来自 宝玉（@dotey）的推文线程

说实话，最难的部分不是题目本身，而是确定人工智能的实际处理能力边界。你必须找到创意和模型真正能够自主处理的能力之间的平衡点。 例如，我之前用 GPT-4o 尝试过这个“城市天气”的概念（详见评论）。效果不错，但需要自定义 API 获取实时数据，这破坏了流程。后来用 Gemini 和 Nano Banana Pro，终于成功了，因为它们可以一次性获取日期/天气并生成图像。 这就引出了第二个挑战：创建一个框架，而不仅仅是一件展品。目标不是展示一个复杂的主题，而是为人们提供一个可以自由发挥的模板。我很高兴看到用户们将这种理念应用到他们自己的城市，甚至将其延伸到时间旅行场景或像火星这样的虚构地点。

我之前的 GPT 版本

在写感谢皮查伊的推文时，我写了一段话，大意是： > 真正的“魔法时刻”，发生在你将 Nano Banana Pro 的可视化能力、世界知识，与 Gemini 的实时物联网能力融汇之时。Nano Banana Pro 不仅能将你天马行空的创意变为现实，让我们每个人都能自由的创造。 然后这位网友问了我一个问题： > 在整个工作流程中，你觉得最难的部分是什么？ 这里面最难的部分不是提示词，甚至不是创意，但是你得知道AI的能力的边界，熟练掌握模型什么不是什么，再在模型的能力范围内和你的想法之间找到一个最佳的结合点。 就是限制这个城市天气预报的例子，我在GPT-4o Image的时候就写过类似的，因为它能够生成很不错的效果，但是它不能自己去获取日期和天气再去生成图形，所以我得写一个获取天气的API，把地图GPTs，这就有了可玩性了。 所以当Gemini集成了nanobanana pro之后，我马上就重新测试了这个想法，发现Gemini模型现在可以获取当前日期和天气然后生成图像，那么这个想法就可以很容易实现。 另外一个难点就是你的作品不应该只是单个的场景，不是只有作者自己为了展示自己的提示词而不是多牛，而是应该让读者能参与其中，是一个提示词模板是提示词，每个人都可以结合自己的、场景兴趣去尝试，去修改，这也是很有挑战的事情。比如像下面城市天气的提示词，每个人都可以测试自己的城市，不同的日期，甚至可以衍生出很多好玩的版本，比如穿越回，把过去的地方变成火星、虚拟的游戏地址。