Targeting

https://www.prompterday.com/main#info

Prompter Day Seoul 2023

 

프롬프트에 대한 공부를 이어가던 어느 날,

나의 동반자가 해커톤에 나가보라며 링크를 보내줬다.

우연히 내가 프롬프트를 접할 기회를 얻는 것처럼 팀원이 꾸려져 해커톤에 참가하게 됐다.

'프론트는 유니티로, 백엔드는 AI개발자가, 프롬프트는 백수기, 산업디자인 전공자는 UI, 마지막으로 UX는 예선에 통과되면'이라는 언더독 신조로 대회에 참가했다.

 

생성형 AI는 정말 편리하다. 코파일럿, 자기소개서 수정, 정규화, 이미지 생성 등 기존에 구글링이나 전문가만 할 수 있었던 일들을 가능하게 해 줬다. 

API활용이라는 기대감을 안고 시작했지만,  생성형 AI로  더 나은 세상을 위한 아이디어는 좀처럼 나오지 않았다.

그래도 1주일 회의와 멘토님의 피드백으로 생각하는 힘은 조금 자라났다. 아주 크진 않고, 새싹이 튀어나온 정도...

우리는 개발을 끝내보자며 '디자이너를 위한 레퍼런스 SNS'로 아이디어를 마감했다.

디자이너 SNS인데 타켓을 분석하는 chat-GPT와 GPT생성 텍스트 기반으로 이미지를 생성하는 DALL-E를 더해 자기 만의 세상에 갇히지 않고, 타깃에 맞는 디자인 레퍼런스를 얻을 수 있는 어플이다.

 

생성형 AI를 사용하는 과정은 다음과 같다.

 

 

제품정보, 유저의 기본정보, 상세 정보를 입력해서 고객 키워드, 제품 디자인, 디자인 이유를 json으로 출력한다.

고객 키워드는 키워드 분석시 사용하고, 제품 디자인은 DALL-E의 프롬프트로 입력되어 이미지를 생성한다.

디자인 이유는 해당 디자인의 상세 보기 페이지에서 제공된다.

 

처음 프롬프트를 작성했을때는 에러 발생을 걱정해서 json 말고 하나씩 API를 따로 요청해 응답을 받으려고 했지만,

시간도 오래걸리고 백엔드 과정을 복잡하게 만들어 하나로 통일했다.

출력 시간은 약 30초가 걸렸으며, 추가 단어를 덧붙여 DALL-E의 프롬프트로 사용했다.

 

Chat-GPT 프롬프트

#고객키워드 = 상세키워드, 제품디자인 = 한 줄 정리, 디자인 이유 = 디자인 이유
#상세설명을 썼을 때 ->  generate_job_name_detail/ 안썻을때 ->generate_job_name_short

from dotenv import load_dotenv
import openai
import os
import json
import re
#import googletrans

#JSON으로 확실하게 출력하는 함수
def read_string_to_list(input_string):
    if input_string is None:
        return None
    try:
        input_string = input_string.replace("'", "\"")  # Replace single quotes with double quotes for valid JSON
        data = json.loads(input_string)
        return data
    except json.JSONDecodeError:
        print("Error: Invalid JSON string")
        return None

## chat-GPT활용
load_dotenv()
openai.api_key = os.getenv("openai.api_key_H")

#상세 정보가 들어왔을때 쓰는 함수
def generate_job_name_detail(product,basic_info,detail_info):
    #제품 = product ; 기본정보 = basic_info; 세부사항 = detail_info

    separate = "'''"

    Prompt = f"""
    You are an imaginative painter skilled at understanding persona's needs.
    ##역할과 스킬 부여: 상상력이 뛰어난 화가, 페르소나의 니즈 파악하는 능력보유
    You can comprehend both persona and product information, creating imaginative product designs. 
    ##해야할 일 부여: 입력된 정보를 이해하고 제품 디자인을 만들어라
    The text, separated by triple backquotes {separate}. 
    
    Perform the following actions:
    1 - You must choose two keywords for clustering persona characteristics from this given list '['활동적','차분한','호기심','합리적','팝','새로움','단순함','예민함','자신감','성실함','용감함','창의적']'- nothing else. Ensuring that you only choose two keywords from the given list. 
    ##페르소나의 특징에 맞는 키워드를 주어진 보기 안에서만 2개 골라라
    
    2 - Describe the design using concise keywords a lot, do not make sentences, arrange in a row physically. Go into details. And focusing on colors, shape and characteristic.
    ex)직사각형 모양, 깔끔하고 안정적인 분위기, 다크 우드 컬러, 현대적인 디자인, 심플하고 세련된 형태
    ##상상한 디자인에 대해 키워드로 설명해라. 마치 앞이 안보이는 사람에게 설명하듯이
    
    3 – Provide really detailed explanations for the reasoning behind your design idea. Do not make list.
    ##디자인을 상상한 이유에 대해 설명해라
    
    4 - Output a JSON objet that containing the following keys: 고객키워드, 제품디자인, 디자인이유. Do not sumarize '3-디자인이유' , print out the orginal content as is.
    ##모든 출력 결과를 JSON형태로 출력해라
    
    Separate your answers with line breaks.
    You must complete all actions.
    Answer in Korean.
    ##한글로 출력할 것을 명시
    """

    Text = f"""#Information 제품: {product} \n 페르소나: {basic_info} 선호 \n {detail_info}"""

    messages = [{'role': 'system', 'content': Prompt},
                {'role': 'user', 'content': f'{separate}{Text}{separate}.'}]
    #print(f"messages here:{messages}")

    chat = openai.ChatCompletion.create(
        model='gpt-3.5-turbo-0613',
        messages=messages,
        temperature=0.6
    )

    reply = chat.choices[0].message.content
    #print(f'ChatGPT: {reply}', '\n') #gpt결과 출력

    pattern = r"(\{.*\})"
    match = re.search(pattern, reply, re.DOTALL)
    return match


#결과 출력하기
##JSON형태로 출력되지 않는 경우 한 번 더 실행되도록 함
#input_values = (product,basic_info,detail_info) #입력되는 값 input_values = (product,basic_info) 일수도 있음
def gpt_input_values(input_values):
    max_attempts = 2
    matching_function = generate_job_name_detail

    for attempts in range(max_attempts):
        match = matching_function(*input_values)
        if match:
            extracted_json = match.group(1)
            data = read_string_to_list(extracted_json)
            # print(f'final:\n{json.dumps(data, indent=2, ensure_ascii=False)}')
            return data
        elif attempts == max_attempts - 1:
            print('error')

 

DALL-E 프롬프트

from dotenv import load_dotenv
import openai
import os
import googletrans

#GPT결과 이용(result)
prompt = product + ', ' + ', '.join(result["제품디자인"]) + ', product full shot'

def use_dalle(prompt):
#API가 한글을 못 읽기 때문에 Translator 추가
  translator = googletrans.Translator()
  prompt = translator.translate(prompt, dest = 'en')

  ## chat-GPT활용
  load_dotenv()
  openai.api_key = os.getenv("openai.api_key_H")

  response = openai.Image.create(
    prompt= prompt.text,
    n=1, #만들 이미지 개수
    size="512x512" #이미지 크기
  )

  image_url = response['data'][0]['url']
  return image_url

 

프롬프트가 쓰이려면,

자료를 받아서 리턴해줘야한다. 다른 팀원들이 앱 구현에 힘쓰는 동안 도움이 되고 싶어, Fastapi를 공부했다.

값을 받아오고 리턴해주는것을 구현했다.