多模态（图片理解、生图相关提示）｜ChatGPT实用课程

一、看图、生图、改图是三种任务

任务	输入	先验收什么
图片理解	图片及明确问题。	文字、数字、顺序是否符合原图；不清楚处是否标注。
生成图片	用途、主体、构图、风格及必要文案。	用途与内容是否符合要求，是否出现错误文字或额外元素。
编辑图片	原图、修改区域和要保留的内容。	改动是否正确，其余区域是否发生不期望的变化。

按当前账户通过输入区添加图片，或从可用 Images 入口生成和编辑。多图用“图 1、图 2”明确标注用途，不依赖模型猜文件名；格式、用量与客户端支持以界面提示为准。本节聚焦静态图片，不把视频附件、摄像头与屏幕共享混为一种功能。

二、图片理解：先限定问题，再提取证据

清晰原图优先。小字可补局部放大图，同时保留全图以免丢失标题、单位或列头；有多张图时编号，并说明需要对照的位置。模型可能误读旋转文字、图表线型、空间关系和数量，输出越像表格也不代表越准确。

1. 通用看图模板

请根据附图完成【任务】。图 1：【内容】；图 2（如有）：【内容】。
输出格式：【条目 / 表格】；重点看【位置或内容】。
区分“图中可见信息”和“你的推测”。
看不清、被遮挡或图中没有的信息写“图中无法确认”，不要补造。
涉及数字、名称或日期时标出对应位置，方便我回原图核验。

2. 截图文字提取

提取附图中可见文字，按标题、正文和注释大致分段。
保留原文数字、日期、单位和标点，不润色或自动纠正原文。
看不清的字用【模糊】标出；被裁切的内容标【裁切】，不要猜完整句。
最后列出需我人工确认的位置，不把猜测混进正文。

3. 流程图与白板

说明附图流程。先列可辨认的节点与箭头方向，再按图中连接描述顺序。
看不清的连接写“图中无法确认”，不要自行接线。
单列“可能需要补充的判断条件”，明确这些是评审建议，不是图中已有内容。
输出：可见流程 / 不确定位置 / 建议确认的问题。

4. 设计稿评审

评审附图设计，使用场景：【场景】；主要用户与行动：【用户、目标】。
只从信息层级、文字可读性、主行动是否清楚三方面点评。
每点给：图中位置 / 可观察问题 / 一个可执行改法；没有明显问题就说明，不空泛夸赞或强凑缺陷。
截图不能证明真实点击行为或精确对比度，请把需用设计工具测量、用户测试的项目单列。

5. 表格与菜单转录

把图中表格转成 Markdown 表，保留列头、行序、单位与脚注。
无法辨认的单元格写【无法辨认】；原图空白写【原图空白】。
不要用合计或常识反推缺失数字，不把菜单原价改成推测优惠价。
最后列出需人工核对的行列；此轮只转录，不计算或分析。

6. 看题陪练

读取图中题目，先复述可见条件，让我确认识别是否正确。
看不清的符号或图形关系先问，不猜题意。
确认后先给一个提示，等我尝试再核对；我要求答案时给简明依据、必要算式和结论。
不要要求披露完整内部推理，不把图形比例当作题目明确给定的数值。

专业医疗影像不适合交给通用看图作诊断；证件真实性、法律效力等也不能靠图片回答下结论。文字与数据需要人工核对，尤其是金额、剂量、身份证件和对外发布内容。

三、生图：描述用途与关键细节，不追求咒语长度

提示可按“用途 → 主体与动作 → 环境和构图 → 风格光线 → 比例、文字与排除项”组织。重点是清楚且不冲突；没有固定句数必然更好的规则。复杂构图需要更多细节，简单配图可以简短。

7. 生图填空模板

生成一张用于【用途与投放位置】的图片。
主体与动作：【谁或什么、正在做什么】；环境：【地点、时间】。
构图：【视角、主体位置、留白区域】；目标比例：【如 4:5】。
视觉风格：【风格】；光线与主要色彩：【说明】。
必须出现的文字：【精确文案；无则写不要文字】。
不要：【额外人物、标志或其他不需要的元素】。
重要优先级：【最重要的两项】；有冲突先询问，不自行新增活动信息。

8. 概念插画

为员工入职手册生成横版编辑式插画，目标比例 16:9。
一位成年人在桌前整理笔记本和清单，左侧柔和窗光，现代、亲和的插画风。
人物位于右侧，左侧留出干净空间供后期排标题。
不要 Logo、大段文字、额外人物或未来科幻元素。

9. 带文字的海报草案

以下店名、日期和优惠均为虚构练习设定，不代表真实活动；实际使用须替换成已确认文案。

生成一张虚构咖啡店活动海报草案，竖版 4:5，温暖店内场景，文字层级清楚。
标题精确为“秋季特饮·焦糖拿铁”。
副标题精确为“10月1日开业，全场8折”。
这两行是本练习提供的完整文案，不增添店名、地址、期限、价格或其他文字。
主体为一杯焦糖拿铁，背景简洁，文案有足够留白。
不要额外 Logo 或促销承诺；生成后我会逐字核验并在设计工具中精修。

比例可以通过当前可用的比例选项或提示描述，但交付前仍需检查导出尺寸与裁切。海报应逐字核对文字、数字和标点；需要可编辑字体、精确排版或印刷尺寸时，保留图像素材并在 Canva 等设计工具中完成终稿。

四、编辑与迭代：只改一项，再检查其他地方

打开生成图或上传有权编辑的原图，说明修改区域；有选区工具时先标出范围。“只改 X，其余保持不变”是编辑目标，不是像素级保证。选区可能影响范围之外，未选中的脸、文字、边缘和产品细节也可能变化。

10. 只换背景

以上一张确认的图片为基础，只把背景改为【雨夜街道等环境】。
尽量保留人物的脸、发型、表情、服装、姿势与主体位置，不新增人物或文字。
不主动改变裁切和目标比例；背景光线变化不要改掉产品颜色或人物特征。
这是保留目标；我会对照原图检查意外变化，若无法兼顾请先说明。

11. 只换视觉风格

以附图为基础，将视觉表现改成柔和水彩风格。
尽量保留主体身份特征、物体数量、构图、动作与目标比例；不要增加情节、文字或 Logo。
允许变化：笔触、材质表现与柔和色彩过渡。
重要保留项：【具体细节】；如风格变化与保留项冲突，请先询问。

12. 局部物件替换

编辑附图中【明确位置或选区】的杯子，把它换成一盆小绿植。
只调整替换物及必要的接触阴影，尽量保留人物、其他物件、桌面布局、裁切、光线和整体色彩。
不要加文字、Logo 或额外物件。
如果杯子遮挡的区域无法从原图确认，不声称是在准确还原被遮挡内容。

13. 已获授权的人物换景

我已确认有权使用和编辑这张人物照片。将场景改为咖啡馆窗边，作为明确标注的创意合成练习。
尽量保留原人物的脸部特征、发型、服装和姿势，自然照片风，不主动美化或改变年龄与体型。
只为匹配新环境调整必要的光影；不要加文字、品牌或其他人物。
不把合成图当作人物真实到访的证据；人物一致性与背景边缘由我对照原图复查。

“已获授权”不能靠提示词自动成立，应由使用者事先确认。保留原图和选定版本，一次只改一个目标；失败时从确认版重试，不要在连续偏移的版本上叠加修改。若任务必须精确保留品牌、包装或人物细节，应改用适合的人工修图流程。

五、多图参考：说明每张图负责什么

不要只说“按这两张来”。分别指定哪张提供产品形状、哪张仅提供光影或配色；对参考之间的冲突给出优先级。风格参考不是复制他人 Logo、文案或独特设计的授权。

14. 产品图与风格参考

图 1 是我有权使用的产品照片；图 2 是获准参考的光影示意。
生成产品图草案：产品外形、结构、颜色与数量以图 1 为准，只参考图 2 的光线方向和材质呈现。
白色背景，目标比例【比例】，不要复制图 2 的文字、Logo、产品或其他独特元素。
图 1 看不清的标签不要补造；图 2 与产品保留要求冲突时优先保留产品。
不声称外形或商标能精确复刻，最终包装文字、比例与细节由我回原产品核验。

六、联动流程：理解版式，再做自己的草案

用获准参考图分析信息层级：标题区、主视觉、说明文字与行动入口。只提炼结构，不直接照搬品牌资产。
提供自己的已确认文案与素材，按用途生成封面或海报草案；不让模型补造卖点、活动条件和联系方式。
每轮只改一个问题，例如标题位置或背景；与确认版并排比较，检查其他区域有没有意外改变。
在设计工具里校对文字、排版和尺寸，保存原图、提示词与终稿版本，再按发布流程审核。

符合条件的 Live 可在同一聊天附图并口头讨论，但不等于拥有摄像头或屏幕共享。PDF 中复杂图表可以补传清晰页面截图，仍要保留上下文和原文件；截图不保证比文件解析更准确。长文配图可先确认文稿结构，本节不另展开 Canvas 操作。

七、发布前检查：内容、细节与使用权限

文字与数据：逐字检查标题、日期、优惠、价格和联系方式；确认模型未加未提供的承诺。
视觉细节：检查人物一致性、手部、边缘、数量、产品结构、标签和 Logo；必要时回原图逐项对照。
用途与尺寸：确认导出文件的尺寸、比例、裁切与实际投放位置；需要源文件或文字可编辑时另行排版。
权限与真实性：确认素材、肖像和品牌使用授权，查看适用条款与发布要求；不要把生成或合成图冒充真实事件证据。
敏感内容：不上传未授权证件、隐私照片或客户资料；生成成功不代表已获商用许可或专业审核。

合规问题依具体素材、用途与适用规则判断，不能让模型一句“可以商用”替你完成审查。模型自检也不能代替原图、产品实物、权利证明或必要的专业意见。

八、课堂练习：一次提取，一次生成，一次定向修改

上传一张自有菜单或白板图，先做转录；回原图标出识别错误与无法确认处。
用已确认的虚构活动文案生成封面，检查文字、主体、比例和多余信息。
从选定版本只改背景，对照原图检查主体是否意外变化；记录提示中哪些要求被满足。
整理需要在设计工具中处理的剩余问题，不凭一次好结果断言以后都能精确编辑。

完成标准：会把看图任务与生图任务分开，明确每张参考图的职责，能指出编辑目标与实际结果的差距，并完成发布前核对。多模态提升的是起草与整理效率，不是免审能力。

资料来源：

资料核验日期：2026 年 10 月 26 日。入口、支持格式与用量以当前账户为准；提示词为教学模板，不保证识别准确、像素保留、人物一致性或商用合规。