LLM技术信息图聊天截图 AI图片提示词

目标：创建一张AI聊天界面的真实截图，显示生成的关于{argument name="topic" default="how Large Language Models (LLMs) work technically"}的技术信息图。截图应看起来像现代网页应用对话，而非独立海报。 画布：768×1024纵向截图，浅灰色应用背景，白色圆角内容区域，干净的无衬线字体，微妙的阴影，高分辨率，但信息图文字稍小，如同真实的嵌入生成图像。 聊天UI布局：左上角显示一个小的圆形用户头像，聊天标题“Visualizing LLM Architecture”带一个小下拉箭头，右上角显示简单的“Files”标签和图标。下方，在顶部中央/右侧附近显示一个圆角用户消息气泡，内容为：“make an image explaining how LLMs work technically”。其下方显示一行小状态文字“Scira task complete”带一个火花/加载图标和箭头。主生成图像作为大圆角矩形卡片出现在下方。图像下方，包含助手解释文本：“The image above is a comprehensive technical infographic breaking down how Large Language Models function under the hood. Here is a detailed walkthrough of each component shown:”后跟粗体章节标题“Tokenization: From Text to Numbers”。底部显示一个圆角输入框，占位符“Ask a follow-up...”，左侧加号按钮，右侧小工具/模型控件，模型标签“Kimi K2.6”带下拉菜单，以及一个圆形语音按钮。 聊天内生成的信息图：设计一个蓝白相间的技术教育海报，大号海军蓝大写标题：“HOW LARGE LANGUAGE MODELS (LLMs) WORK”。使用白色背景、海军蓝轮廓、浅蓝色高亮、圆角面板、连接步骤的箭头、微型图表、方程、表格和图标。海报应信息密集且面向工程。 信息图部分：使用正好8个带标签的面板/区域： 1. “INPUT: TOKENIZATION”面板：显示一个原始文本框，包含句子“The quick brown fox jumps over the lazy dog.”，一个分词器块，单词的令牌框，以及令牌ID框。 2. “EMBEDDINGS”面板：显示令牌ID转换为密集向量，带一个小型数值嵌入值表格。 3. “TRANSFORMER ARCHITECTURE”面板：显示一个堆叠的Transformer块，包含Add & Norm、前馈网络、多头自注意力、输入嵌入、位置编码和层重复标注。 4A. “SELF-ATTENTION MECHANISM (INSIDE ONE HEAD)”宽左下方面板：显示输入嵌入、查询、键、值、注意力分数、softmax、注意力权重、加权和以及方程的矩阵。 4B. “ATTENTION: TOKENS ATTEND TO EACH OTHER”面板：显示示例句子中令牌的网络图，由蓝线连接，加上注意力权重条形图。 5. “OUTPUT: NEXT TOKEN PREDICTION”面板：显示候选下一个令牌的概率分布条形图，如cat, sat, on, the, mat, roof，然后高亮预测的下一个令牌“the”。 6. “TRAINING: PRE-TRAINING WITH NEXT-TOKEN PREDICTION”长底部条带，分为5个迷你卡片：大规模文本语料库、创建训练示例、模型预测、损失计算、反向传播/更新。 7. 底部过程箭头：“Repeat for billions of examples over many epochs until convergence.” 8. 右下角结果标注，带一个大脑图标，解释模型学习通用语言模式和知识。 视觉风格：清晰矢量信息图，学术但友好，深海军蓝标题，中蓝色边框，浅蓝色填充，微型表格和图表，干净箭头，圆角卡片，一致的间距。让嵌入的信息图看起来像AI生成的教育图表，文字密集但大部分可读。 约束：所有UI文本保持英文。不添加水印。保留可见的聊天截图框架和大嵌入信息图。使用列出的正好8个信息图区域和训练条带中的正好5个迷你卡片。