正直なところ、一番難しいのはプロンプト自体ではなく、AIの実際の限界を測ることです。あなたの独創的なアイデアと、モデルが実際に自律的に処理できる範囲の間の、まさにスイートスポットを見つけなければなりません。 例えば、以前GPT-4oでこの「City Weather」というコンセプトを試したことがありました（コメントをご覧ください）。見た目は良かったのですが、ライブデータ用のカスタムAPIが必要だったため、フローが台無しになってしまいました。GeminiとNano Banana Proを使うことで、日付と天気の取得と画像生成を一度に実行できるようになり、ようやくうまくいきました。 これが2つ目の課題につながります。ギャラリー作品ではなく、フレームワークを作ることです。目標は複雑なプロンプトを披露することではなく、人々が自由に遊べるテンプレートを提供することです。ユーザーがこのロジックを自分の都市に適用したり、タイムトラベルのシナリオや火星のような架空の場所に応用したりしているのが嬉しいですね。
GPTの以前のバージョン
在写感谢 Pichai 的推文時，我写了一段话，大意： > 本物の「魔法の時刻」は、Nano Banana Pro の可視化機能、世界認識を継承し、Gemini のタイムリンク機能と一体化する際に発生しました。 その後这位网友问了我一问题： > 全体的なワークフローの中で、最も重要な部分は何ですか? ここでの最も重要な部分は、提案ではなく、むしろ、AI の能力を継承する境界を獲得し、モデルを限りなく延長し、モデルの能力の範囲内と継承の理想との間の最適な結合点に到達することです。 例：この城市天气预报の例、私は GPT-4o 画像このような場合、非常に問題のない効果を生成することができますが、自分自身で取得日と天気予報を抜け出すことができず、生成された図形を取得する必要があるため、天気予報を取得する API を取得して GPT に変換することになり、そのため、その玩具の可用性が制限されます。 そのため、Gemini が nano Banana pro を収集した後、私たちはこの構想を再検討し、Gemini モデルが直前の期間と気温の中で画像を生成できることを発見し、この構想は容易に実現できることを発見しました。 さらにもう一つ問題があるのは、一般的な作品ではなく、単一の舞台であり、作者自身が自分の展示のために複数の牛を提示しているだけではありません。これは该读者が参加できるものであり、提案ではなく提案モジュールであり、各人都が自分の世界に参加することができ、興味をそそることができますこの城市の雰囲気をイメージするように、各人が自分の城市を調査することができます。日中、遠くに行ったり、火星や虚空のような場所に放り込まれたりするなど、非常に多くの楽しいバージョンを生み出すことさえあります。
