Menghasilkan imej yang baik dengan AI tidak sepatutnya terasa seperti membaca mantera. Namun, itulah sebenarnya cara kebanyakan pasukan mengendalikannya. Mereka memburu kombinasi kata adjektif yang tepat, berharap bahawa "cinematic," "hyper-detailed," atau "8K" entah bagaimana akan membuka hasil yang mereka perlukan. Seorang ahli pasukan sangat mempercayai penggunaan "bokeh" dan "golden hour." Seorang lagi menyimpan hamparan (spreadsheet) peribadi yang mengandungi kata kunci "ajaib" yang ditemuinya di satu bebenang Reddit. Hasilnya mudah dijangka: setiap imej kelihatan berbeza, kitaran semakan meningkat mendadak, dan tiada siapa yang dapat menjelaskan mengapa sesetengah prompt berjaya manakala yang lain gagal.

Trik tidak boleh diskalakan. Ia tidak pernah boleh. Apabila semua orang menulis prompt seolah-olah mereka sedang menulis puisi, konsistensi akan hilang. Seorang pereka mahukan rupa minimalis. Seorang lagi mahukan sesuatu yang sinematik. Kedua-duanya menggunakan perkataan kabur yang sama tetapi membayangkan hasil yang sangat berbeza. Kekacauan ini akan muncul dalam barisan semakan. Pemegang taruh menolak imej atas sebab yang tidak dapat dikesan kembali kepada arahan tertentu. Adakah ia disebabkan pilihan kata? Urutan kata? Mood? Pasukan akhirnya terpaksa menulis semula keseluruhan prompt dari awal daripada membaiki apa yang sebenarnya silap.

Saya meluangkan masa meneliti 12,502 prompt berkualiti tinggi daripada GitHub dan Evolink.ai. Corak yang muncul bukanlah tentang kreativiti sama sekali. Prompt yang menghasilkan keputusan yang boleh dipercayai dan berulang dibaca seperti spesifikasi teknikal, bukannya cerita pendek. Penulisnya tidak cuba memukau model tersebut dengan bahasa berbunga-bunga. Mereka membina arahan seperti mana seorang jurutera membina skematik: tepat, berlapis, dan eksplisit.

Ini bermakna anda harus berhenti berfikir seperti seorang penulis kreatif dan mula berfikir seperti seorang penulis spesifikasi. Perbezaannya bukan sekadar teori. Penulisan kreatif menimbunkan kata adjektif dan mengharapkan mood. Penulisan spesifikasi mengasingkan pemboleh ubah dan mengawalnya secara individu.

Berikut adalah struktur enam lapisan yang sentiasa muncul dalam prompt berprestasi tinggi tersebut.

Goal

Mulakan dengan mentakrifkan mengapa imej itu wujud. Adakah anda sedang menghasilkan gambar utama produk (hero shot) untuk laman pendaratan? Rajah teknikal untuk dokumentasi? Sprite watak untuk permainan video? Matlamat menentukan setiap keputusan yang menyusul. Tanpa matlamat, anda seperti melepaskan anak panah tanpa sasaran dan kemudian merungut tentang anak panah tersebut.

Canvas

Tetapkan asas teknikal anda sebelum anda menerangkan sebarang elemen visual. Takrifkan nisbah aspek (aspect ratio), resolusi, dan ruang warna atau gamut jika berkaitan. Jika imej anda perlu menjadi sepanduk media sosial, nyatakan 16:9. Jika ia perlu sesuai untuk ikon aplikasi mudah alih, nyatakan 1:1. Kanvas adalah bingkainya. Jika tersilap, walaupun subjeknya sempurna, ia akan kelihatan tidak kena pada tempatnya.

Layout

Terangkan di mana kedudukan objek dan apa yang paling penting. Adakah subjek berada di tengah? Adakah ia diletakkan di bahagian kiri untuk memberi ruang kepada tajuk? Adakah anda memerlukan ruang negatif untuk tindanan teks, atau adakah anda mahu keseluruhan bingkai dipenuhi? Susun atur (layout) menetapkan hierarki. Ia memberitahu model apa yang perlu bersaing untuk mendapatkan perhatian dan apa yang perlu diberi ruang. Anggap ia sebagai proses wireframing menggunakan kata-kata.

Subject

Sekarang, perincikan elemen visual teras. Bersikap spesifik tentang objek, orang, haiwan, atau pemandangan. Daripada menyebut "seekor anjing," katakan "seekor beagle bersaiz sederhana yang sedang melangkah, dilihat dari sudut tiga suku rendah." Daripada menyebut "sebuah kereta," katakan "sebuah sedan perak yang diletakkan pada sudut 45 darjah terhadap kamera, dengan bahagian pemandu kelihatan." Lapisan subjek adalah bahagian di mana ketepatan paling penting kerana model AI cenderung untuk memberikan versi paling generik bagi apa sahaja yang anda terangkan. Paksa model keluar daripada corak generik dengan mengecilkan geometri, sudut, dan ciri-ciri yang kelihatan.

Style

Namakan gaya tersebut secara spesifik. Jangan hanya menerangkan perasaan. Katakan "fotografi fesyen editorial 1980-an" atau "ilustrasi vektor rata dalam gaya poster pelancongan pertengahan abad." Katakan "render Unreal Engine 5 dengan bahan berasaskan fizikal" atau "lukisan dakwat (ink wash) di atas kertas nasi." Semakin banyak nama dan batasan rujukan gaya anda, semakin kurang model itu perlu meneka. Jika anda menyebut "moden," sepuluh orang akan membayangkan sepuluh dekad yang berbeza. Jika anda menyebut "reka bentuk poster Bauhaus dari tahun 1923," anda telah merapatkan jurang tersebut.

Constraints

Senaraikan secara eksplisit apa yang tidak boleh muncul. Lapisan ini menghalang kemunculan elemen pelik yang membuang masa semasa semakan. Jika anda sedang menghasilkan potret untuk laman korporat, tetapkan kekangan terhadap wajah yang kabur, cermin mata hitam, atau logo jenama yang kelihatan. Jika anda memerlukan latar belakang yang bersih untuk komposisi (compositing), tetapkan kekangan terhadap kecerunan (gradients), teks, atau objek tambahan. Constraints bertindak seperti pagar penghadang. Tanpa ia, model akan bebas memasukkan elemen yang secara senyap merosakkan kegunaan imej tersebut.

Mari saya tunjukkan bagaimana rupa perkara ini dalam praktiknya. Bayangkan anda memerlukan imej untuk pengepala (header) papan pemuka SaaS.

Cara lama kedengaran seperti ini: "Ilustrasi moden yang cantik tentang seorang wanita profesional yang gembira sedang bekerja menggunakan komputer riba di pejabat yang terang dan berwarna-warni, reka bentuk bersih, kualiti tinggi, tanpa tangan yang pelik."

Cara menggunakan kerangka kerja (framework) kelihatan seperti ini:

  • Matlamat: Imej hero untuk halaman harga B2B SaaS, mesti kelihatan dipercayai dan profesional
  • Kanvas: Banner ultrawide 21:9, sesuai untuk pengepala web, RGB
  • Susun Atur: Subjek duduk di satu pertiga bahagian kanan, satu pertiga bahagian kiri sengaja dikosongkan untuk tindanan teks (text overlay), garis pandangan mata dihalakan sedikit ke kiri ke arah ruang tajuk
  • Subjek: Wanita berpakaian kasual perniagaan, sedang menaip pada komputer riba perak yang nipis, pandangan tiga suku dari arah kiri kamera, tangan kelihatan jelas pada papan kekunci
  • Gaya: Fotografi gaya hidup korporat, cahaya siang lembut yang tersebar, palet warna neutral dengan aksen biru halus, kedalaman medan (depth of field) yang cetek
  • Kekangan: Tiada logo kelihatan pada pakaian, tiada teks pada skrin, tiada orang lain, tiada barangan meja yang berselerak, tiada senyuman yang berlebihan

Perhatikan apa yang berlaku. Tiada sesiapa yang sekadar berharap. Setiap lapisan mengawal tepat satu pemboleh ubah.

Mengapa Ini Mengubah Segalanya

Struktur ini menyelesaikan dua masalah besar yang dihadapi pasukan setiap hari.

Pertama, iterasi bebas menjadi mungkin. Apabila pemegang taruh (stakeholder) mengatakan imej tersebut terasa terlalu santai, anda tidak perlu menulis semula keseluruhan prom. Anda hanya buka lapisan Gaya dan tukar "fotografi gaya hidup korporat" kepada "potret editorial studio." Apabila bahagian pemasaran mengatakan tindanan teks tenggelam, anda tidak perlu meneka kata sifat baharu. Anda pergi ke lapisan Susun Atur dan tingkatkan ruang negatif. Setiap lapisan adalah terasing. Anda melaraskan mesin tanpa perlu menggantikan enjinnya.

Kedua, ia mewujudkan akauntabiliti sebenar. Apabila sesebuah pasukan menggunakan kerangka kerja yang dikongsi, anda tahu dengan tepat di mana kesilapan berlaku. Jika komposisi bersepah, ia adalah isu Susun Atur. Jika imej kabur atau perkara yang salah menjadi fokus, ia adalah isu Kanvas atau Subjek. Jika estetik terasa tidak selari dengan jenama, ia adalah isu Gaya. Anda berhenti berdebat secara samar tentang "vibe" dan mula membaiki lapisan yang khusus. Ini mengubah pendapat subjektif kepada maklum balas yang boleh diambil tindakan.

Prom yang baik bukan tentang menjadi bijak. Kebijaksanaan itu rapuh. Permainan kata atau hiasan puitis mungkin menghiburkan pembaca manusia, tetapi ia menambah gangguan (noise) kepada model yang sedang cuba mengikut arahan. Apa yang berkesan adalah struktur. Apa yang boleh diskalakan adalah struktur.

Apabila anda membina kerangka kerja, anda berhenti mengajar orang cara menulis prom. Anda memberikan mereka sistem yang berfungsi setiap masa. Rakan sepasukan baharu tidak perlu menyerap pengetahuan kata kunci "tribal" selama enam bulan. Mereka hanya perlu mengisi enam lapisan. Penilai tidak perlu mengejar orang yang menulis prom untuk bertanya apa maksud mereka. Maknanya sudah pun dipecahkan dan dilabelkan.

Begitulah cara anda mendapatkan kelajuan dan kualiti pada masa yang sama. Bukan dengan kata sifat yang lebih baik. Tetapi dengan seni bina yang lebih baik.

Jika anda ingin mendalami lagi aliran kerja AI yang berstruktur, kami membincangkan perkara ini dan sistem praktikal lain dalam komuniti pembelajaran GyaanSetu. Tiada kata kunci ajaib diperlukan.