跟上浪潮 · 第一章:模型本身在变
能看图、听声音之后,能干什么
先说你要什么,再说图里是什么
这节课你会...
知道拍一张照片、截一张图、发一段录音之后能拿它干什么,也知道了哪些照片一张都不能发出去。
拍一张照片,比打字快得多
以前碰到说不清的东西,你得先描述半天。现在拍一下就行。
四个最常见的用法。
设备出毛病。 宿舍的空调遥控器不亮、打印机卡纸、路由器一直亮红灯。拍一张问它这是怎么回事。它不一定能修好,但能帮你把"到底哪儿坏了"缩到两三个可能。
不认识的东西。 校园里那棵树、超市里那种没见过的菜、衣服上的洗标。拍下来问它是什么、能不能吃、该怎么洗。
英文说明书。 买了台电器,说明书全英文还带图解。拍一页,让它翻译加解释,比一句句查词快得多。
检查作业。 拍一张自己写的解题过程,问"我这一步有没有问题"。注意是问思路,不是让它直接把答案给你——直接给答案对你没好处。
截图和录音,是另外两个高频入口
写代码、做表格、用学校的教务系统,最容易碰上报错。截图发过去,比手打那行报错快,而且不会抄错。
这是我运行的时候报的错,帮我做三件事:
1. 这行报错到底在说什么,用大白话
2. 最可能是哪几个原因,按可能性从高到低排
3. 我下一步该先查什么
我用的是【软件或网站名】,报错出现在【哪一步操作】的时候。
图里就是我的操作界面。如果信息还不够,你直接说还要我截哪里。
录音也一样。老师讲课、小组开会、采访,录一段发过去让它整理成要点。这个用法省下的时间最多。
但录音转文字会出错。人名、专业名词、数字最容易转错。整理出来的东西里有这几样,回原音频对一遍再发出去。
它能看到什么,看不到什么
它看图的能力跟你想的不太一样。
看得比较准的:整体是个什么东西、大概什么颜色、画面里发生了什么、这张截图是哪个界面。
容易出错的:
| 情况 | 会怎么错 |
|---|---|
| 照片糊了、抖了、光线暗 | 认成别的东西,而且说得很肯定 |
| 有遮挡 | 挡住的关键部分它会自己脑补 |
| 密集的小字 | 数字和小数点最容易看错 |
| 表格截图 | 行列对不齐,串行 |
| 手写字 | 认错字,连笔最惨 |
| 一堆相似的物件 | 个数数错 |
一句话总结:它对画面整体的判断还行,对精确读数的判断很差。 图上有型号、串号、金额、日期,别信它转述的,自己抄一遍。
拍照提问,先说你要什么
很多人拍完就发一句"这是什么"。它的回答会很泛。
把顺序调一下,效果差很远:先说你要什么,再说图里是什么。
图里是一台【什么电器】的遥控器,屏幕上显示【E5】。
我要的是:这个代码一般指什么问题,我自己能试哪几步。
如果最后必须找维修,也告诉我上门该怎么说。
同一张图,"这是什么"和上面这段,它能给你的东西完全不是一个量级。先说你要什么,等于告诉它该往哪个方向看,它就不会因为图里东西多而乱答一气。
这几类照片,一张都别发
这条是硬线。
- 清晰的人脸,尤其是别人的
- 身份证、学生证、护照、银行卡、车票
- 别人发在群里的聊天记录、朋友圈截图
- 带姓名学号的名单、成绩单、体检报告
- 实验室的、实习单位的、还没公开的材料
- 你签过保密协议的任何东西
原因很直接:你不知道这张图会被存到哪儿、存多久、拿去做什么。你觉得无所谓,被拍进去的那个人可能不觉得。
还有一条容易被忽略:拿别人的脸和声音去做搞笑视频、做假的聊天记录,哪怕只发在宿舍群里,也可能出事。这个后面讲数字人那节还会说。
真要问,就把关键信息挡掉再拍。名字涂黑,号码遮住,只留你要问的那一块。
记住这一句:它能看图,但看得不精。凡是精确的数字和字,自己抄一遍;凡是别人的隐私和你没公开的材料,一张都别发。
学习助手(可选)
需要时可以提问;没配 AI 也不影响课程、练习和测验。
这一课以阅读为主。想看概念演示可以去 可视化演示。
跟上浪潮 · 同轨道下一节AI 搜索和知识库:让它基于真材料回答