.headers { Authorization: fBearer {api_key}, Content-Type: application/json } # 创建输出目录 os.makedirs(self.output_dir, exist_okTrue) def generate_image(self, prompt, filename, style_presetink_wash): 核心函数调用API生成图片 :param prompt: 图片描述文本 :param filename: 保存的文件名不含扩展名 :param style_preset: 风格预设确保统一性 :return: 生成的图片本地路径 # 构造请求数据加入风格化参数 data { model: shuimo-jiangnan-v2, prompt: f{prompt}, {style_preset} style, high detail, clean lines, n: 1, size: 1024x1024, # 可根据需要调整 response_format: url # 或 b64_json } print(f正在生成: {prompt[:50]}...) try: response requests.post(self.api_url, headersself.headers, jsondata) response.raise_for_status() result response.json() image_url result[data][0][url] # 下载图片 img_response requests.get(image_url) img Image.open(io.BytesIO(img_response.content)) # 保存图片 img_path os.path.join(self.output_dir, f{filename}.png) img.save(img_path, PNG) print(f图片已保存至: {img_path}) return img_path except Exception as e: print(f生成图片失败: {e}) return None这个类初始化了API连接并定义了一个generate_image方法。注意style_preset参数它被固定地添加到每个提示词后面这是保证批量生成的图片具有一致风格的关键。3.2 定义你的“插图需求清单”接下来我们不在代码里硬编码提示词而是用一个列表来管理。这样要新增或修改插图时只需改这个列表非常清晰。def define_figure_specs(self): 定义报告中所有需要的图片规格。 每张图包括提示词、文件名、在LaTeX中的标签和标题。 这是实现批量生成和统一管理的核心。 figure_specs [ { prompt: A hierarchical architecture diagram of a digital garden preservation system, with traditional pavilions as nodes and winding streams as data flow, ink wash painting, filename: sys_arch, label: fig:sys_architecture, caption: 数字园林保护系统总体架构示意图水墨风格 }, { prompt: Data flow from sensor networks to cloud analysis platform, visualized as leaf veins on a lotus leaf, subtle colors, filename: data_flow, label: fig:data_flow, caption: 传感器数据流向示意图荷叶脉络隐喻 }, { prompt: Comparison between traditional documentation and 3D point cloud model, side by side, classical Chinese landscape composition, filename: method_compare, label: fig:method_comparison, caption: 传统记录与三维点云建模方法对比 }, { prompt: Timeline of garden restoration phases, each phase marked by a different style of moon gate, minimalist, filename: timeline, label: fig:restoration_timeline, caption: 园林修复项目实施阶段时间线 } ] return figure_specs你看这里我不仅定义了生成图片用的提示词prompt和文件名还预先想好了这张图在LaTeX里对应的标签\label和标题\caption。这一步规划好后面就全是自动化了。3.3 生成图片并插入LaTeX现在我们把生成图片和更新LaTeX文档这两件事连起来。def process_and_embed(self): 主流程生成所有图片并更新LaTeX文档 specs self.define_figure_specs() latex_code_blocks [] # 用来收集所有生成的LaTeX图片代码 for spec in specs: img_path self.generate_image(spec[prompt], spec[filename]) if img_path: # 1. 可选的图片后处理调整大小、转换格式等 # self._post_process_image(img_path) # 2. 生成对应的LaTeX代码块 latex_code self._generate_latex_figure_code( img_pathimg_path, labelspec[label], captionspec[caption], width0.8\\textwidth # 控制图片宽度 ) latex_code_blocks.append(latex_code) # 3. 将所有生成的LaTeX代码写入一个文件方便主文档引入 self._write_latex_figure_file(latex_code_blocks) print(所有图片已生成并LaTeX代码已准备就绪。) def _generate_latex_figure_code(self, img_path, label, caption, width): 生成标准的LaTeX图片插入代码。 注意这里使用相对于LaTeX主文档的图片路径。 # 计算相对路径。假设图片保存在figures/LaTeX主文档在项目根目录。 relative_path os.path.join(self.output_dir, os.path.basename(img_path)) latex_code f \\begin{{figure}}[htbp] \\centering \\includegraphics[width{width}]{{{relative_path}}} \\caption{{{caption}}} \\label{{{label}}} \\end{{figure}} return latex_code def _write_latex_figure_file(self, code_blocks): 将生成的LaTeX图片代码写入一个独立的.tex文件 output_file os.path.join(self.latex_dir, auto_generated_figures.tex) with open(output_file, w, encodingutf-8) as f: f.write(% 此文件由脚本自动生成请勿手动编辑\n) f.write(% Auto-generated figures for LaTeX document\n\n) for code in code_blocks: f.write(code) f.write(\n\n) # 图片之间空一行 print(fLaTeX图片代码已写入: {output_file})最后添加一个主函数来运行整个流程if __name__ __main__: # 替换为你自己的API密钥 API_KEY your_shuimo_jiangnan_api_key_here generator LatexFigureGenerator( api_keyAPI_KEY, output_dir./figures, # 图片保存到项目下的figures文件夹 latex_dir. # LaTeX主文档所在目录 ) # 一键生成所有图片并创建LaTeX代码 generator.process_and_embed() print(流程完成请在LaTeX主文档中使用 \\input{auto_generated_figures.tex} 引入图片。)运行这个脚本它会自动完成四件事1) 依次调用API生成四张图2) 保存到figures/文件夹3) 生成包含所有\begin{figure}...\end{figure}代码的auto_generated_figures.tex文件4) 打印出引入说明。在你的LaTeX主文档中只需要在需要插入图片的地方写上一行\input{auto_generated_figures.tex}所有风格统一、带标题和标签的图片就都排好队进来了。4. 让插图与文档风格融为一体图片生成了也插进去了但怎么确保它们看起来就是文档“原生”的一部分而不是生硬的贴图呢这里有几个小技巧。首先是风格的延续性。水墨江南模型本身就有很强的风格但我们可以通过提示词进行微调让它更贴合文档基调。比如技术报告可能偏向冷静、理性那么提示词中可以加入“简约线条”、“单色为主”、“大量留白”等。如果是人文社科论文可能需要更富意境可以加入“烟雨朦胧”、“题跋印章感”等词。其次是排版的一致性。在_generate_latex_figure_code函数里我们统一设置了图片宽度width0.8\\textwidth。你还可以统一设置图片位置如[htbp]、标题的格式通过\captionsetup命令设置字体、间距等。确保所有自动生成的图片遵循同一套排版规则。最后也是最重要的是内容的精准性。AI毕竟不是专家生成的示意图可能在细节上有谬误。我的经验是提示词要写得像给实习生的工作指令越具体、越无歧义越好。不要只说“画个系统架构图”而要描述清楚“一个三层架构图最上层是用户交互界面用亭台楼阁表示中间层是数据处理模块用蜿蜒的溪流表示底层是数据存储用假山石表示。箭头表示数据流向。”有时候一次生成的结果不理想别灰心。把不满意的图作为“反面教材”调整你的提示词。比如如果生成的图太写意看不清结构就加上“清晰的结构线条”、“示意图风格”如果颜色太艳加上“淡雅色调”、“水墨感”。这个过程本身也是对你思考图表表达的一种锤炼。5. 总结回过头看把水墨江南这样的AI绘画模型集成到LaTeX工作流中本质上是在解决一个效率与质量平衡的问题。它把我们从重复、机械的绘图劳动中解放出来让我们能更专注于图表所要表达的核心思想和逻辑结构。这套方法的好处是显而易见的。首先是效率一旦脚本写好生成一批新图就是几分钟的事。其次是一致性通过参数化的提示词能保证所有插图风格统一。最后是可维护性所有的“绘图指令”都以代码和文本的形式存在修改和版本管理变得非常方便。当然它也不是全自动的魔法。你需要花时间去构思精准的提示词去设计图表的布局隐喻比如用园林元素比喻系统组件。AI是强大的画笔但握笔的人和构思画面的依然是你自己。如果你也在撰写需要风格化插图的技术文档不妨试试这个方法。可以从一两个简单的图开始慢慢完善你的提示词库和脚本工具。当你的LaTeX文档能够自动“生长”出精美、统一的示意图时那种感觉还是挺棒的。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
