吴恩达《AI 提示词工程》Module 3 学习笔记:让 AI 帮你做东西
文章总结了吴恩达 AI 提示词工程课程第三模块的核心内容,聚焦于如何利用 AI 进行多模态任务。文章提炼了 6 节课程的精髓,包括:多模态成本意识、AI 看图与文字提取技巧、AI 绘画的视觉语言、用 Prompt 快速开发 App、以及利用 AI 写代码进行数据分析。文章提供了多个可直接复用的 Prompt 模板,如 GIO 三件套和数据提取四步法,旨在帮助用户找到让 AI 落地的最低成本路径。
文章总结了吴恩达 AI 提示词工程课程第三模块的核心内容,聚焦于如何利用 AI 进行多模态任务。文章提炼了 6 节课程的精髓,包括:多模态成本意识、AI 看图与文字提取技巧、AI 绘画的视觉语言、用 Prompt 快速开发 App、以及利用 AI 写代码进行数据分析。文章提供了多个可直接复用的 Prompt 模板,如 GIO 三件套和数据提取四步法,旨在帮助用户找到让 AI 落地的最低成本路径。
文章高度提炼了LLM多模态应用场景与提示词模板,结构清晰、落地操作性极强,但多为经验总结,缺乏底层原理的深度剖析。
本文介绍 Kimi 推出的 3D Make 功能,用户只需一句话描述即可生成可查看、可编辑的 3D 模型。文章通过三个实战案例(喷气发动机剖面拆解、雨林中庭、哥特式大教堂)演示完整的提示词写法:如何描述物体、关键部件、外观风格与视角;如何通过后续对话逐步细化,如拆分发动机各阶段、增加植物层次、渲染彩色玻璃光线。文章还给出了通用的修改提示模板,强调每次只提出一个具体改动并旋转检查效果。该功能已在 kimi.ai 和 Kimi 应用上线,支持在线预览与编辑模型。
本文是 Codex-OpenPencil 插件的快速上手教程,以设计一个服装购物 APP 为例,完整演示从安装、打开画布、确认风格、扩展页面、选中元素口喷修改,到图片生成与搜索、保存设计资产,再到设计稿转代码的全流程。插件免费开源,提供支持平移缩放的无限画布,Codex 负责理解需求并调用工具,OpenPencil 负责设计展示与编辑,可 100% 还原生成 HTML、Vue、React、SwiftUI 等框架代码。文章还介绍了看板、教程图、对比图、PPT 等其他应用场景及常见问题处理方法。
作者分享了一套 GPT Image 2.5 出图的结构化提示词方法论,将画面拆解为身份、物理、摄影、视觉风格四大系统加负面词控制系统,共 17 个层级,并提供 5 层、8 层、15 层三个版本。通过“雨夜便利店”同场景实测对比,展示信息量对出图质量的影响。作者还用蚂蚁百灵 Ling-3.1-flash 模型将 5000 字方法论文档在 24 秒内一次性生成单文件 HTML 提示词拼装工具,支持逐层填写、实时拼接、一键复制,并介绍了将该模型接入本地 Claude Code 的环境变量配置方法与使用体验。
作者基于 OpenAI 最新发布的 GPT-Image 2.5 模型,实测整理了从个人娱乐到电商应用的多种玩法,并提供完整可复制的提示词教程。个人玩法包括:将上传图片转为弹跳动画 GIF、生成九宫格表情包、制作六帧连续动作表情 GIF 等。电商玩法包括:商品慢扫光动态广告制作(采用单张商品底图加 Python 扫光方案,解决瓶身、Logo、文字抖动问题),以及利用定稿海报模板进行商品换款的精确编辑。文章详细说明了多轮编辑、模板复用、帧间一致性等新版本能力,并给出大量经过验证的中英文提示词模板,帮助普通用户快速上手图像生成与动态内容创作。
森叔推荐苍何的开源项目 awesome-gpt-image-2,该项目登顶 GitHub 趋势榜第一,堪称 GPT Image 2 的应用百科全书。项目包含 532 个覆盖 UI、信息图、海报、电商等 13 个方向的图片案例,以及 22 套结构化提示词模板。还提供 gpt-image-2-style-library Skill,可安装到 Codex、Claude Code、Cursor 等 Agent 中,自动匹配模板和风格生成可用提示词。项目采用 Prompt as Code 思路,适合批量生成与 Agent 自动调用,对经常制作海报、课程封面、信息图的用户极具收藏价值。
文章介绍了一个名为 claude-video 的开源插件,利用 FFmpeg 场景检测和 Whisper 转录,解决了 Claude Code 无法精准看视频的痛点。该工具摒弃了随机抽帧,仅在画面变化时截帧,能准确理解图表、PPT 和 UI 变化。文中详细介绍了插件在 Claude Code、Cursor 等平台的安装方法、参数配置及会议纪要、Bug 复盘等七大实战场景。