IP
Hasilkan
Pratinjau gambar tangkapan layar obrolan Arsitektur LLM
Gambar referensi utama
gpt-image-2 kasusInspirasi lainnyaGambar ke Gambar1 referensi

Tangkapan Layar Obrolan Arsitektur LLM

Membuat tangkapan layar obrolan AI realistis yang menampilkan infografis teknis berwarna biru dan putih yang menjelaskan cara kerja model bahasa besar.

Ini adalah contoh kasus gpt-image-2 untuk Inspirasi lainnya . Gunakan contoh siap salin di bawah ini untuk menghasilkan visual serupa, dan tinjau atribusi Awesome Nano Banana Pro Prompts serta hak penggunaan komersial sebelum digunakan kembali.

Butuh seluruh rangkaian prompt? Gunakan Inspirasi lainnya Untuk contoh terkait lainnya, kunjungi pusat topik, atau buka Perpustakaan prompt Gambar GPT 2 untuk indeks contoh lengkap, struktur yang dapat digunakan kembali, dan atribusi sumber.
Coba perintah ini

Mengingatkan

Prompt siap salin

Tujuan: Membuat tangkapan layar realistis dari antarmuka obrolan AI, yang menampilkan gambar terkait dengan {argument name="topic" default="Large Language Models (LLMs) Technical Principles"} Infografis teknis generatif. Tangkapan layar harus disajikan sebagai percakapan dalam aplikasi web modern, bukan poster promosi mandiri. Kanvas: Tangkapan layar vertikal 768×1024, latar belakang aplikasi abu-abu muda, area konten putih membulat, font sans-serif bersih, bayangan halus, resolusi tinggi, tetapi teks dalam infografis harus sedikit lebih kecil, seperti gambar yang dihasilkan yang disematkan. Tata letak UI obrolan: Avatar pengguna melingkar kecil ditampilkan di sudut kiri atas, bersama dengan judul obrolan "Visualisasi Arsitektur LLM" dan panah tarik-turun kecil; tab dan ikon "File" sederhana ditampilkan di sudut kanan atas. Di bawahnya terdapat gelembung pesan pengguna membulat yang berpusat/sejajar kanan yang berbunyi: "buat gambar yang menjelaskan cara kerja LLM secara teknis." Di bawahnya terdapat bilah status yang bertuliskan "Tugas Scira selesai," dengan ikon berkedip/memuat dan panah. Gambar utama yang dihasilkan muncul di bawahnya sebagai kartu persegi panjang besar dengan sudut membulat. Di bawah gambar terdapat teks penjelasan dari asisten: “Gambar di atas adalah infografis teknis komprehensif yang menjelaskan cara kerja Model Bahasa Besar (Large Language Models/LLM) di balik layar. Berikut adalah panduan rinci dari setiap komponen yang ditampilkan:” diikuti oleh judul bagian yang dicetak tebal “Tokenisasi: Dari Teks ke Angka.” Di bagian bawah terdapat kotak input membulat dengan tempat penampung “Ajukan pertanyaan lanjutan…”, tombol plus di sebelah kiri, dan kontrol alat/model kecil, label model “Kimi K2.6”, menu tarik-turun, dan tombol suara melingkar di sebelah kanan. Infografis generatif dalam obrolan: Rancang poster pendidikan teknis berwarna biru dan putih dengan judul besar berwarna biru tua yang ditulis dengan huruf kapital: “BAGAIMANA MODEL BAHASA BESAR (LLM) BEKERJA”. Gunakan latar belakang putih, garis luar biru tua, sorotan biru muda, panel membulat, dan panah yang menghubungkan langkah-langkah, bagan mikro, rumus, tabel, dan ikon. Poster harus padat informasi dan condong ke pendekatan teknik. Bagian Infografis: Menggunakan 8 panel/area berlabel: 1. Panel "INPUT: TOKENISASI": Menampilkan kotak teks mentah yang berisi kalimat "The quick brown fox jumps over the lazy dog.", modul tokenizer, kotak token kata, dan kotak ID token. 2. Panel "EMBEDDINGS": Menampilkan ID token yang dikonversi ke vektor padat, dan tabel yang berisi nilai embedding numerik. 3. Panel "ARSITEKTUR TRANSFORMER": Menampilkan modul Transformer yang ditumpuk, termasuk Add & Norm, Feed-Forward Network, Multi-Head Self-Attention, embedding input, pengkodean posisi, dan notasi pengulangan lapisan. 4A. “MEKANISME PERHATIAN DIRI (DI DALAM SATU KEPALA)”: Panel lebar kiri bawah menampilkan embedding input, query, kunci, nilai, skor perhatian, softmax, bobot perhatian, penjumlahan berbobot, dan matriks formula. 4B. Panel “PERHATIAN: TOKEN SALING MEMPERHATIKAN”: Menampilkan grafik jaringan token dalam kalimat contoh, yang dihubungkan oleh garis biru, dan menyertakan batang bobot perhatian. 5. Panel “OUTPUT: PREDIKSI TOKEN BERIKUTNYA”: Menampilkan batang distribusi probabilitas untuk kandidat token berikutnya (misalnya, cat, sat, on, the, mat, roof), dan menyoroti token berikutnya yang diprediksi “the”. 6. “PELATIHAN: PRA-PELATIHAN DENGAN PREDIKSI TOKEN BERIKUTNYA”: Bilah bawah dibagi menjadi 5 kartu mini: korpus teks besar, membuat contoh pelatihan, prediksi model, perhitungan kerugian, dan backpropagation/pembaruan. 7. Panah alur bawah dengan teks: “Ulangi untuk miliaran contoh selama banyak epoch hingga konvergensi.” 8. Anotasi hasil kanan bawah dengan ikon otak, menjelaskan bagaimana model mempelajari pola dan pengetahuan bahasa umum. Gaya Visual: Infografis vektor yang jelas, akademis dan ramah pengguna, dengan judul biru tua, batas biru sedang, isian biru muda, tabel dan grafik mikro, panah yang rapi, kartu bulat, dan spasi yang konsisten. Buat infografis yang disematkan terlihat seperti bagan pendidikan yang dihasilkan AI, dengan teks yang padat tetapi sebagian besar mudah dibaca. Batasan: Semua teks UI harus tetap dalam bahasa Inggris. Jangan menambahkan watermark. Pertahankan bingkai tangkapan layar obrolan yang terlihat dan infografis besar yang disematkan. Gunakan 8 area infografis dan 5 kartu mini yang tercantum di dalam bilah pelatihan.

Variabel perintah

Placeholder argumen yang dapat diedit ditemukan dalam prompt, beserta nilai defaultnya.

1
Variabel
topic
Bawaan
Large Language Models (LLMs) Technical Principles

Catatan penggunaan kembali dan sumber

Gunakan perintah ini dengan aman setelah melihat pratinjau kasus.

  1. 1.Salin perintah tersebut atau buka langsung di Dovoo dengan tombol pembuatan.
  2. 2.Sesuaikan variabel, rasio aspek, dan gambar referensi untuk kebutuhan Anda sendiri.
  3. 3.Sebelum mempublikasikan atau menggunakan untuk tujuan berbayar, verifikasi hak sumber, persyaratan atribusi, dan risiko merek atau citra.
LLM Architecture Chat Screenshot untuk GPT Image 2 | Image Prompt Gallery