中間還有一個助手,它會把我的話重寫一遍
9f5aca3^..6e6dfb4 ↗
一直生不出我要的圖,去查了流程才發現,我寫的東西不是直接送到繪圖工具,中間有個助手會先把它重寫成短的。而重寫這件事有偏好。
AbstractI kept failing to generate the art I wanted. Digging into the pipeline, I found my prompt never reached the image tool directly. An assistant in the middle rewrites it first, and that rewrite has preferences.
那時候在想什麼
那時候一直生不出我要的圖。
實際做了什麼
我去查了流程,才發現中間有個轉送的助手。
實際的路徑是這樣:我把提示詞貼進 ChatGPT,由它去呼叫圖像工具。它不會原封轉送,而是自己重寫一份短的。我的二階整檔大約六千八百個字元,遠超圖像工具的提示詞上限,所以壓縮是必然發生的,不是可能發生。
這比我原本假設的「文字編碼器截斷」更根本。
更關鍵的是第二件事:那個摘要器丟東西是有偏好的。鮮明的具體動作留得下來,清單式的列舉會被壓成一句。
這一點對得上到貨的圖。丐幫男的敗蹟,我寫的「咧嘴笑」「嘴角血」「推酒葫蘆」全中;「頭髮全散」「第三處破口」這種條列項目,消失。
所以對策不是去猜壓縮器會留什麼,而是直接下指令。它讀得懂中文,也聽話。我在一百一十一個提示詞檔的第一行都加上一段給轉送助手的處理指示,明寫壓縮的優先序。
試過但沒留下
盤外的 2D 道具撤掉了。那是我前一週才做的。
沒什麼特別原因,就是不好看。除了分散注意力之外還壓到棋盤,讓棋盤變小,那不是我想要的。
那一週還出了一件事:AI 把部署設定改壞了,Cloudflare 的自動建置全紅。部署那部分應該是不能動的,我不知道為什麼會動到,可能它忘了。後來修好了。
結論
回頭看那一週的 commit,有三件事的起點是同一句話。
招式看起來不對,是玩著玩著發現的。幀率變慢,是玩著玩著發現的。盤緣道具難看,也是玩著玩著發現的。沒有一件是看程式碼看出來的。
另外一件事想記一下。那一週我做了江湖令牌,把整份存檔壓成一串字,可以匯出成 QR code,用傳圖的方式帶走。
會做成這樣是因為這個系統從一開始就是奔著 P2P 點對點的無伺服器架構去做的。能不用到伺服器就不用。後端伺服器我很熟悉,當然也清楚它需要的成本,所以除非萬不得已、有不可或缺的必要性,才會動用它。