!-- wp:paragraph -- p本文档展示了用户与 AI Agent 在不同交互场景下的完整时序流程，涵盖 6 个核心参与主体，并按照「计划生成 → 工具调用链路 → 结果生成与返回」三阶段进行拆解。/p !-- /wp:paragraph -- !-- wp:image {"id":2893,"sizeSlug":"full","linkDestination":"none"} -- figure class="wp-block-image size-full"img class="wp-image-2893" src="https://blog.75live.com/wp-content/uploads/2026/05/c7b4e06a-73e4-f32e-d8cc-c9f4ee354ab3-1.jpg" alt="用户与Agent对话时序图" //figure !-- /wp:image -- !-- wp:heading {"level":2} -- h2参与主体/h2 !-- /wp:heading -- !-- wp:list -- ul listrongUser（用户）/strong：消息、语音、多模态输入的发起者/li listrongAgent（智能体工程）/strong：编排、路由、决策的核心调度层/li listrongLLM（大模型）/strong：意图识别、内容生成、语音合成等 AI 能力提供者/li listrongAgent Skills（技能系统）/strong：封装特定领域能力的模块/li listrongMCP（中间层）/strong：模型上下文协议，统一管理外部工具调用/li listrongTools（外部工具）/strong：各类第三方服务与 API/li /ul !-- /wp:list -- !-- wp:heading {"level":2} -- h2意图识别（关键环节）/h2 !-- /wp:heading -- !-- wp:paragraph -- p所有场景中，strong意图识别均调用大模型（LLM）完成/strong，而非简单的规则匹配：/p !-- /wp:paragraph -- !-- wp:list {"ordered":true} -- ol liAgent 将用户输入（文本、语音、多模态）传递给 LLM/li liLLM 理解语义，返回意图类型、实体、槽位等信息/li liAgent 根据返回的意图进行后续路由和技能调度/li /ol !-- /wp:list -- !-- wp:heading {"level":2} -- h2三阶段架构/h2 !-- /wp:heading -- !-- wp:paragraph -- p每个交互场景都遵循统一的三阶段架构：/p !-- /wp:paragraph -- !-- wp:list -- ul listrong阶段一：计划生成/strong — User → Agent → LLM(意图识别/任务拆解) → Agent(接收执行计划)/li listrong阶段二：工具调用链路/strong — Skills路由 → LLM参数补全 → MCP发现工具 → Tool API执行 → 结果格式化/li listrong阶段三：结果生成与返回/strong — LLM生成最终回复 → Agent封装 → User/li /ul !-- /wp:list -- !-- wp:heading {"level":2} -- h2四种交互场景/h2 !-- /wp:heading -- !-- wp:heading {"level":3} -- h3文字对话/h3 !-- /wp:heading -- !-- wp:paragraph -- p标准交互模式。示例：「帮我查天气，然后安排下午3点的会议」Agent 调 LLM 识别意图，拆解为两个子任务。每轮 Skills 路由匹配后，先由 LLM 补全参数，再经 MCP 协议调用外部 API，结果由 LLM 格式化后统一整合，最终 LLM 综合所有工具结果生成自然语言回复。/p !-- /wp:paragraph -- !-- wp:heading {"level":3} -- h3实时语音通话/h3 !-- /wp:heading -- !-- wp:paragraph -- p示例：「今天下午有什么安排？帮我提醒一下」基于 WebRTC 实时语音流，Agent 先做 VAD 检测和音频分片，经 ASR 流式识别转文本。LLM 实时意图识别后通过工具链查询日程，最后以 TTS 语音合成实时回复用户。/p !-- /wp:paragraph -- !-- wp:heading {"level":3} -- h3按住说话/h3 !-- /wp:heading -- !-- wp:paragraph -- p示例：「帮我记一个备忘录：明天上午10点开会」用户按住录音按钮录音，松开后发送音频文件。Agent 经 STT 转文本，LLM 意图识别后通过工具链调用日历 API 创建事件，最后 LLM 生成确认回复。/p !-- /wp:paragraph -- !-- wp:heading {"level":3} -- h3多模态交互/h3 !-- /wp:heading -- !-- wp:paragraph -- p示例：[图片]「这家餐厅怎么样？帮我订个位」用户发送图文混合输入。Agent 并行调用 LLM 进行 Vision 图片分析和文本语义理解，融合意图后多工具编排调度（图片搜索+地图查询+预约API），最终输出图文+语音综合回复。/p !-- /wp:paragraph --

div data-page-id="TgmTf59WydulY0c6f0xcYQ7lnec" data-lark-html-role="root" data-docx-has-block-data="true" div h2多智能体场景适配和场景/h2 /div div table class="ace-table" data-ace-table-col-widths="200;200;347"colgroup col width="200" / col width="200" / col width="347" //colgroup thead tr th colspan="1" rowspan="1" div class="ace-line ace-line old-record-id-Iha2fhCXRdu2kfccm8yc88pVnCf"多智能体运行模式/div/th th colspan="1" rowspan="1" div class="ace-line ace-line old-record-id-JUKRfsnGddnBUZcqs64cjHGTnbg"核心特点/div/th th colspan="1" rowspan="1" div class="ace-line ace-line old-record-id-YRBSfhvm9d9GbMceakhcPVV1n3y"适合的业务场景/div/th /tr /thead tbody tr td colspan="1" rowspan="1" div class="ace-line ace-line old-record-id-KGK1fKGYPdaYdgcUBlec1Us7nEf"顺序执行（Pipeline/Sequential）/div/td td colspan="1" rowspan="1" div class="ace-line ace-line old-record-id-BIGsfLKg1dCC3WcmxnQcHtCSnqf"流程固定、串行执行，前一步输出为后一步输入，无分支无并行/div/td td colspan="1" rowspan="1" div class="ace-line ace-line old-record-id-W1B6fehTAd5PuvcDwawcvmsSnNc"1. 内容生成（规划→写作→润色→发布）；/div div class="ace-line ace-line old-record-id-W1B6fehTAd5PuvcDwawcvmsSnNc"2. 数据处理（清洗→分析→可视化）；/div div class="ace-line ace-line old-record-id-W1B6fehTAd5PuvcDwawcvmsSnNc"3. 标准化客服流程；/div div class="ace-line ace-line old-record-id-W1B6fehTAd5PuvcDwawcvmsSnNc"4. 代码生成流水线（需求→编码→测试→修复）/div/td /tr tr td colspan="1" rowspan="1" div class="ace-line ace-line old-record-id-Gk0DfHOk8d47W3cGZavcboAPnac"监督者-工作者（Supervisor-Workers）-- strong用的最多/strong/div/td td colspan="1" rowspan="1" div class="ace-line ace-line old-record-id-T0T1fr2Z6dXuMscUf2scnpm6nEg"中央监督者调度、分配任务、汇总结果，工作者专注专业任务，强管控、可审计/div/td td colspan="1" rowspan="1" div class="ace-line ace-line old-record-id-MZ4ofOEW5d2orccczB1c1kqunah"1. 企业级多专家系统（法律/财务/医疗/客服）；2. 研究型任务（搜索→分析→总结）；/div div class="ace-line ace-line old-record-id-MZ4ofOEW5d2orccczB1c1kqunah"3. 软件开发全流程；/div div class="ace-line ace-line old-record-id-MZ4ofOEW5d2orccczB1c1kqunah"4. 多模态内容生成（文本+图像+表格）/div/td /tr tr td colspan="1" rowspan="1" div class="ace-line ace-line old-record-id-CkC4fniosdzsiic0QXJcCfWlnnc"并行执行+聚合（Parallel+Aggregate）/div/td td colspan="1" rowspan="1" div class="ace-line ace-line old-record-id-KuqbfBZuIdwLA0cNezicX7L4nqb"多Agent同时执行，任务无依赖，结果自动合并，追求效率/div/td td colspan="1" rowspan="1" div class="ace-line ace-line old-record-id-P8BPfnjYOdOTjJcRuaDcWxHcnRf"1. 多数据库/API并行查询；/div div class="ace-line ace-line old-record-id-P8BPfnjYOdOTjJcRuaDcWxHcnRf"2. 多模型回答对比；/div div class="ace-line ace-line old-record-id-P8BPfnjYOdOTjJcRuaDcWxHcnRf"3. 批量文档处理；/div div class="ace-line ace-line old-record-id-P8BPfnjYOdOTjJcRuaDcWxHcnRf"4. 舆情分析、多源情报汇总/div/td /tr tr td colspan="1" rowspan="1" div class="ace-line ace-line old-record-id-U4uCfvjn9dv4DVcCnqvcRawbnad"竞争+仲裁（Competition+Arbitration）/div/td td colspan="1" rowspan="1" div class="ace-line ace-line old-record-id-GUn8fKpLFdcbmfcidIyc672pnHd"多Agent处理同一任务，仲裁者择优/投票/融合，追求高质量、高可靠/div/td td colspan="1" rowspan="1" div class="ace-line ace-line old-record-id-RsqCfuLJRdHkLgc56EbcLcPVnEg"1. 法律文书、合同审核；/div div class="ace-line ace-line old-record-id-RsqCfuLJRdHkLgc56EbcLcPVnEg"2. 金融分析、投研报告；/div div class="ace-line ace-line old-record-id-RsqCfuLJRdHkLgc56EbcLcPVnEg"3. 高风险决策；/div div class="ace-line ace-line old-record-id-RsqCfuLJRdHkLgc56EbcLcPVnEg"4. 高质量内容生成（广告、演讲稿）/div/td /tr tr td colspan="1" rowspan="1" div class="ace-line ace-line old-record-id-NcvEfRB1edwpWzcX4jpc1V8Znnh"群体自主交接（Swarm/Handoff）/div/td td colspan="1" rowspan="1" div class="ace-line ace-line old-record-id-YZ3UfXxvodUN7pcgq5oc79UZnQe"去中心化，无中央调度，Agent自主判断、主动交接控制权，灵活度高/div/td td colspan="1" rowspan="1" div class="ace-line ace-line old-record-id-NLLVf3oEldh51hcFUijcaSTcnxg"1. 开放式对话助手；/div div class="ace-line ace-line old-record-id-NLLVf3oEldh51hcFUijcaSTcnxg"2. 复杂故障排查；/div div class="ace-line ace-line old-record-id-NLLVf3oEldh51hcFUijcaSTcnxg"3. 多角色自由协作（游戏、创意 brainstorm）；4. 动态无固定流程任务/div/td /tr /tbody /table /div /div h2多智能体场景工程运行模式/h2 div data-page-id="JwrLfjOMkdaAIxcMnhJcxMUoncg" data-lark-html-role="root" data-docx-has-block-data="true" div table class="ace-table" data-ace-table-col-widths="200;200;200"colgroup col width="200" / col width="200" / col width="200" //colgroup thead tr th…

p data-doubao-translate-traverse-mark="1"这是一篇 Nano Banana 背后核心团队成员的专访，span data-pm-slice="1 1 ["para",{"tagName":"p","attributes":{"style":"line-height: 1.6em;margin-bottom: 24px;margin-top: 24px;"},"namespaceURI":"http://www.w3.org/1999/xhtml"}]"信息量很大。/span/p p data-doubao-translate-traverse-mark="1"在 Nano Banana 正式上线后的近一个月以来，社交平台上充满了各种「span data-pm-slice="1 1 ["para",{"tagName":"p","attributes":{"style":"line-height: 1.6em; margin-bottom: 24px;"},"namespaceURI":"http://www.w3.org/1999/xhtml"}]"邪修/span」玩法和探索。Nano Banana 的热度甚至一度冲击了图像、修图类产品的股价。/p p data-doubao-translate-traverse-mark="1"Nano Banana 为什么好用？读懂背后的span data-pm-slice="1 1 ["para",{"tagName":"p","attributes":{"style":"line-height: 1.6em; margin-bottom: 24px;"},"namespaceURI":"http://www.w3.org/1999/xhtml"}]"「/spanspan data-pm-slice="1 1 ["para",{"tagName":"p","attributes":{"style":"line-height: 1.6em; margin-bottom: 24px;"},"namespaceURI":"http://www.w3.org/1999/xhtml"}]"how/spanspan data-pm-slice="1 1 ["para",{"tagName":"p","attributes":{"style":"line-height: 1.6em; margin-bottom: 24px;"},"namespaceURI":"http://www.w3.org/1999/xhtml"}]"」特别重要/span。Nano Banana 核心团队是如何思考和做图像模型的？基于图像模型的能力，衍生出来的应用会有哪些特点？/p p data-doubao-translate-traverse-mark="1"在一期播客节目中，Nano Banana 核心团队研究员 Nicole Brichtova 和 Oliver Wang，围绕基于模型打造产品时遇到的挑战、如何思考解决「空白画布难题」以及如何与其他图像编辑产品进行交互等话题进行了分享。/p p data-doubao-translate-traverse-mark="1"strongTLDR: /strong/p ul class="list-paddingleft-1" data-doubao-translate-traverse-mark="1" li data-doubao-translate-traverse-mark="1" p data-doubao-translate-traverse-mark="1"图像模型未来的趋势可能和 LLM 的发展很像，从单纯的创意工具变为信息查询工具。/p /li li data-doubao-translate-traverse-mark="1" p data-doubao-translate-traverse-mark="1"未来，模型应该会变得更主动、更智能，能根据用户的问题，灵活运用文本、图像等不同模态进行交互。/p /li li data-doubao-translate-traverse-mark="1" p data-doubao-translate-traverse-mark="1"如何把 LLM 中的「世界知识」融入到图像模型，让生成的图像能真正帮到用户，是未来图像模型非常重要的一个应用方向。/p /li li data-doubao-translate-traverse-mark="1" p data-doubao-translate-traverse-mark="1"用户对于模型一步到位生成「成品」的期待是不切实际的。/p /li li data-doubao-translate-traverse-mark="1" p data-doubao-translate-traverse-mark="1"模型产品的交互界面（UI）设计目前是仍是被低估的。如何把各种模态整合起来，让普通人更容易使用这些模型、了解模型的能力，同时让模型适配具体的工作流。这个方向的价值还没被充分重视。/p /li li data-doubao-translate-traverse-mark="1" p data-doubao-translate-traverse-mark="1"多模态交互的核心问题在于如何识别用户的意图，以及如何根据用户意图和他们实际想完成的任务，切换到不同的交互模式，因为用户的需求往往不明确。要向用户解释「机器人做不到什么」非常困难，关键在于明确问题边界，在界面设计上让用户清楚「哪些操作可行」。/p /li li data-doubao-translate-traverse-mark="1" p data-doubao-translate-traverse-mark="1"满足用户美学相关的需求很难，需要深度的个性化才能给用户提供有用的建议。/p /li li data-doubao-translate-traverse-mark="1" p data-doubao-translate-traverse-mark="1"Midjourney 成功的关键在于比其他团队更早搞清楚了如何进行模型的后续训练，尤其是如何通过后续训练生成具有风格化和艺术性的图像。/p /li li data-doubao-translate-traverse-mark="1" p data-doubao-translate-traverse-mark="1"图像生成模型未来的关键进步会体现在「模型的可表达性」方面。/p /li li data-doubao-translate-traverse-mark="1" p data-doubao-translate-traverse-mark="1"现在最好的图像质量，和几年后最好的图像质量可能相差不大；但现在最差的图像质量，会比几年后最差的图像质量差很多。/p /li li data-doubao-translate-traverse-mark="1" p data-doubao-translate-traverse-mark="1"未来所有团队都会朝着「通用模型（Omni Models）」的方向发展，也就是能处理多种任务的模型。图像、视频领域的很多技术是共享的，未来甚至可能融合在一起。/p /li li data-doubao-translate-traverse-mark="1" p data-doubao-translate-traverse-mark="1"未来有能力训练 LLMs 的团队，或者能让图像模型具备丰富世界知识的团队，可能会在图像领域占据主导地位。/p /li /ul h2 data-doubao-translate-traverse-mark="1"strong01 /strong/h2 h2 data-doubao-translate-traverse-mark="1"strong更高分辨率，/strong/h2 h2 data-doubao-translate-traverse-mark="1"strong是/strong用户提得最多的需求/h2 p data-doubao-translate-traverse-mark="1"strong主持人：/strongstrong在「Nano Banana」正式发布前，你们内部觉得哪些用法会最火、最让你们兴奋？现在推向市场后，实际情况和你们想的一样吗？/strong/p p data-doubao-translate-traverse-mark="1"strongNicole：/strong对我来说，最令人兴奋的其实是「角色一致性」，能看到自己出现在不同场景中。比如，我真的做了一整套幻灯片，里面有我出现在「通缉令」上的样子、扮演考古学家的样子，基本上涵盖了我童年时梦想过的所有职业。我们甚至还制作了一套包含我面部图像的电子邮件模板，团队里其他人的图像也有收录，方便我们开发新模型时随时参考。/p p data-doubao-translate-traverse-mark="1"strong主持人：/strong在 AI 领域，这绝对是最高荣誉了。/p p data-doubao-translate-traverse-mark="1"strongNicole：/strong而且这些图像都很有个人特色，我非常兴奋。所以我一开始就对「角色一致性」功能很期待，因为它能让人们以一种全新的方式「想象自己」，这种方式在以前其实很难实现。这也确实成了用户最感兴趣的功能之一。/p p data-doubao-translate-traverse-mark="1"我们发现，人们会把自己的形象变成「小雕像」，这是一个非常流行的使用场景。不过有一个场景让我很意外：很多人用它来给老照片上色，这对用户来说是很有情感意义。比如「现在我终于能看到自己婴儿时期的真实模样了」，或者「我能从这些黑白照片里看到父母当年的样子了」。这种反馈真的很暖心。/p p data-doubao-translate-traverse-mark="1"strong主持人：/strongstrong一款产品火了之后，肯定会收到无数的功能需求。用户最常提的是什么？你们觉得图像模型的下一个里程碑会是什么？/strong/p p data-doubao-translate-traverse-mark="1"strongNicole：/strong我们strong在推特上收到最多的需求是/strongstrong「/strongstrong更高分辨率/strongstrong」，/strong很多专业用户会提这个。目前模型的分辨率是 1K，用户希望能更高。另外，strong「/strongstrong透明背景/strongstrong」/strongstrong也是高频需求/strong，因为这对专业场景来说非常实用。这两个应该是我见过最多的需求，除此之外，strong还有/strongstrong「/strongstrong更好的文字渲染效果/strongstrong」/strong。/p p data-doubao-translate-traverse-mark="1"strong主持人：大家都很好奇，是什么让模型的性能提升这么多？/strong/p p data-doubao-translate-traverse-mark="1"strongOliver：/strong我觉得情况其实很「朴实」，没有哪一个单一因素能决定一切，关键在于把所有细节都打磨好，不断优化「技术方案」，而且团队已经在这个问题上钻研了很久。说实话，我们自己也有点意外这个模型能这么成功。我们知道它是个不错的模型，也很期待它的推出，但没想到反响会这么强烈。比如，我们在「竞技场」（Arena）平台发布后，不仅评分很高，更让我在意的是，有太多用户为了使用这个模型而涌入 LM Arena，以至于我们要一次次提高「每秒查询量」（QPS）来支撑负载。这完全超出了我们的预期，也让我们第一次意识到：「哦，这东西真的很特别，有很多人需要它」。/p p data-doubao-translate-traverse-mark="1"strong主持人：/strong我觉得这就是整个 AI 生态最有趣的地方之一：你们作为开发者，虽然对自己构建的模型有一定了解，但只有当它推向市场、接受大众检验时，你才能真正明白它的「潜力到底有多大」。/p p data-doubao-translate-traverse-mark="1"strong主持人：/strongstrong「/strongstrongNana Banana/strongstrong」/strongstrong已经刷屏网络了。/strongstrong除此之外，/strongstrongAI/strongstrong 图像领域还有哪些/strongstrong「/strongstrong你觉得值得关注，但目前没太多人留意/strongstrong」/strongstrong的动态？/strong/p p data-doubao-translate-traverse-mark="1"strongNicole：/strong我觉得是strong「/strongstrong图像的事实性维度/strongstrong」/strong。比如人们用「Nano Banana」制作信息图表，或者上传尼亚加拉大瀑布的照片，让模型标注信息。作为演示，效果看起来还不错，但仔细看会发现：文字有乱码、信息不准确，还会重复。这个方向目前关注的人不多，但我相信未来会不断优化。/p p data-doubao-translate-traverse-mark="1"strongOliver：/strong这和 LLM 的发展其实很相似。比如 GPT-1 和 GPT-2 刚出来时，人们觉得「很有趣」，会用它写创意内容，这类任务的「可接受答案范围很广」。但现在，人们很少用 LLM 做创意了，更多是用它「查询信息」「进行对话」，甚至「寻找情感陪伴」。我认为strong图像模型也可能经历类似的转变：从/strongstrong「/strongstrong创意工具/strongstrong」/strongstrong变成/strongstrong「/strongstrong信息查询工具/strongstrong」/strong，未来人们甚至可能在「需要陪伴时」和视频模型对话。这种趋势在未来是有可能出现的。/p p data-doubao-translate-traverse-mark="1"strongNicole：/strong而且模型应该会变得「更主动」。现在，用户必须主动提出「我要生成一张图」的需求，但如果查询本身「需要图像辅助」呢？其实我们在搜索引擎里已经习惯了这种「主动适配」，搜索时，系统会根据需求自动返回「文字+图像」或纯图像结果。我期待未来的模型能更主动、更智能：strong根据用户的问题，灵活运用不同模态（文本、图像等）进行交互。/strong/p p data-doubao-translate-traverse-mark="1"strong主持人：/strongstrong「/strongstrongNano Banana/strongstrong」/strongstrong这个名字背后有什么故事吗？/strong/p p data-doubao-translate-traverse-mark="1"strongNicole：/strong我们团队有一个 PM 叫 Nana。当时为了这次发布，她凌晨 2 点半还在加班，就是那时候想出了这个名字。因为听起来很有趣，所以大家就一直用了。现在它甚至成了「半官方名称」毕竟「Gemini 2.5 Flash 图像模型」确实有点拗口。/p p data-doubao-translate-traverse-mark="1"strong主持人：/strong是啊，这个名字很成功，连谷歌的高管都在推特上发香蕉表情，可见这个名字已经「深入人心」。/p p data-doubao-translate-traverse-mark="1"strongNicole：/strong如果说品牌推广有什么心得的话，那就是「名字最好能搭配一个合适的表情符号」，这样更容易让人记住。/p h2 data-pm-slice="3 4 []" data-doubao-translate-traverse-mark="1"strong /strong/h2 h2 data-doubao-translate-traverse-mark="1"strong02 /strong/h2 h2 data-doubao-translate-traverse-mark="1"strong从「玩具」到生产力工具，/strong/h2 h2 data-doubao-translate-traverse-mark="1"strong是因为融合了 LLM 的「世界知识」/strong/h2 p data-doubao-translate-traverse-mark="1"strong主持人：/strongstrong你们解决了「角色一致性」这个大难题。/strongstrong在你们看来，图像模型接下来的/strongstrong「/strongstrong前沿突破点/strongstrong」/strongstrong会是什么？/strong/p p data-doubao-translate-traverse-mark="1"strongOliver：/strong我认为，这款模型最令人兴奋的一点在于，你可以开始向它提出「更复杂的需求」了。以前，你可能需要把想要的图像细节描述清楚，但现在，你可以像跟 LLM 对话一样「寻求帮助」。比如，有人会这样用：「我想重新布置我的房间，但不知道该怎么做，给我一些建议吧」，这时模型就能给出合理的方案，比如「根据你的房间配色，这些家具会很搭」。/p p data-doubao-translate-traverse-mark="1"对我来说，真正有意思的是，strong如何把 /strongstrongLLM/strongstrong 中的/strongstrong「/strongstrong世界知识/strongstrong」/strongstrong融入图像模型/strong，让生成的图像能真正帮到用户，比如展示用户没想到的方案，或者解答用户的「信息查询类需求」。比如用户问「这个东西是怎么工作的」，模型能直接生成一张示意图，标注出「它的工作原理是这样的」。我认为这会是这类模型未来非常重要的一个应用方向。/p p data-doubao-translate-traverse-mark="1"strong主持人：图像模型能从 /strongstrongLLM/strongstrong 的进步中获益多少？而且随着 LLM 持续发展，这种获益趋势会继续保持吗？/strong/p p data-doubao-translate-traverse-mark="1"strongOliver：/strong当然能获益，而且strong几乎 100%得益于 /strongstrongLLM/strongstrong 的/strongstrong「/strongstrong世界知识/strongstrong」/strong。其实，这款模型的正式名称是「Gemini 2.5 Flash 图像模型」，「Nano Banana 」只是个更有趣的昵称。/p p data-doubao-translate-traverse-mark="1"strongOliver：/strong我甚至在想，我们的成功有多少是因为「Nano Banana」这个名字朗朗上口。但它确实是一款 Gemini 系列模型，所以你可以像和 Gemini 对话一样和它交流，它能理解 Gemini 能理解的所有内容。我认为，strong将图像模型与语言模型整合，对提升模型的实用性和功能性来说，是至关重要的一步。/strong/p p data-doubao-translate-traverse-mark="1"strongNicole：/strong你可能还记得，两三年前，如果你想让模型生成图像，必须描述得非常具体，比如「一只猫坐在桌子上，背景是这个样子，颜色是这些」。但现在不用这么麻烦了，很大程度上就是因为语言模型的性能大幅提升了。/p p data-doubao-translate-traverse-mark="1"strong主持人：/strong是的，现在已经不用像以前那样「偷偷进行 Prompt 转换」了。以前的「小技巧」是：你输入一句话，系统会把它转换成一段 10…