nano banana 的正式名称是 Gemini 2.5 Flash Image，主要特点包括下面几点：
▫️充分保持角色的一致性：可轻松地将同一个角色置于不同的环境中，或者从多个角度展示同一款产品，同时完美地保持其核心主体不变。
▫️基于提示的图片编辑：允许用户通过简单的自然语言指令，对图片进行精准的局部修改 。
▫️利用 Gemini 的现实世界知识：模型可借助 Gemini 强大的世界知识库，让图像生成变得更加「智能」。
▫️多幅图像融合：可以将一张图片中的物体「放」进另一张图片的场景里，整个过程只需一条提示指令就能完成。
Gemini 2.5 Flash Image 目前已经
可以通过 Gemini APP、Gemini API、Google AI Studio 和 Vertex AI 进行访问。
📮投稿 📢频道 💬群聊
【Google Prompting Essentials 認證課重點筆記】
第一堂課：如何把提示詞寫得跟專家一樣好
由 Google 和 DeepMind 的 AI 專家在 Coursera 上所開設。
總共 4 堂，課程時間約 9 個小時，台幣約 1,600元。
雖然課程主要是用Gemini，但內容泛用性高，
也適用ChatGPT 或 Claude 等其他生成AI工具。
以下紀錄讓我特別印象深刻的 3 個重點：
.
▋提示詞撰寫 5 原則
.
1.Task (任務指示)：包含角色、受眾、輸出格式等
2.Context (背景資訊)：任務的目的、情境等等
3.References (參考範例)：又稱 few-shot，細節下面會說明
4.Evaluate (人類評估)：課程對此著墨不多，可能偏好難有共通準則
5.Iterate (迭代改進)：具體的方法下面也會仔細說明
這算是一種高泛用性的框架。
通用各種提示詞設計、改進工作。
(覺得以後教學時可以出成學習單，讚！)
.
▋給參考範例 (References)的 2 個技巧
.
給參考範例，是有效穩定輸出品質的方法。
但這個方法其實有代價是，
降低生成式 AI的創意表現。
(其實人類也是這樣，有範例參考就懶得動腦。)
所以課程中給了兩個小技巧去平衡穩定性和創意的問題。
1.案例數量限制在 2~5 個
這個數字主要憑經驗抓出，
不同情況下的最佳數量可能也不同。
但可以肯定太多或太少都會妨礙創意。
2.不要在第一階段就給案例
課程影片中，把prompt拆成了兩個步驟。
先讓 AI 自由發揮後，才給案例調整方向和細節。
的確是一種兼顧創意和穩定性的方法。
.
▋迭代 (Iterate) 的 3 個改進措施
.
如果生成的內容不理想，要回去改初始的prompt的話，
課程也講述了 3 種常用的方法。
1.把句子寫短
太長的句子會增加AI誤解的可能性。
所以有機會單純把句子寫短就能改進輸出。
2.把任務換另外一種角度敘述
課程給的例子是：
（✖️）「請給我一份ＯＯＯ的行銷文案」
（✔️）「請講述我們的客戶如何將ＯＯＯ融入他的生活中」
這招我自己也實測了一下，真滴猛。
怎麼想的？難道對行銷人來說這種講法是常識嗎？
3.增加限制條件
簡單直接的方法。
生成內容有不喜歡的部分，就禁止。
.
以上是第一堂課的心得筆記。
並非很全面的概括整個課程內容，主要分享主觀覺得精彩的部分。
課程去年 10 月的時候就推出了，但終於找到時間看。
有興趣的人課程連結分享在留言處。
(非業配！沒有優惠碼。)
還沒看完，下次再繼續分享。
.
全文完。每週分享生成式 AI 的實測與技巧心得。
歡迎訂閱&分享，讓我知道你喜歡這樣的主題。
#生成式AI #Gemini #PromptEngineering #Elearning
source: FB
第一堂課：如何把提示詞寫得跟專家一樣好
由 Google 和 DeepMind 的 AI 專家在 Coursera 上所開設。
總共 4 堂，課程時間約 9 個小時，台幣約 1,600元。
雖然課程主要是用Gemini，但內容泛用性高，
也適用ChatGPT 或 Claude 等其他生成AI工具。
以下紀錄讓我特別印象深刻的 3 個重點：
.
▋提示詞撰寫 5 原則
.
1.Task (任務指示)：包含角色、受眾、輸出格式等
2.Context (背景資訊)：任務的目的、情境等等
3.References (參考範例)：又稱 few-shot，細節下面會說明
4.Evaluate (人類評估)：課程對此著墨不多，可能偏好難有共通準則
5.Iterate (迭代改進)：具體的方法下面也會仔細說明
這算是一種高泛用性的框架。
通用各種提示詞設計、改進工作。
(覺得以後教學時可以出成學習單，讚！)
.
▋給參考範例 (References)的 2 個技巧
.
給參考範例，是有效穩定輸出品質的方法。
但這個方法其實有代價是，
降低生成式 AI的創意表現。
(其實人類也是這樣，有範例參考就懶得動腦。)
所以課程中給了兩個小技巧去平衡穩定性和創意的問題。
1.案例數量限制在 2~5 個
這個數字主要憑經驗抓出，
不同情況下的最佳數量可能也不同。
但可以肯定太多或太少都會妨礙創意。
2.不要在第一階段就給案例
課程影片中，把prompt拆成了兩個步驟。
先讓 AI 自由發揮後，才給案例調整方向和細節。
的確是一種兼顧創意和穩定性的方法。
.
▋迭代 (Iterate) 的 3 個改進措施
.
如果生成的內容不理想，要回去改初始的prompt的話，
課程也講述了 3 種常用的方法。
1.把句子寫短
太長的句子會增加AI誤解的可能性。
所以有機會單純把句子寫短就能改進輸出。
2.把任務換另外一種角度敘述
課程給的例子是：
（✖️）「請給我一份ＯＯＯ的行銷文案」
（✔️）「請講述我們的客戶如何將ＯＯＯ融入他的生活中」
這招我自己也實測了一下，真滴猛。
怎麼想的？難道對行銷人來說這種講法是常識嗎？
3.增加限制條件
簡單直接的方法。
生成內容有不喜歡的部分，就禁止。
.
以上是第一堂課的心得筆記。
並非很全面的概括整個課程內容，主要分享主觀覺得精彩的部分。
課程去年 10 月的時候就推出了，但終於找到時間看。
有興趣的人課程連結分享在留言處。
(非業配！沒有優惠碼。)
還沒看完，下次再繼續分享。
.
全文完。每週分享生成式 AI 的實測與技巧心得。
歡迎訂閱&分享，讓我知道你喜歡這樣的主題。
#生成式AI #Gemini #PromptEngineering #Elearning
source: FB
