Erstellt einen realistischen KI-Chat-Screenshot mit einer dichten, blau-weißen technischen Infografik, die die Funktionsweise von Large Language Models erklärt.
Eingabe
Ziel: Erstellen Sie einen realistischen Screenshot einer KI-Chat-Oberfläche, die eine generierte technische Infografik zu der technischen Funktionsweise von Large Language Models (LLMs) zeigt. Der Screenshot sollte wie eine moderne Web-App-Konversation aussehen, nicht wie ein einzelnes Plakat.
Leinwand: 768×1024 vertikaler Screenshot, hellgrauer App-Hintergrund, abgerundete weiße Inhaltsbereiche, klare serifenlose Typografie, dezente Schatten, hohe Auflösung, wobei der Infografik-Text jedoch leicht verkleinert ist, wie bei einem echten eingebetteten generierten Bild.
Chat-UI-Layout: Zeigen Sie oben links einen kleinen runden Benutzer-Avatar, den Chat-Titel „Visualizing LLM Architecture“ mit einem kleinen Dropdown-Pfeil und oben rechts ein einfaches „Files“-Label mit einem Symbol. Darunter zeigen Sie eine abgerundete Benutzer-Nachrichtenblase, die mittig/rechts ausgerichtet ist und den Text enthält: „make an image explaining how LLMs work technically“. Darunter eine kleine Statuszeile mit dem Text „Scira task complete“, einem Funkeln-/Lade-Symbol und einem Pfeil. Das generierte Hauptbild erscheint darunter als große, abgerundete Rechteckkarte. Unter dem Bild fügen Sie den erklärenden Text des Assistenten hinzu: „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:“, gefolgt von der fetten Abschnittsüberschrift „Tokenization: From Text to Numbers“. Am unteren Rand zeigen Sie ein abgerundetes Eingabefeld mit dem Platzhalter „Ask a follow-up...“, einem Plus-Button auf der linken Seite, kleinen Tool-/Modell-Steuerelementen auf der rechten Seite, dem Modell-Label „Kimi K2.6“ mit einem Dropdown und einem runden Sprach-Button.
Generierte Infografik im Chat: Entwerfen Sie ein blau-weißes technisches Lehrplakat mit der Überschrift in großen dunkelblauen Versalien: „HOW LARGE LANGUAGE MODELS (LLMs) WORK“. Verwenden Sie einen weißen Hintergrund, marineblaue Umrisse, hellblaue Highlights, abgerundete Felder, Pfeile zur Verbindung der Schritte, Miniaturdiagramme, Gleichungen, Tabellen und Symbole. Das Plakat sollte informationsdicht und ingenieurwissenschaftlich orientiert sein.
Infografik-Abschnitte: Verwenden Sie genau 8 beschriftete Felder/Bereiche:
1. „INPUT: TOKENIZATION“-Feld mit einem Rohtextfeld mit dem Satz „The quick brown fox jumps over the lazy dog.“, einem Tokenizer-Block, Token-Boxen für die Wörter und Token-ID-Boxen.
2. „EMBEDDINGS“-Feld, das zeigt, wie Token-IDs in dichte Vektoren umgewandelt werden, mit einer kleinen Tabelle numerischer Embedding-Werte.
3. „TRANSFORMER ARCHITECTURE“-Feld, das einen gestapelten Transformer-Block mit Add & Norm, Feed-Forward-Netzwerk, Multi-Head Self-Attention, Eingabe-Embeddings, Positional Encoding und Layer-Wiederholungsnotation zeigt.
4A. „SELF-ATTENTION MECHANISM (INSIDE ONE HEAD)“ breites Feld unten links, das Matrizen für Eingabe-Embeddings, Queries, Keys, Values, Attention-Scores, Softmax, Attention-Gewichte, gewichtete Summe und Gleichungen zeigt.
4B. „ATTENTION: TOKENS ATTEND TO EACH OTHER“-Feld, das ein Netzwerkgrafik-Diagramm der Token aus dem Beispielsatz zeigt, verbunden durch blaue Linien sowie Attention-Gewichtsbalken.
5. „OUTPUT: NEXT TOKEN PREDICTION“-Feld, das Wahrscheinlichkeitsverteilungsbalken für potenzielle nächste Token wie cat, sat, on, the, mat, roof zeigt und das vorhergesagte nächste Token „the“ hervorhebt.
6. „TRAINING: PRE-TRAINING WITH NEXT-TOKEN PREDICTION“ langer unterer Streifen, unterteilt in 5 Minikarten: massives Textkorpus, Erstellung von Trainingsbeispielen, Modellvorhersage, Verlustberechnung und Backpropagation/Update.
7. Unterer Prozesspfeil mit dem Text „Repeat for billions of examples over many epochs until convergence.“
8. Ergebnis-Callout unten rechts mit einem Gehirn-Symbol, das erklärt, dass das Modell allgemeine Sprachmuster und Wissen lernt.
Visueller Stil: Knackige Vektor-Infografik, akademisch, aber freundlich, dunkelblaue Überschriften, mittelblaue Ränder, hellblaue Füllungen, kleine Tabellen und Diagramme, klare Pfeile, abgerundete Karten, konsistente Abstände. Lassen Sie die eingebettete Infografik wie ein KI-generiertes Lehrdiagramm mit dichtem, aber größtenteils lesbarem kleinem Text aussehen.
Einschränkungen: Behalten Sie den gesamten UI-Text auf Englisch bei. Fügen Sie keine Wasserzeichen hinzu. Bewahren Sie die sichtbare Chat-Screenshot-Einrahmung und die große eingebettete Infografik. Verwenden Sie genau die 8 aufgelisteten Infografik-Bereiche und genau 5 Minikarten innerhalb des Trainingsstreifens.
So verwendest du diesen Prompt
1
Kopiere den vollständigen Prompt oben.
2
Öffne eine Plattform, die GPT Image 2 unterstützt, etwa YouMind, und füge den Prompt ein.
3
Tausche Motiv, Stil oder Details nach deiner Idee aus und generiere dann.
Dies ist ein kostenloser AI-Prompt aus der Prompt-Bibliothek von YouMind. Entdecke Tausende weitere bild-Prompts, alle frei zum Kopieren und Anpassen.
Lass die KI Zehntausende Prompts durchsuchen. Filtere nach Modell, Zeitraum und Keywords und sortiere nach Engagement — Aufrufe, Lesezeichen, Reposts und mehr.
Verwandeln Sie jedes Foto in einen detaillierten AI-Bild-Prompt. Der kostenlose Image-to-Prompt-Konverter analysiert Komposition, Stil und Licht, damit Sie jeden Look in Sekunden nachbauen können.