Captura de tela de chat sobre arquitetura de LLM

Cria uma captura de tela realista de um chat de IA apresentando um infográfico técnico denso em azul e branco que explica como funcionam os modelos de linguagem grande.

Comando
Objetivo: Criar uma captura de tela realista de uma interface de chat de IA mostrando um infográfico técnico gerado sobre como funcionam tecnicamente os Modelos de Linguagem Grande (LLMs). A captura de tela deve parecer uma conversa em um aplicativo web moderno, não um pôster isolado. Canvas: Captura de tela vertical 768×1024, fundo do aplicativo em cinza claro, áreas de conteúdo brancas arredondadas, tipografia sem serifa limpa, sombras sutis, alta resolução, mas com o texto do infográfico ligeiramente pequeno, como uma imagem gerada real incorporada. Layout da interface de chat: No canto superior esquerdo, mostre um pequeno avatar de usuário circular, o título do chat “Visualizing LLM Architecture” com um pequeno chevron de menu suspenso e, no canto superior direito, um rótulo simples “Files” com um ícone. Abaixo, mostre um balão de mensagem do usuário arredondado alinhado próximo ao centro/direita contendo: “make an image explaining how LLMs work technically”. Abaixo dele, mostre uma pequena linha de status lendo “Scira task complete” com um ícone de brilho/carregamento e um chevron. A imagem principal gerada aparece abaixo como um grande cartão retangular arredondado. Sob a imagem, inclua o texto explicativo do assistente: “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:” seguido pelo cabeçalho de seção em negrito “Tokenization: From Text to Numbers”. Na parte inferior, mostre uma caixa de entrada arredondada com o marcador “Ask a follow-up...”, um botão de mais à esquerda, pequenos controles de ferramenta/modelo à direita, o rótulo do modelo “Kimi K2.6” com um menu suspenso e um botão de voz circular. Infográfico gerado dentro do chat: Projete um pôster educacional técnico em azul e branco intitulado em letras maiúsculas azul-marinho: “HOW LARGE LANGUAGE MODELS (LLMs) WORK”. Use um fundo branco, contornos azul-marinho, destaques em azul claro, painéis arredondados, setas conectando as etapas, gráficos em miniatura, equações, tabelas e ícones. O pôster deve ser denso em informações e orientado para engenharia. Seções do infográfico: Use exatamente 8 painéis/áreas rotuladas: 1. Painel “INPUT: TOKENIZATION” mostrando uma caixa de texto bruto com a frase “The quick brown fox jumps over the lazy dog.”, um bloco de tokenizador, caixas de tokens para as palavras e caixas de ID de token. 2. Painel “EMBEDDINGS” mostrando IDs de token convertidos em vetores densos, com uma pequena tabela de valores numéricos de embedding. 3. Painel “TRANSFORMER ARCHITECTURE” mostrando um bloco de transformador empilhado com Add & Norm, Feed-Forward Network, Multi-Head Self-Attention, embeddings de entrada, codificação posicional e notação de repetição de camada. 4A. Painel inferior esquerdo amplo “SELF-ATTENTION MECHANISM (INSIDE ONE HEAD)” mostrando matrizes para embeddings de entrada, queries, keys, values, pontuações de atenção, softmax, pesos de atenção, soma ponderada e equações. 4B. Painel “ATTENTION: TOKENS ATTEND TO EACH OTHER” mostrando um gráfico de rede de tokens da frase de exemplo conectados por linhas azuis mais barras de peso de atenção. 5. Painel “OUTPUT: NEXT TOKEN PREDICTION” mostrando barras de distribuição de probabilidade para candidatos a próximos tokens, como cat, sat, on, the, mat, roof, destacando o próximo token previsto “the”. 6. Faixa inferior longa “TRAINING: PRE-TRAINING WITH NEXT-TOKEN PREDICTION” dividida em 5 minicartões: corpus de texto massivo, criação de exemplos de treinamento, previsão do modelo, cálculo de perda e retropropagação/atualização. 7. Seta de processo inferior lendo “Repeat for billions of examples over many epochs until convergence.” 8. Chamada de resultado no canto inferior direito com um ícone de cérebro explicando que o modelo aprende padrões de linguagem e conhecimento gerais. Estilo visual: Infográfico vetorial nítido, acadêmico, porém amigável, cabeçalhos em azul-marinho escuro, bordas em azul médio, preenchimentos em azul claro, tabelas e gráficos pequenos, setas limpas, cartões arredondados, espaçamento consistente. Faça com que o infográfico incorporado se assemelhe a um diagrama educacional gerado por IA com texto pequeno denso, mas majoritariamente legível. Restrições: Mantenha todo o texto da interface em inglês. Não adicione marcas d'água. Preserve o enquadramento da captura de tela do chat e o grande infográfico incorporado. Use exatamente as 8 áreas de infográfico listadas e exatamente 5 minicartões dentro da faixa de treinamento.

Como usar este prompt

  1. 1

    Copie o prompt completo acima.

  2. 2

    Abra uma plataforma compatível com o GPT Image 2, como a YouMind, e cole o prompt.

  3. 3

    Troque o tema, o estilo ou os detalhes conforme a sua ideia e gere.

Este é um prompt de IA gratuito da biblioteca de prompts da YouMind. Explore outros milhares de prompts de imagem, todos gratuitos para copiar e adaptar.

Explorar mais prompts de imagem

Mais recursos de prompts

Biblioteca de IA

Busca de prompts com IA

Deixe a IA buscar em dezenas de milhares de prompts. Filtre por modelo, período e palavras-chave, e ordene por engajamento: visualizações, favoritos, compartilhamentos e mais.

Ferramentas de visão

Imagem para prompt

Transforme qualquer foto em um prompt de imagem IA detalhado. O conversor gratuito de imagem para prompt analisa composição, estilo e iluminação para recriar qualquer visual em segundos.

Feito para criadores. Grátis para sempre.

YouMind é o copiloto criativo de IA usado por criadores no mundo todo. Cada prompt aqui é curado para ajudar você a criar melhor e mais rápido.

Explorar mais prompts