要学会利用GPT！

本次要实现的任务是从webui界面的stable diffusion中扣出图推prompt的代码版本；

1. 找到了github库https://github.com/toriato/stable-diffusion-webui-wd14-tagger
2. 发现该库停止维护，在讨论区找到了https://github.com/picobyte/stable-diffusion-webui-wd14-tagger
3. 利用gpt感受到大概核心代码在stable-diffusion-webui-wd14-tagger-main/tagger/interrogator.py
4. 尝试安装环境（不太成功，有些库停止维护了，甚至都下载不下来），尝试让GPT基于这份代码给出一个main入口调用interrogator.py里的类（因为缺少某些库，所以尝试改动原来的代码，删掉由那个库产生的变量，结果发现好多文件中都调用了那个库，删不完）。

最终解决方案：

找到模型的huggingface链接（SmilingWolf / wd-v1-4-vit-tagger），让GPT给出基于那个模型的运行代码，输入问题是：

能否给出一份代码，基于该项目库（20250401写这篇博文时意识到，应该是基于该模型文件），进行image2prompt stable diffusion版本的提示词生成

写出demo.py，跑通，再根据该代码，反推原项目中哪些部分匹配当前demo中的函数，重写不合理的地方。加深对原项目的理解后，彻底基于原项目写出demo2.py并跑通。Successsssssssssss！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！爽！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！

总结

1. 不建议改动源代码中的一些变量或者库调用，因为在原项目库中，代码间的耦合关系可能非常紧密；
2. 如果调用原项目库，甩出一个类变量接口来也由于种种原因（如某些库无法下载）不能成功，参考第三点；
3. 让GPT完全从头写一个基于模型的输出demo，反推原代码库函数作用；
4. 办法总比困难多，不要轻言放弃。

当然，有一点也需要指出，就是尽量要对原项目库的核心代码（一份？或者两份？）也要稍微熟悉一点，这样在反推的时候可以精准定位到哪些函数是不需要对应考虑的。核心代码的定位可以依靠GPT。