ChatGPT-MidJourney-prompt：用大语言模型给AI画师「搭桥」的开源工具

一、痛点场景：Midjourney用户的「咒语」困境

用过 Midjourney（MJ）的人都知道，真正的门槛不在于输入一句「画一只猫」，而在于如何写出高质量的 Prompt（提示词）——那些决定画面风格、光影、构图、材质的关键词组。

一个典型的困境是：用户心里有一个画面感，但很难用 MJ 能理解的「语言」精准描述。比如你想画「京都雨后的青石板街道，日式灯笼微微晃动，赛博朋克霓虹倒映在水洼里」，这是一个复杂的意象，但 MJ 的 Prompt 语法（:: 权重标记、--ar 比例参数、--v 版本号等）对于新手来说门槛很高。你可能花20分钟调参，结果出来的图和你想象的天差地别。

ChatGPT-MidJourney-prompt 解决的就是这个问题：它让用户用自然语言描述想要的画面，由大语言模型（ChatGPT 或 MiniMax）帮你翻译成专业的 MJ Prompt，大幅降低创作门槛，同时激发更多灵感。

示例生成图片：樱花与日本风景 图1：输入自然语言「樱花::5, 粉色::4, Licorice植物::3, 日本风景::5」，由本项目生成的MJ Prompt驱动绘制的作品

二、项目背景与作者故事

这个项目由开发者 awekrx（邮箱 d.ipatov@gmail.com）创建于2023年3月，最初的动机非常朴素：作者自己频繁使用 Midjourney，发现每次写 Prompt 都要查阅大量文档、反复调参，效率很低。

项目最初使用 revChatGPT 库直接调用 ChatGPT 账号（通过邮箱密码或 session token），后来随着 OpenAI 推出官方 API，项目也支持了 api_key 认证方式。2023年底，项目进一步扩展，添加了 MiniMax 作为替代 LLM 后端——这是一个有204K上下文窗口的国产大模型，API 兼容 OpenAI 格式，中国用户使用起来更加便利。

项目采用 MIT 许可证，目前 GitHub 上约 341 颗星，topics 包括 ai-art、midjourney、prompt-engineering、chatgpt、text-to-image 等，技术定位清晰：做 AI 绘画领域的 Prompt 工程工具。

三、核心功能：一条Prompt的生产线

3.1 四种MJ模型的Prompt生成

项目支持 Midjourney 的四种主要模型，每种模型有不同的参数体系：

| 方法 | 对应MJ模型 | 特点 | |------|-----------| | V5() | Midjourney V5 | 最新模型，支持艺术风格/动漫/照片级/头像等多种类型 | | V4() | Midjourney V4 | 稳定版，支持多种渲染引擎（Octane/Unreal/Ray Tracing） | | niji() | Niji模型 | 专注动漫/插画风格 | | testp() | Test/Personal模型 | 实验性比例参数 |

调用方式极为简洁：

from chatGPTMidJourneyPrompt.mjPrompt import PromptGenerator

# 最简方式（使用MiniMax）
config = {"provider": "minimax", "minimax_api_key": "your_key"}
pg = PromptGenerator(config)
prompt = pg.V5("cyberpunk cityscape at night")
print(prompt)
# 输出: cyberpunk city::5, neon lights::4, rain::3 ... --v 5 --s 1000 --q 2

3.2 精细化控制参数

除了自动生成，项目还支持手动传入精细化配置：

promptConfig = {
    "model": "artistic",
    "type": "anime",
    "renderer": "ray tracing",
    "content": "character",
    "aspect_ratio": "16:9",
    "color": "red",
    "url": "参考图URL"
}
prompt = pg.V5("samurai warrior", config=promptConfig, words=50)

words 参数控制 LLM 生成描述词的数量上限（默认35），用户可以调整来控制 Prompt 的丰富程度。

3.3 MiniMax后端：国产大模型的新选择

项目特别支持了 MiniMax 作为 LLM 后端，这是一个对国内用户很友好的选择：

204K上下文窗口：可以处理非常长的描述文本
OpenAI兼容API：无需额外SDK，直接用 openai Python库即可
多模型选择：支持 MiniMax-M2.7（标准/高速）、MiniMax-M2.5（标准/高速）四个档位
温度参数可控：可调 temperature（0.01~1.0）来控制输出的创造性

四、技术架构：轻量但模块化

从代码结构来看，这个项目虽然体量不大，但架构设计颇为合理：

src/chatGPTMidJourneyPrompt/
├── mjPrompt.py          # 核心类 PromptGenerator（~230行）
├── chatbots/
│   └── minimax.py       # MiniMax后端封装（~35行）
├── prompt_models/
│   ├── artistic.txt     # 艺术风格Prompt模板
│   └── weights.txt      # 权重风格Prompt模板
└── settings/
    ├── V5.py            # V5模型参数白名单
    ├── V4.py            # V4模型参数白名单
    ├── niji.py          # Niji参数白名单
    └── testp.py         # Testp参数白名单

4.1 Prompt生成的内部流程

PromptGenerator 的核心逻辑是一个标准的四步流水线：

模板填充（__create_prompt）：从 prompt_models/ 目录读取对应风格的 Prompt 模板，用 TEXT（用户输入）和 NNN（词数上限）替换占位符，构造发送给 LLM 的完整 Prompt
LLM调用（__ask）：根据配置的 provider（ChatGPT V1/V3 或 MiniMax）调用对应 chatbot
后处理（__slice_no_parameters）：用正则表达式提取 LLM 回答中的 --no xxx::N 格式的参数，并从主体中移除
参数组装：将配置中的渲染器、内容类型、宽高比等逐一拼接，最后加上 --v（版本）、--s（风格强度）、--q（质量）等 MJ 固定参数

4.2 安全设计：参数白名单机制

项目在 settings/ 目录下为每个 MJ 模型维护了一个参数白名单，__check_parameter_in_config_and_settings 方法对用户传入的参数进行校验，有效防止了恶意或错误参数注入 MJ 请求。

4.3 依赖极简

项目 Python 依赖只有 openai>=1.0.0（调用 OpenAI/MiniMax API）和 revChatGPT（用于旧版 ChatGPT 账号认证），几乎零运维负担。

五、上手门槛与用户体验

门槛评估：低。

安装只需一行 pip install chatGPTMidJourneyPrompt，对于有 Python 编程经验的用户，10分钟即可上手。

需要注意的是：

无论是 ChatGPT 还是 MiniMax，都需要用户提供 API Key
没有 Web 界面，纯代码调用，不适合完全不会编程的用户
API 调用会产生费用（MiniMax 按 token 计费）

README 中提到了「CLI-app and discord-bot will be available within a few days」，但这些功能最终并未交付——这是一个小遗憾。

示例生成图片：星空与银河 图2：输入「星空::5, 银河::4, 太空::5」，由本项目生成的MJ Prompt驱动的星空主题作品

六、局限与争议

6.1 LLM生成质量不稳定

LLM 的输出有随机性，同一句自然语言描述，每次调用生成的 MJ Prompt 可能存在差异。项目虽然有白名单校验，但校验发生在最终拼接阶段，LLM 本身的理解偏差无法自动纠正。

6.2 项目维护状态

从 GitHub 来看，项目最后一次有意义的更新是2023年添加 MiniMax 支持，之后处于低维护状态。revChatGPT 库本身也在快速演进，旧版 V1 接口是否长期可用存在一定风险。

6.3 无CLI/Discord Bot

README 明确预告了 CLI 和 Discord Bot，但这两个功能从未实现。

七、行业意义与趋势

Prompt Engineering（提示词工程） 是2023年 AI 领域最热门的话题之一。这个项目代表了一类典型的「AI for AI」工具：用大语言模型来辅助生成用于另一个 AI 系统的 Prompt。

从技术演进趋势看：多模型支持（V4/V5/niji/testp）是必要的，因为 MJ 本身在快速迭代；MiniMax 作为国产替代的决策很务实；纯库的设计让它可以被其他工具轻松集成。

八、总结评价

维度	评分	说明
功能完整性	★★★★☆	覆盖MJ主流模型，参数控制较全，MiniMax支持是亮点
上手难度	★★★★★	pip安装即用，代码简洁，文档清晰
代码质量	★★★★☆	模块化设计，白名单机制优雅，但规模小难以全面评估
维护状态	★★★☆☆	2023年后更新较少，低活跃但也无明显问题
创新性	★★★☆☆	定位清晰，但「LLM生成Prompt」这一模式已有多个类似项目

适合人群：Midjourney 重度用户、AI 绘画爱好者、需要将 MJ Prompt 生成集成到自己工具链的开发者。

不适合：希望开箱即用（无Web UI）、期待持续维护、对代码质量有企业级要求的场景。

ChatGPT-MidJourney-prompt：用大语言模型给AI画师「搭桥」的开源工具

一、痛点场景：Midjourney用户的「咒语」困境

示例生成图片：樱花与日本风景 图1：输入自然语言「樱花::5, 粉色::4, Licorice植物::3, 日本风景::5」，由本项目生成的MJ Prompt驱动绘制的作品

二、项目背景与作者故事

三、核心功能：一条Prompt的生产线

3.1 四种MJ模型的Prompt生成

项目支持 Midjourney 的四种主要模型，每种模型有不同的参数体系：

调用方式极为简洁：

from chatGPTMidJourneyPrompt.mjPrompt import PromptGenerator

# 最简方式（使用MiniMax）
config = {"provider": "minimax", "minimax_api_key": "your_key"}
pg = PromptGenerator(config)
prompt = pg.V5("cyberpunk cityscape at night")
print(prompt)
# 输出: cyberpunk city::5, neon lights::4, rain::3 ... --v 5 --s 1000 --q 2

3.2 精细化控制参数

除了自动生成，项目还支持手动传入精细化配置：

promptConfig = {
    "model": "artistic",
    "type": "anime",
    "renderer": "ray tracing",
    "content": "character",
    "aspect_ratio": "16:9",
    "color": "red",
    "url": "参考图URL"
}
prompt = pg.V5("samurai warrior", config=promptConfig, words=50)

words 参数控制 LLM 生成描述词的数量上限（默认35），用户可以调整来控制 Prompt 的丰富程度。

3.3 MiniMax后端：国产大模型的新选择

项目特别支持了 MiniMax 作为 LLM 后端，这是一个对国内用户很友好的选择：

204K上下文窗口：可以处理非常长的描述文本
OpenAI兼容API：无需额外SDK，直接用 openai Python库即可
多模型选择：支持 MiniMax-M2.7（标准/高速）、MiniMax-M2.5（标准/高速）四个档位
温度参数可控：可调 temperature（0.01~1.0）来控制输出的创造性

四、技术架构：轻量但模块化

从代码结构来看，这个项目虽然体量不大，但架构设计颇为合理：

src/chatGPTMidJourneyPrompt/
├── mjPrompt.py          # 核心类 PromptGenerator（~230行）
├── chatbots/
│   └── minimax.py       # MiniMax后端封装（~35行）
├── prompt_models/
│   ├── artistic.txt     # 艺术风格Prompt模板
│   └── weights.txt      # 权重风格Prompt模板
└── settings/
    ├── V5.py            # V5模型参数白名单
    ├── V4.py            # V4模型参数白名单
    ├── niji.py          # Niji参数白名单
    └── testp.py         # Testp参数白名单

4.1 Prompt生成的内部流程

PromptGenerator 的核心逻辑是一个标准的四步流水线：

模板填充（__create_prompt）：从 prompt_models/ 目录读取对应风格的 Prompt 模板，用 TEXT（用户输入）和 NNN（词数上限）替换占位符，构造发送给 LLM 的完整 Prompt
LLM调用（__ask）：根据配置的 provider（ChatGPT V1/V3 或 MiniMax）调用对应 chatbot
后处理（__slice_no_parameters）：用正则表达式提取 LLM 回答中的 --no xxx::N 格式的参数，并从主体中移除
参数组装：将配置中的渲染器、内容类型、宽高比等逐一拼接，最后加上 --v（版本）、--s（风格强度）、--q（质量）等 MJ 固定参数

4.2 安全设计：参数白名单机制

4.3 依赖极简

项目 Python 依赖只有 openai>=1.0.0（调用 OpenAI/MiniMax API）和 revChatGPT（用于旧版 ChatGPT 账号认证），几乎零运维负担。

五、上手门槛与用户体验

门槛评估：低。

安装只需一行 pip install chatGPTMidJourneyPrompt，对于有 Python 编程经验的用户，10分钟即可上手。

需要注意的是：

无论是 ChatGPT 还是 MiniMax，都需要用户提供 API Key
没有 Web 界面，纯代码调用，不适合完全不会编程的用户
API 调用会产生费用（MiniMax 按 token 计费）

README 中提到了「CLI-app and discord-bot will be available within a few days」，但这些功能最终并未交付——这是一个小遗憾。

示例生成图片：星空与银河 图2：输入「星空::5, 银河::4, 太空::5」，由本项目生成的MJ Prompt驱动的星空主题作品

六、局限与争议

6.1 LLM生成质量不稳定

6.2 项目维护状态

6.3 无CLI/Discord Bot

README 明确预告了 CLI 和 Discord Bot，但这两个功能从未实现。

七、行业意义与趋势

八、总结评价

维度	评分	说明
功能完整性	★★★★☆	覆盖MJ主流模型，参数控制较全，MiniMax支持是亮点
上手难度	★★★★★	pip安装即用，代码简洁，文档清晰
代码质量	★★★★☆	模块化设计，白名单机制优雅，但规模小难以全面评估
维护状态	★★★☆☆	2023年后更新较少，低活跃但也无明显问题
创新性	★★★☆☆	定位清晰，但「LLM生成Prompt」这一模式已有多个类似项目

适合人群：Midjourney 重度用户、AI 绘画爱好者、需要将 MJ Prompt 生成集成到自己工具链的开发者。

不适合：希望开箱即用（无Web UI）、期待持续维护、对代码质量有企业级要求的场景。