10.6 本章实战练习

本节包含一系列循序渐进的实战练习，帮助你掌握多模态提示工程技术。

练习 1：图像理解与描述

选择一张复杂的图像，设计提示词让模型：

要求：

• 识别主要对象和场景

• 描述空间关系

• 分析图像传达的情感或意图

• 提取关键信息

练习 2：多模态上下文融合

设计一个提示词，结合文本和图像来解决特定任务。

示例任务：

• 给定产品照片和竞争分析文本，生成产品营销方案

• 给定建筑平面图和需求说明，提出设计建议

练习 3：跨模态推理

创建一个需要整合多种信息源的提示词。

示例：

• 输入：照片 + 技术规格表 + 用户评论

• 输出：综合评估和改进建议

练习 4：音视频信息提取

设计提示词让模型从视频或音频转录中：

要求：

• 识别关键话题

• 提取时间戳和重要时刻

• 总结核心观点

• 识别情感或语调变化

练习 5：多模态内容生成指导

创建提示词指导模型生成包含多种媒体元素的内容计划。

任务示例：

• 为社交媒体活动规划文本+图像+视频内容

• 设计互动教学材料（文字+图表+视频）

验收标准

• 多模态理解准确率 ≥ 85%

• 跨模态信息整合完整

• 提示词应用场景明确

• 输出格式清晰、结构完整