多模態 Multimodal — Vibe 詞典

你可能會這樣說

聽說可以把網站截圖直接丟給 AI 請它照著改、把手繪草稿變成版面、貼一張報錯畫面請它找問題。想了解這種「多模態」能力，用在做網站上能省多少事。

多模態指模型能同時處理不同形式的輸入與輸出：文字、圖片、聲音、影像，不再只讀純文字。

對不寫程式的人是大利多：截圖本身就是指令——參考網站的畫面、手繪草稿、錯誤訊息的截圖直接貼上去說「照這個改」，比用文字形容快十倍。

要留意圖片很耗用量：一張大圖可能抵數千字，貼圖前想想哪些細節真的需要它看。

（貼上一張別人網站的截圖）照這個感覺改我的首頁。

不寫程式的人最大的升級：畫面本身就是指令。

圖 5-15　截圖、草稿、報錯畫面——貼圖就是下指令。

中文就可以

我以後會常用截圖跟你溝通，請這樣配合：
1. 收到截圖先描述你看到的版面結構，確認我們看的是同一張。
2. 參考圖只借布局與氣氛，配色字體沿用我專案的設定。
3. 報錯截圖請先指出關鍵錯誤訊息，再給修法。
4. 看不清楚的地方直接問，不要用猜的。