Hello朋友们~今天是拼命学习的Simonlin!
我就说晚睡能学到好东西吧...
闲着无聊在网络上闲逛，让我发现了三个宝藏AI生图提示词。
先给大家看看效果，获取方式在文章末尾。
第一个：电子设备拆解（
图1
）
第二个：用Json代码将生成的图片还原（
图2
图3
）
第三个：城市高楼微缩建模（
图4
图5
图6
）
我想跟大家分享一下在实操过程中，我的一些想法。
在使用“城市高楼微缩建模”这个提示词的时候，我是先把它发给了Nano Banana Pro，因为它更新后，拥有了相对全面的世界知识。
我想着：“福州还是有排面的吧。”结果它一开始生成的图片一出来，我就觉得不对劲了...
哪怕我在福州只是待了四年，也从没见过这种设计风格的建筑...
所以，抱着严谨的态度，我又去问了GPT...
提示词：验证一下，照片中的建筑物是真实存在的吗？调用网络搜索，若有误差，对比实际数据，给我答复。
结果它的回答证实了我的猜想（
图7
）。
这就让我感觉到，交叉验证的必要性。
为什么？
大模型生成的内容，有时候会出现“幻觉”，也就是把原本不符合事实的一件事，说的头头是道，煞有介事的样子，就给人带来了误导。
怎么做？
当向AI要的交付物，可能是文字内容，可能是图片内容，对你来说很重要的时候，你一定得将A大模型模型生成的结果，发给B大模型，甚至是C大模型，甚至还可能有D大模型，多次反问，验证它的真实性。
对于事实性内容，尤其是如此。
其原理在于，大模型的本质之一，就是“预测”。简单来说，“我今天要”这几个字，在大模型的眼里，它会先进行分解，再根据概率匹配合适的词。
由此，比如“出门”这个词汇的概率比“上班”更高，那么这句话就很可能是“我今天要出门”。
这也是为什么，我们经常觉得同一个主题给到大模型，它生成的内容都非常的类似原因。
而不同模型的能力是不同的，侧重方向自然也不一样，“交叉验证”就像考试后对答案，一个人说“这题选A”，可能只是他自己的误差。
当所有人都说“选A”，那大概率就是真的。
这就是“不把鸡蛋放同一个篮子里”。
所以，当我们越来越依赖AI，我们更加要小心对待它给我们的东西。
希望我们都能在AI时代里保持理性，拥有独立思考的能力。
提示词获取：
先求个关注~然后在我公众号后台发送：
“宝藏提示词”，我会将以上提到的三个提示词，通通发你。
下次见。