DALL-E 2 與程式碼生成應用實戰
在當今快速發展的技術領域中，人工智慧工具正逐漸改變開發者的工作模式。Codex 透過程式碼補完與建議，顯著提升了開發效率；而 DALL-E 2 則以其強大的影像生成能力，將文字描述轉化為視覺藝術，為內容創作帶來無限可能。本篇文章將深入探討如何運用這些先進的 AI 模型，從程式碼自動生成到影像創意實作，為技術工作流程注入新動能，並展示其在實際應用中的潛力與操作細節，協助讀者掌握這些創新工具。
UML圖表解說：
此活動圖詳細描繪了 add_numbers 函式的內部執行流程。
流程從「開始」節點出發，首先進入「接收引數 a 和 b」的活動狀態。接著，系統進入第一個決策點，檢查「引數 a 是否為數字」。如果檢查結果為「是」，流程繼續向下，進入第二個決策點，檢查「引數 b 是否為數字」。
只有當兩個引數都透過型別檢查時，流程才會進入核心的計算步驟「計算總和 result = a + b」，並最終「回傳 result」，流程結束。
如果在任何一個決策點檢查失敗（即引數 a 或 b 不是數字），流程將轉向對應的錯誤處理路徑，觸發「引發 TypeError 異常」的活動，並立即終止執行。此圖清晰地展示了函式的防禦性設計，確保只有在輸入資料有效時才執行核心運算，從而保證了程式的穩定性和可靠性。
前面的範例展示瞭如何利用 Codex 加速您的編碼工作流程，並即時獲得程式碼補完的建議。它能在多方面提供協助，例如：
- 根據註解或檔案字串（docstrings）完成函式實作
- 為常見的程式設計模式生成樣板程式碼（boilerplate code）
- 提供程式碼最佳化或重構（refactoring）的建議
DALL-E 2：影像生成的魔術師
接著，您決定透過 OpenAI 的 DALL-E 2 將您的想法以視覺方式呈現。您只需提供一段文字描述，DALL-E 2 便會據此生成相應的影像。想像一下其中的無限可能性，例如，您可以僅僅透過描述，就創造出獨特的插圖、設計元素或視覺概念。
以下是一個簡單的範例，展示如何使用 OpenAI API（應用程式介面）根據您的提示詞（prompts）建立令人驚豔的影像：
# 匯入必要的函式庫
import openai
import os
import requests
from PIL import Image
from io import BytesIO
# --- 安全設定：從環境變數讀取 OpenAI API 金鑰 ---
# 這是保護您金鑰的最佳實踐，避免將其硬編碼在程式中。
# 您需要在您的作業系統中設定一個名為 'OPENAI_API_KEY' 的環境變數。
openai.api_key = os.getenv("OPENAI_API_KEY")
def generate_image_with_dalle(prompt_text, image_size="1024x1024", num_images=1):
"""
使用 DALL-E 2 模型根據文字提示生成影像。
Args:
prompt_text (str): 用於生成影像的詳細文字描述。
image_size (str, optional): 生成影像的尺寸。預設為 "1024x1024"。
可選尺寸: "256x256", "512x512", "1024x1024"。
num_images (int, optional): 要生成的影像數量。預設為 1。
Returns:
str: 生成影像的 URL。如果失敗則回傳 None。
Raises:
ValueError: 如果 API 金鑰未設定。
Exception: 處理 API 呼叫期間可能發生的其他錯誤。
"""
# 檢查 API 金鑰是否已設定
if not openai.api_key:
raise ValueError("OpenAI API 金鑰未設定。請設定 'OPENAI_API_KEY' 環境變數。")
try:
# --- API 呼叫：向 OpenAI 傳送請求 ---
# 呼叫 Image.create 方法來請求影像生成。
print(f"正在根據提示詞生成影像：'{prompt_text}'...")
response = openai.Image.create(
prompt=prompt_text, # 核心引數：您的文字描述
n=num_images, # 指定生成影像的數量
size=image_size # 指定影像的解析度
)
# --- 解析回應：從 API 回應中提取影像 URL ---
# API 回應會包含一個資料陣列，其中每個物件都包含一個影像 URL。
image_url = response['data'][0]['url']
return image_url
except openai.error.OpenAIError as e:
# 處理 OpenAI 特定的 API 錯誤
print(f"發生 OpenAI API 錯誤: {e}")
return None
except Exception as e:
# 處理其他可能的例外情況，例如網路問題
print(f"發生未預期的錯誤: {e}")
return None
def display_image_from_url(url):
"""
從給定的 URL 下載並顯示影像。
Args:
url (str): 影像的 URL。
"""
if not url:
print("未提供有效的影像 URL。")
return
try:
# [補充實作] 原因：原文缺少影像顯示功能，補充後可直接驗證結果
# 使用 requests 函式庫下載影像內容
response = requests.get(url)
response.raise_for_status() # 如果請求失敗，則引發 HTTPError
# 使用 PIL (Pillow) 函式庫開啟並顯示影像
img = Image.open(BytesIO(response.content))
img.show()
print(f"影像已成功從 {url} 下載並顯示。")
except requests.exceptions.RequestException as e:
print(f"下載影像時發生錯誤: {e}")
except Exception as e:
print(f"顯示影像時發生錯誤: {e}")
# --- 主程式執行區塊 ---
if __name__ == "__main__":
# 定義一個富有創意的提示詞
creative_prompt = "一隻穿著太空衣的貓，坐在月球上，以超現實主義風格繪製，背景是星雲和地球"
# 呼叫函式生成影像
generated_image_url = generate_image_with_dalle(creative_prompt)
# 如果成功取得 URL，則顯示影像
if generated_image_url:
print(f"成功生成影像！URL: {generated_image_url}")
display_image_from_url(generated_image_url)
else:
print("影像生成失敗。")
內容說明：
這段 Python 程式碼示範了與 OpenAI DALL-E 2 服務互動的完整流程，從傳送請求到最終顯示影像。
環境設定與安全性：程式碼首先透過
os.getenv("OPENAI_API_KEY")從作業系統的環境變數中讀取 API 金鑰。這是一種重要的安全實踐，可以避免將敏感憑證直接寫入程式碼中，從而防止意外洩漏。generate_image_with_dalle函式：這是核心的影像生成函式。- 它接受三個引數：
prompt_text（生成影像的文字描述）、image_size（影像尺寸）和num_images（生成數量）。 - 在內部，它呼叫
openai.Image.create()方法。這個方法會向 OpenAI 的伺服器傳送一個 HTTP 請求。 prompt引數是關鍵，它將您的文字創意傳遞給 DALL-E 2 模型。- API 成功回應後，會回傳一個 JSON 物件，其中包含一個
data陣列，陣列中的每個元素都對應一張生成的影像及其 URL。程式碼解析此回應以提取 URL。 - 函式包含了完整的錯誤處理機制，能夠捕捉
OpenAIError等特定 API 錯誤以及其他網路或執行時錯誤。
- 它接受三個引數：
display_image_from_url函式：這是一個補充的輔助函式，用於驗證生成結果。- 它使用
requests函式庫根據傳入的 URL 下載影像的二進位資料。 - 接著，利用
PIL(Pillow) 函式庫的Image.open和BytesIO將記憶體中的二進位資料轉換為影像物件。 - 最後，
img.show()會呼叫系統預設的圖片檢視器來顯示影像。
- 它使用
主程式區塊 (
if __name__ == "__main__":)：- 這是程式的進入點。它定義了一個富有想像力的提示詞
creative_prompt。 - 它首先呼叫
generate_image_with_dalle來取得影像 URL，然後將該 URL 傳遞給display_image_from_url進行顯示，完成整個工作流程。
- 這是程式的進入點。它定義了一個富有想像力的提示詞
流程圖解：
@startuml
!theme _none_
skinparam dpi auto
skinparam shadowing false
skinparam linetype ortho
skinparam roundcorner 5
skinparam minClassWidth 100
skinparam defaultFontName "Noto Sans TC"
skinparam defaultFontSize 14
!define PLANTUML_FORMAT svg
start
:使用者端：準備 API 金鑰與提示詞;
note right
API 金鑰應從環境變數讀取，
提示詞是影像生成的依據。
end note
:呼叫 `generate_image_with_dalle` 函式;
:傳送 HTTPS 請求至 OpenAI API 端點
(api.openai.com/v1/images/generations);
partition "OpenAI 伺服器" {
:驗證 API 金鑰;
if (金鑰有效?) then (是)
:解析請求中的提示詞與引數;
:DALL-E 2 模型處理請求;
:生成影像資料;
:將影像儲存至雲端並產生 URL;
:回傳包含影像 URL 的 JSON 回應;
else (否)
:回傳 401 未授權錯誤;
endif
}
:使用者端：接收 API 回應;
if (回應成功且包含 URL?) then (是)
:解析 JSON 並提取影像 URL;
:呼叫 `display_image_from_url` 函式;
:下載影像內容;
:使用本地圖片檢視器顯示影像;
else (否)
:處理錯誤並顯示錯誤訊息;
endif
:結束;
stop
@enduml
UML圖表解說：
此活動圖詳細描繪了從使用者端發起影像生成請求，到 OpenAI 伺服器處理並回傳結果，最終在使用者端顯示影像的完整生命週期。
流程始於使用者端的準備工作，包括設定好用於驗證身份的 API 金鑰和定義創意的文字提示詞。接著，程式碼呼叫核心函式，將這些資訊封裝成一個安全的 HTTPS 請求，傳送至 OpenAI 的影像生成 API 端點。
圖中的「OpenAI 伺服器」分割槽代表後端處理邏輯。伺服器首先驗證 API 金鑰的有效性。驗證透過後，DALL-E 2 模型會解析提示詞，並根據其語義內容生成對應的影像。影像生成後會被儲存在雲端，並產生一個可公開存取的 URL。這個 URL 會被包含在一個 JSON 物件中，作為 API 的成功回應傳回給使用者端。若金鑰無效，則直接回傳錯誤。
使用者端接收到回應後，會進行條件判斷。如果請求成功，程式會解析 JSON 回應，提取出影像 URL，並進一步呼叫顯示函式來下載並呈現影像。如果請求失敗或回應格式不正確，則會觸發錯誤處理流程，向使用者報告問題。整個流程清晰地展示了客戶端與伺服器之間的非同步互動模式，以及成功與失敗路徑的分支處理，是典型的 API 應用架構。
# 匯入 openai 函式庫，用於與 OpenAI API 進行互動
import openai
# 設定您的 OpenAI API 金鑰。請務必替換 "YOUR_API_KEY" 為您自己的金鑰。
# 這是授權您存取 OpenAI 服務的憑證。
openai.api_key = "YOUR_API_KEY"
def generate_image(prompt: str, num_images: int = 1, size: str = "1024x1024"):
"""
使用 OpenAI DALL-E 模型根據文字提示生成圖片。
Args:
prompt (str): 用於生成圖片的文字描述。
num_images (int): 要生成的圖片數量，預設為 1。
size (str): 生成圖片的尺寸，預設為 "1024x1024"。
可選尺寸包括 "256x256", "512x512", "1024x1024"。
Returns:
list: 包含生成圖片 URL 的列表。如果發生錯誤，則回傳空列表。
Raises:
openai.error.OpenAIError: 當 API 呼叫失敗時，可能會引發此型別的例外。
"""
try:
# 呼叫 OpenAI 的 Image.create 方法來請求生成圖片
# prompt: 核心引數，傳遞使用者輸入的文字描述
# n: 指定要生成幾張圖片
# size: 指定圖片的解析度
response = openai.Image.create(
prompt=prompt,
n=num_images,
size=size
)
# [補充實作] 從 API 回應中提取圖片 URL
# API 回應是一個 JSON 物件，其中 'data' 鍵對應一個列表，列表中的每個物件都包含一個 'url' 鍵。
# 此處使用列表推導式（list comprehension）來高效地遍歷回應資料並收集所有 URL。
image_urls = [data['url'] for data in response['data']]
# 回傳包含所有圖片 URL 的列表
return image_urls
except Exception as e:
# 捕捉在 API 請求過程中可能發生的任何例外（例如：網路問題、認證失敗、無效請求等）
print(f"生成圖片時發生錯誤: {e}")
# 在發生錯誤時回傳一個空列表，以確保函式的穩定性
return []
內容說明：
這段 Python 程式碼定義了一個名為 generate_image 的函式，其主要功能是透過呼叫 OpenAI 的 DALL-E 圖片生成 API，將文字描述轉換為實際的影像。
環境設定：
import openai：首先，程式碼匯入了openai函式庫，這是與 OpenAI API 進行所有互動的基礎。openai.api_key = "YOUR_API_KEY"：此行設定了 API 金鑰。API 金鑰是驗證使用者身份並授權其使用服務的唯一憑證。在實際應用中，必須將"YOUR_API_KEY"替換為從 OpenAI 官方網站取得的真實金鑰。
函式定義
generate_image：- 此函式接受三個引數：
prompt（用於描述期望影像的文字字串）、num_images（希望生成的影像數量，預設為1）以及size（影像的尺寸，預設為 “1024x1024”）。 - 函式內部使用
try...except區塊來進行錯誤處理，這是一種健壯的程式設計實踐，可以捕捉 API 呼叫失敗等意外情況。
- 此函式接受三個引數：
API 呼叫：
openai.Image.create(...)：這是核心的 API 呼叫。它向 OpenAI 的伺服器傳送一個請求，要求根據提供的prompt、n（數量）和size（尺寸）引數來生成影像。
資料處理與回傳：
response = ...：API 的回傳結果會被儲存在response變數中。這個回傳結果是一個包含生成資料的 JSON 物件。image_urls = [data['url'] for data in response['data']]：這行程式碼使用了 Python 的列表推導式，這是一種簡潔且高效的語法。它會遍歷response物件中的data列表，並從每個元素中提取url鍵對應的值（即圖片的網址），最後將這些網址組合成一個新的列表image_urls。return image_urls：成功執行後，函式會回傳包含一個或多個圖片 URL 的列表。
錯誤處理：
except Exception as e:：如果try區塊內的任何程式碼（主要是 API 呼叫）引發了例外，程式將跳轉到此處執行。print(f"...")：它會印出錯誤訊息，方便開發者進行偵錯。return []：在發生錯誤時，函式會回傳一個空列表。這讓呼叫此函式的程式碼可以根據回傳值是否為空來判斷操作是否成功，從而避免因錯誤而導致整個應用程式當機。
流程圖解：
@startuml
!theme _none_
skinparam dpi auto
skinparam shadowing false
skinparam linetype ortho
skinparam roundcorner 5
skinparam minClassWidth 100
skinparam defaultFontName "Noto Sans TC"
skinparam defaultFontSize 14
!define PLANTUML_FORMAT svg
start
:接收函式引數 (prompt, num_images, size);
:進入 try 區塊;
:呼叫 openai.Image.create API\n並傳入引數;
if (API 呼叫成功？) then (是)
:從 API 回應中解析 JSON 資料;
:使用列表推導式提取所有圖片 URL;
:回傳包含 URL 的列表;
else (否)
:捕捉例外 (Exception);
:印出錯誤訊息;
:回傳空列表 [];
endif
:結束函式執行;
stop
@enduml
UML圖表解說：
此流程圖詳細描繪了 generate_image 函式的內部執行邏輯。
流程始於接收外部傳入的三個核心引數：prompt、num_images 和 size。接著，程式進入一個 try 區塊，這是為了確保後續的 API 呼叫即使失敗也不會中斷整個程式的執行。
在 try 區塊內，程式會建構並傳送一個 API 請求給 OpenAI 的圖片生成服務。流程圖中的條件分歧點代表了 API 呼叫的結果。如果 API 成功回傳資料，流程將走向「是」的路徑。在此路徑中，程式會先解析 API 回傳的 JSON 格式資料，然後透過一個高效的列表推導式操作，從複雜的資料結構中提取出所有圖片的 URL，並將這些 URL 組成一個新的列表回傳給呼叫者。
反之，如果 API 呼叫過程中發生任何錯誤（例如網路中斷、金鑰無效或伺服器問題），流程將走向「否」的路徑，觸發 except 區塊。在此，系統會捕捉到這個例外，印出詳細的錯誤訊息以供除錯，並回傳一個空列表。回傳空列表是一種明確的訊號，告知上層程式此次操作未成功。最後，無論成功或失敗，函式都會結束執行。這個設計確保了函式的可預測性和穩定性。
# [補充實作] 為了使程式碼完整且可執行，此處假設使用 openai 函式庫
# 原因：原文缺少必要的函式庫匯入與 API 初始化，補充後可構成一個完整的範例。
import openai
import os
# 從環境變數中讀取 OpenAI API 金鑰，這是安全的作法
# 執行前請確保已設定 'OPENAI_API_KEY' 環境變數
# openai.api_key = os.getenv("OPENAI_API_KEY")
def generate_image(prompt_text: str, num_images: int = 1, image_size: str = "1024x1024"):
"""
根據提供的文字提示，使用 OpenAI DALL-E API 生成圖片。
Args:
prompt_text (str): 用於生成圖片的詳細文字描述。
num_images (int): 希望生成的圖片數量。
image_size (str): 生成圖片的尺寸，例如 "1024x1024"。
Returns:
list[str] | None: 成功時回傳包含圖片 URL 的列表，失敗時回傳 None。
Raises:
Exception: 捕捉並印出 API 呼叫或處理過程中發生的任何錯誤。
"""
try:
# 核心步驟：呼叫 OpenAI 的圖片生成 API
# 這裡我們使用了 openai.Image.create 方法
response = openai.Image.create(
prompt=prompt_text, # 傳入使用者定義的提示文字
n=num_images, # 指定生成圖片的數量
size=image_size # 指定圖片的尺寸
)
# 從 API 回應中提取圖片 URL
# 回應的資料結構為 {'data': [{'url': '...'}]}
image_urls = [item['url'] for item in response['data']]
# 成功後回傳 URL 列表
return image_urls
except Exception as e:
# 錯誤處理：如果 try 區塊中的任何程式碼引發例外
# 將會捕捉到該例外物件 e
print(f"生成圖片時發生錯誤: {e}")
# 發生錯誤時回傳 None，表示操作失敗
return None
# --- 範例使用 ---
# 定義一個具體的圖片生成提示
prompt = "一個行動電話，螢幕上顯示著客戶支援聊天機器人的應用程式介面"
# 呼叫圖片生成函式
image_urls = generate_image(prompt)
# 檢查函式回傳的結果
if image_urls:
# 如果回傳的是一個非 None 的值 (即一個 URL 列表)
print("成功生成圖片，URL 如下：")
for url in image_urls:
# 遍歷列表並印出每一個 URL
print(url)
else:
# 如果回傳的是 None，表示在生成過程中發生了錯誤
print("無法生成圖片，請檢查主控臺的錯誤訊息。")
UML圖表解說：
此活動圖詳細描繪了 add_numbers 函式的內部執行流程。
流程從「開始」節點出發，首先進入「接收引數 a 和 b」的活動狀態。接著，系統進入第一個決策點，檢查「引數 a 是否為數字」。如果檢查結果為「是」，流程繼續向下，進入第二個決策點，檢查「引數 b 是否為數字」。
只有當兩個引數都透過型別檢查時，流程才會進入核心的計算步驟「計算總和 result = a + b」，並最終「回傳 result」，流程結束。
如果在任何一個決策點檢查失敗（即引數 a 或 b 不是數字），流程將轉向對應的錯誤處理路徑，觸發「引發 TypeError 異常」的活動，並立即終止執行。此圖清晰地展示了函式的防禦性設計，確保只有在輸入資料有效時才執行核心運算，從而保證了程式的穩定性和可靠性。
前面的範例展示瞭如何利用 Codex 加速您的編碼工作流程，並即時獲得程式碼補完的建議。它能在多方面提供協助，例如：
- 根據註解或檔案字串（docstrings）完成函式實作
- 為常見的程式設計模式生成樣板程式碼（boilerplate code）
- 提供程式碼最佳化或重構（refactoring）的建議
DALL-E 2：影像生成的魔術師
接著，您決定透過 OpenAI 的 DALL-E 2 將您的想法以視覺方式呈現。您只需提供一段文字描述，DALL-E 2 便會據此生成相應的影像。想像一下其中的無限可能性，例如，您可以僅僅透過描述，就創造出獨特的插圖、設計元素或視覺概念。
以下是一個簡單的範例，展示如何使用 OpenAI API（應用程式介面）根據您的提示詞（prompts）建立令人驚豔的影像：
# 匯入必要的函式庫
import openai
import os
import requests
from PIL import Image
from io import BytesIO
# --- 安全設定：從環境變數讀取 OpenAI API 金鑰 ---
# 這是保護您金鑰的最佳實踐，避免將其硬編碼在程式中。
# 您需要在您的作業系統中設定一個名為 'OPENAI_API_KEY' 的環境變數。
openai.api_key = os.getenv("OPENAI_API_KEY")
def generate_image_with_dalle(prompt_text, image_size="1024x1024", num_images=1):
"""
使用 DALL-E 2 模型根據文字提示生成影像。
Args:
prompt_text (str): 用於生成影像的詳細文字描述。
image_size (str, optional): 生成影像的尺寸。預設為 "1024x1024"。
可選尺寸: "256x256", "512x512", "1024x1024"。
num_images (int, optional): 要生成的影像數量。預設為 1。
Returns:
str: 生成影像的 URL。如果失敗則回傳 None。
Raises:
ValueError: 如果 API 金鑰未設定。
Exception: 處理 API 呼叫期間可能發生的其他錯誤。
"""
# 檢查 API 金鑰是否已設定
if not openai.api_key:
raise ValueError("OpenAI API 金鑰未設定。請設定 'OPENAI_API_KEY' 環境變數。")
try:
# --- API 呼叫：向 OpenAI 傳送請求 ---
# 呼叫 Image.create 方法來請求影像生成。
print(f"正在根據提示詞生成影像：'{prompt_text}'...")
response = openai.Image.create(
prompt=prompt_text, # 核心引數：您的文字描述
n=num_images, # 指定生成影像的數量
size=image_size # 指定影像的解析度
)
# --- 解析回應：從 API 回應中提取影像 URL ---
# API 回應會包含一個資料陣列，其中每個物件都包含一個影像 URL。
image_url = response['data'][0]['url']
return image_url
except openai.error.OpenAIError as e:
# 處理 OpenAI 特定的 API 錯誤
print(f"發生 OpenAI API 錯誤: {e}")
return None
except Exception as e:
# 處理其他可能的例外情況，例如網路問題
print(f"發生未預期的錯誤: {e}")
return None
def display_image_from_url(url):
"""
從給定的 URL 下載並顯示影像。
Args:
url (str): 影像的 URL。
"""
if not url:
print("未提供有效的影像 URL。")
return
try:
# [補充實作] 原因：原文缺少影像顯示功能，補充後可直接驗證結果
# 使用 requests 函式庫下載影像內容
response = requests.get(url)
response.raise_for_status() # 如果請求失敗，則引發 HTTPError
# 使用 PIL (Pillow) 函式庫開啟並顯示影像
img = Image.open(BytesIO(response.content))
img.show()
print(f"影像已成功從 {url} 下載並顯示。")
except requests.exceptions.RequestException as e:
print(f"下載影像時發生錯誤: {e}")
except Exception as e:
print(f"顯示影像時發生錯誤: {e}")
# --- 主程式執行區塊 ---
if __name__ == "__main__":
# 定義一個富有創意的提示詞
creative_prompt = "一隻穿著太空衣的貓，坐在月球上，以超現實主義風格繪製，背景是星雲和地球"
# 呼叫函式生成影像
generated_image_url = generate_image_with_dalle(creative_prompt)
# 如果成功取得 URL，則顯示影像
if generated_image_url:
print(f"成功生成影像！URL: {generated_image_url}")
display_image_from_url(generated_image_url)
else:
print("影像生成失敗。")
內容說明：
這段 Python 程式碼示範了與 OpenAI DALL-E 2 服務互動的完整流程，從傳送請求到最終顯示影像。
環境設定與安全性：程式碼首先透過
os.getenv("OPENAI_API_KEY")從作業系統的環境變數中讀取 API 金鑰。這是一種重要的安全實踐，可以避免將敏感憑證直接寫入程式碼中，從而防止意外洩漏。generate_image_with_dalle函式：這是核心的影像生成函式。- 它接受三個引數：
prompt_text（生成影像的文字描述）、image_size（影像尺寸）和num_images（生成數量）。 - 在內部，它呼叫
openai.Image.create()方法。這個方法會向 OpenAI 的伺服器傳送一個 HTTP 請求。 prompt引數是關鍵，它將您的文字創意傳遞給 DALL-E 2 模型。- API 成功回應後，會回傳一個 JSON 物件，其中包含一個
data陣列，陣列中的每個元素都對應一張生成的影像及其 URL。程式碼解析此回應以提取 URL。 - 函式包含了完整的錯誤處理機制，能夠捕捉
OpenAIError等特定 API 錯誤以及其他網路或執行時錯誤。
- 它接受三個引數：
display_image_from_url函式：這是一個補充的輔助函式，用於驗證生成結果。- 它使用
requests函式庫根據傳入的 URL 下載影像的二進位資料。 - 接著，利用
PIL(Pillow) 函式庫的Image.open和BytesIO將記憶體中的二進位資料轉換為影像物件。 - 最後，
img.show()會呼叫系統預設的圖片檢視器來顯示影像。
- 它使用
主程式區塊 (
if __name__ == "__main__":)：- 這是程式的進入點。它定義了一個富有想像力的提示詞
creative_prompt。 - 它首先呼叫
generate_image_with_dalle來取得影像 URL，然後將該 URL 傳遞給display_image_from_url進行顯示，完成整個工作流程。
- 這是程式的進入點。它定義了一個富有想像力的提示詞
流程圖解：
@startuml
!theme _none_
skinparam dpi auto
skinparam shadowing false
skinparam linetype ortho
skinparam roundcorner 5
skinparam minClassWidth 100
skinparam defaultFontName "Noto Sans TC"
skinparam defaultFontSize 14
!define PLANTUML_FORMAT svg
start
:使用者端：準備 API 金鑰與提示詞;
note right
API 金鑰應從環境變數讀取，
提示詞是影像生成的依據。
end note
:呼叫 `generate_image_with_dalle` 函式;
:傳送 HTTPS 請求至 OpenAI API 端點
(api.openai.com/v1/images/generations);
partition "OpenAI 伺服器" {
:驗證 API 金鑰;
if (金鑰有效?) then (是)
:解析請求中的提示詞與引數;
:DALL-E 2 模型處理請求;
:生成影像資料;
:將影像儲存至雲端並產生 URL;
:回傳包含影像 URL 的 JSON 回應;
else (否)
:回傳 401 未授權錯誤;
endif
}
:使用者端：接收 API 回應;
if (回應成功且包含 URL?) then (是)
:解析 JSON 並提取影像 URL;
:呼叫 `display_image_from_url` 函式;
:下載影像內容;
:使用本地圖片檢視器顯示影像;
else (否)
:處理錯誤並顯示錯誤訊息;
endif
:結束;
stop
@enduml
UML圖表解說：
此活動圖詳細描繪了從使用者端發起影像生成請求，到 OpenAI 伺服器處理並回傳結果，最終在使用者端顯示影像的完整生命週期。
流程始於使用者端的準備工作，包括設定好用於驗證身份的 API 金鑰和定義創意的文字提示詞。接著，程式碼呼叫核心函式，將這些資訊封裝成一個安全的 HTTPS 請求，傳送至 OpenAI 的影像生成 API 端點。
圖中的「OpenAI 伺服器」分割槽代表後端處理邏輯。伺服器首先驗證 API 金鑰的有效性。驗證透過後，DALL-E 2 模型會解析提示詞，並根據其語義內容生成對應的影像。影像生成後會被儲存在雲端，並產生一個可公開存取的 URL。這個 URL 會被包含在一個 JSON 物件中，作為 API 的成功回應傳回給使用者端。若金鑰無效，則直接回傳錯誤。
使用者端接收到回應後，會進行條件判斷。如果請求成功，程式會解析 JSON 回應，提取出影像 URL，並進一步呼叫顯示函式來下載並呈現影像。如果請求失敗或回應格式不正確，則會觸發錯誤處理流程，向使用者報告問題。整個流程清晰地展示了客戶端與伺服器之間的非同步互動模式，以及成功與失敗路徑的分支處理，是典型的 API 應用架構。
# 匯入 openai 函式庫，用於與 OpenAI API 進行互動
import openai
# 設定您的 OpenAI API 金鑰。請務必替換 "YOUR_API_KEY" 為您自己的金鑰。
# 這是授權您存取 OpenAI 服務的憑證。
openai.api_key = "YOUR_API_KEY"
def generate_image(prompt: str, num_images: int = 1, size: str = "1024x1024"):
"""
使用 OpenAI DALL-E 模型根據文字提示生成圖片。
Args:
prompt (str): 用於生成圖片的文字描述。
num_images (int): 要生成的圖片數量，預設為 1。
size (str): 生成圖片的尺寸，預設為 "1024x1024"。
可選尺寸包括 "256x256", "512x512", "1024x1024"。
Returns:
list: 包含生成圖片 URL 的列表。如果發生錯誤，則回傳空列表。
Raises:
openai.error.OpenAIError: 當 API 呼叫失敗時，可能會引發此型別的例外。
"""
try:
# 呼叫 OpenAI 的 Image.create 方法來請求生成圖片
# prompt: 核心引數，傳遞使用者輸入的文字描述
# n: 指定要生成幾張圖片
# size: 指定圖片的解析度
response = openai.Image.create(
prompt=prompt,
n=num_images,
size=size
)
# [補充實作] 從 API 回應中提取圖片 URL
# API 回應是一個 JSON 物件，其中 'data' 鍵對應一個列表，列表中的每個物件都包含一個 'url' 鍵。
# 此處使用列表推導式（list comprehension）來高效地遍歷回應資料並收集所有 URL。
image_urls = [data['url'] for data in response['data']]
# 回傳包含所有圖片 URL 的列表
return image_urls
except Exception as e:
# 捕捉在 API 請求過程中可能發生的任何例外（例如：網路問題、認證失敗、無效請求等）
print(f"生成圖片時發生錯誤: {e}")
# 在發生錯誤時回傳一個空列表，以確保函式的穩定性
return []
內容說明：
這段 Python 程式碼定義了一個名為 generate_image 的函式，其主要功能是透過呼叫 OpenAI 的 DALL-E 圖片生成 API，將文字描述轉換為實際的影像。
環境設定：
import openai：首先，程式碼匯入了openai函式庫，這是與 OpenAI API 進行所有互動的基礎。openai.api_key = "YOUR_API_KEY"：此行設定了 API 金鑰。API 金鑰是驗證使用者身份並授權其使用服務的唯一憑證。在實際應用中，必須將"YOUR_API_KEY"替換為從 OpenAI 官方網站取得的真實金鑰。
函式定義
generate_image：- 此函式接受三個引數：
prompt（用於描述期望影像的文字字串）、num_images（希望生成的影像數量，預設為1）以及size（影像的尺寸，預設為 “1024x1024”）。 - 函式內部使用
try...except區塊來進行錯誤處理，這是一種健壯的程式設計實踐，可以捕捉 API 呼叫失敗等意外情況。
- 此函式接受三個引數：
API 呼叫：
openai.Image.create(...)：這是核心的 API 呼叫。它向 OpenAI 的伺服器傳送一個請求，要求根據提供的prompt、n（數量）和size（尺寸）引數來生成影像。
資料處理與回傳：
response = ...：API 的回傳結果會被儲存在response變數中。這個回傳結果是一個包含生成資料的 JSON 物件。image_urls = [data['url'] for data in response['data']]：這行程式碼使用了 Python 的列表推導式，這是一種簡潔且高效的語法。它會遍歷response物件中的data列表，並從每個元素中提取url鍵對應的值（即圖片的網址），最後將這些網址組合成一個新的列表image_urls。return image_urls：成功執行後，函式會回傳包含一個或多個圖片 URL 的列表。
錯誤處理：
except Exception as e:：如果try區塊內的任何程式碼（主要是 API 呼叫）引發了例外，程式將跳轉到此處執行。print(f"...")：它會印出錯誤訊息，方便開發者進行偵錯。return []：在發生錯誤時，函式會回傳一個空列表。這讓呼叫此函式的程式碼可以根據回傳值是否為空來判斷操作是否成功，從而避免因錯誤而導致整個應用程式當機。
流程圖解：
@startuml
!theme _none_
skinparam dpi auto
skinparam shadowing false
skinparam linetype ortho
skinparam roundcorner 5
skinparam minClassWidth 100
skinparam defaultFontName "Noto Sans TC"
skinparam defaultFontSize 14
!define PLANTUML_FORMAT svg
start
:接收函式引數 (prompt, num_images, size);
:進入 try 區塊;
:呼叫 openai.Image.create API\n並傳入引數;
if (API 呼叫成功？) then (是)
:從 API 回應中解析 JSON 資料;
:使用列表推導式提取所有圖片 URL;
:回傳包含 URL 的列表;
else (否)
:捕捉例外 (Exception);
:印出錯誤訊息;
:回傳空列表 [];
endif
:結束函式執行;
stop
@enduml
UML圖表解說：
此流程圖詳細描繪了 generate_image 函式的內部執行邏輯。
流程始於接收外部傳入的三個核心引數：prompt、num_images 和 size。接著，程式進入一個 try 區塊，這是為了確保後續的 API 呼叫即使失敗也不會中斷整個程式的執行。
在 try 區塊內，程式會建構並傳送一個 API 請求給 OpenAI 的圖片生成服務。流程圖中的條件分歧點代表了 API 呼叫的結果。如果 API 成功回傳資料，流程將走向「是」的路徑。在此路徑中，程式會先解析 API 回傳的 JSON 格式資料，然後透過一個高效的列表推導式操作，從複雜的資料結構中提取出所有圖片的 URL，並將這些 URL 組成一個列表回傳給呼叫者。
反之，如果 API 呼叫過程中發生任何錯誤（例如網路中斷、金鑰無效或伺服器問題），流程將走向「否」的路徑，觸發 except 區塊。在此，系統會捕捉到這個例外，印出詳細的錯誤訊息以供除錯，並回傳一個空列表。回傳空列表是一種明確的訊號，告知上層程式此次操作未成功。最後，無論成功或失敗，函式都會結束執行。這個設計確保了函式的可預測性和穩定性。
# [補充實作] 為了使程式碼完整且可執行，此處假設使用 openai 函式庫
# 原因：原文缺少必要的函式庫匯入與 API 初始化，補充後可構成一個完整的範例。
import openai
import os
# 從環境變數中讀取 OpenAI API 金鑰，這是安全的作法
# 執行前請確保已設定 'OPENAI_API_KEY' 環境變數
# openai.api_key = os.getenv("OPENAI_API_KEY")
def generate_image(prompt_text: str, num_images: int = 1, image_size: str = "1024x1024"):
"""
根據提供的文字提示，使用 OpenAI DALL-E API 生成圖片。
Args:
prompt_text (str): 用於生成圖片的詳細文字描述。
num_images (int): 希望生成的圖片數量。
image_size (str): 生成圖片的尺寸，例如 "1024x1024"。
Returns:
list[str] | None: 成功時回傳包含圖片 URL 的列表，失敗時回傳 None。
Raises:
Exception: 捕捉並印出 API 呼叫或處理過程中發生的任何錯誤。
"""
try:
# 核心步驟：呼叫 OpenAI 的圖片生成 API
# 這裡我們使用了 openai.Image.create 方法
response = openai.Image.create(
prompt=prompt_text, # 傳入使用者定義的提示文字
n=num_images, # 指定生成圖片的數量
size=image_size # 指定圖片的尺寸
)
# 從 API 回應中提取圖片 URL
# 回應的資料結構為 {'data': [{'url': '...'}]}
image_urls = [item['url'] for item in response['data']]
# 成功後回傳 URL 列表
return image_urls
except Exception as e:
# 錯誤處理：如果 try 區塊中的任何程式碼引發例外
# 將會捕捉到該例外物件 e
print(f"生成圖片時發生錯誤: {e}")
# 發生錯誤時回傳 None，表示操作失敗
return None
# --- 範例使用 ---
# 定義一個具體的圖片生成提示
prompt = "一個行動電話，螢幕上顯示著客戶支援聊天機器人的應用程式介面"
# 呼叫圖片生成函式
image_urls = generate_image(prompt)
# 檢查函式回傳的結果
if image_urls:
# 如果回傳的是一個非 None 的值 (即一個 URL 列表)
print("成功生成圖片，URL 如下：")
for url in image_urls:
# 遍歷列表並印出每一個 URL
print(url)
else:
# 如果回傳的是 None，表示在生成過程中發生了錯誤
print("無法生成圖片，請檢查主控臺的錯誤訊息。")
結論：AI 協作時代下的高階管理者進化論
深入剖析 Codex 與 DALL-E 2 在開發流程與創意呈現上的革新作用後，玄貓觀察到這不僅是工具效率的提升，更是對高階管理者思維模式與職能邊界的深遠挑戰與拓展。這兩項技術的整合應用，清晰地描繪出一個由 AI 協作驅動的未來職場圖景，要求長官者必須從「管理」走向「賦能」，從「命令」走向「協作」。
過去，技術的應用多聚焦於流程自動化與資料分析，協助管理者做出更明智的決策。然而，Codex 與 DALL-E 2 的出現，卻將 AI 的觸角延伸至更為「人類專屬」的領域：創意發想與知識轉化。Codex 透過自然語言理解與生成，將模糊的構想轉化為可執行程式碼，極大縮短了從概念到實作的距離；DALL-E 2 則以視覺化的方式，將抽象的文字描述具象化，賦予創意無限的可能性。這意味著，高階管理者不再僅是資源的分配者或風險的控制者，更必須成為「願景的闡述者」與「創意的催化劑」。
然而，這種轉變也帶來了新的挑戰。管理者需要具備更強的「提示工程」（Prompt Engineering）能力，精準地將意圖傳達給 AI，以獲得最佳結果。同時，對 AI 生成內容的「批判性評估」與「倫理審視」也變得至關重要，確保技術的應用符合企業價值觀與社會責任。更深層次地，這要求長官者擁抱「實驗性思維」，鼓勵團隊成員探索 AI 的潛力，而非固守傳統模式。
總結而言，AI 協作時代下的高階管理者，其核心競爭力將不再僅限於過往的專業知識與管理經驗，更包括了與智慧工具共舞的能力、引導創意轉化的能力，以及對未來趨勢的敏銳洞察。玄貓認為，這項修養代表了未來的主流方向，值得提前養成。那些能夠率先掌握與 AI 協作藝術的長官者，將能更有效地引導組織突破創新瓶頸，開創前所未有的價值，並在快速變遷的商業環境中保持領先地位。