3.1.2: 了解基礎知識

• 完成時間： 15 分鐘
• 先決條件： API 金鑰已設定（Module 3.1.1）

在 Cursor 中開始本模組： 執行 /start-3-1-2 以開始互動式體驗。

概覽

Module 3.1.2 教你圖片生成的機制 - 系統如何運作以及你可以控制什麼。你將了解 generate() 函式、學習長寬比和解析度，並掌握迭代的藝術。

關鍵要點： 你不需要記住參數或撰寫程式碼。自然地描述你想要什麼，AI 會選擇智慧預設值。但了解什麼是可能的有助於你獲得更好的結果。

生成如何運作

當你要求 AI 生成圖片時：

1. 你描述你想要什麼（用自然語言）
2. AI 翻譯你的請求為 API 參數
3. generate() 函式將請求發送到 Gemini
4. Gemini 生成圖片（10-15 秒）
5. 圖片儲存到你的 outputs/ 資料夾
6. AI 告訴你在哪裡找到它

你永遠不會直接接觸 API。AI 處理一切。

generate() 函式

所有圖片生成都透過 image_gen.py 流動。以下是關鍵參數：

兩種工作方式

選項 1：讓 AI 決定

生成一張產品經理的專業頭像

AI 選擇合理的預設值（頭像用 1:1，草稿用 1K）。

選項 2：指定你想要的

生成一張專業頭像，16:9 長寬比，2K 解析度

AI 遵守你的明確請求。

兩種方法都很好用。從選項 1 開始，需要時再具體說明。

長寬比

長寬比是你圖片的形狀。根據你將使用它的地方來選擇。

快速參考

• 簡報投影片？ → 16:9
• 社群媒體貼文？ → 1:1 或 4:5
• 手機模型？ → 9:16
• 網站主視覺？ → 16:9 或 21:9
• 個人照片？ → 1:1

解析度

解析度決定大小和細節層級。它不影響創意品質 - 只影響像素尺寸。

解析度策略

迭代時使用 1K。 它更快，成本相同，讓你更快地探索。

最終版本使用 2K。 一旦你對創意方向滿意，以更高解析度重新生成。

只在列印時使用 4K。 除非你要大規模列印，否則 4K 是過度的。

迭代：核心工作流程

迭代是圖片生成中最重要的概念。不要希望第一次就做對，而是逐步改進。

為什麼迭代有效

Gemini 是一個「思考模型」- 它在對話中維護情境。當你說「讓它更藍」時，它知道「它」指的是什麼以及你之前討論過什麼。

單次嘗試方法（令人沮喪）：

生成完美的圖片 → 希望它是對的 → 如果不是就重新開始

迭代方法（有效）：

生成第一稿 → 「增加更多對比」 → 「將文字移高一點」 → 「完美」

如何迭代

在 AI 生成圖片後，只需要求更改：

• 「讓背景更暗」
• 「添加微妙的陰影」
• 「將文字改為『發布日』」
• 「讓它感覺更專業」
• 「嘗試更溫暖的色調」

AI 繼續與 Gemini 的會話，你的更改建立在先前的圖片上。

何時重新開始

有時迭代不是正確的舉動：

• 重大方向改變 → 使用 new_session() 重新開始
• 完全不同的主題 → 重新開始
• 想探索替代方案 → 生成變體（在 3.1.3 中涵蓋）

告訴 AI「開始新會話」或「讓我們嘗試完全不同的東西」，它會重新開始。

會話說明

會話是與 Gemini 的對話，維護情境。它的運作方式如下：

在會話內：

• Gemini 記住先前的生成
• 你可以參考「圖片」或「它」
• 編輯建立在先前版本上
• 「思考簽名」保留推理

在會話之間：

• 重新開始
• 沒有先前工作的記憶
• 適合新專案或方向

會話管理

AI 自動處理會話，但你可以控制它們：

專業提示： 會話最適合線性改進。如果你想探索多個方向，使用變體（在 3.1.3 中涵蓋）。

實際範例

範例 1：簡報圖形

你： 「為關於 AI 生產力的簡報建立主視覺圖片」

AI 生成 1:1 圖片，1K 解析度。

你： 「讓它變成 16:9 以適合我的投影片」

AI 重新生成 正確的長寬比。

你： 「添加文字『AI for PMs』」

AI 添加 文字覆蓋。

你： 「這很完美，以 2K 重新生成」

AI 產生 最終高解析度版本。

範例 2：快速探索

你： 「生成使用者角色肖像 - 企業氛圍」

AI 生成 第一版本。

你： 「嘗試更休閒的外觀」

AI 改進 風格。

你： 「實際上讓我們重新開始 - 改為嘗試插畫風格」

AI 開始新會話 並生成插畫版本。

最佳實踐

要做的：

• 從 1K 解析度開始 以更快迭代
• 對更改要具體 - 「讓天空更橙」勝過「改進它」
• 讓 AI 選擇預設值 當你沒有強烈偏好時
• 逐步建立 - 小更改更可預測

不要做的：

• 不要從 4K 開始 - 你會在要更改的圖片上浪費時間
• 不要一次進行多個更改 - 一次迭代一件事
• 不要模糊 - 「讓它更好」沒有給 AI 任何可處理的
• 不要放棄好圖片 - 迭代而不是重新開始

疑難排解

更改沒有被應用

• 確保你對要更改的內容很具體
• 嘗試重新表述：「將背景顏色改為海軍藍」而不是「不同的背景」
• 會話可能混亂了 - 重新開始

長寬比看起來不對

• 驗證你要求了正確的比例（16:9 vs 9:16 是常見的混淆）
• 某些構圖在某些比例下效果更好 - AI 可能會建議替代方案

圖片品質似乎很低

• 檢查解析度 - 你可能在 1K（這對草稿來說很好）
• 對於最終輸出，明確要求 2K 解析度

生成很慢

• 4K 需要約 45 秒，這感覺慢但是正常的
• 網路不佳可能增加延遲
• API 高負載可能導致延遲

快速參考卡

長寬比：
  1:1   → 正方形（個人照片、圖示）
  16:9  → 橫向（簡報）
  9:16  → 縱向（限時動態、行動端）
  4:5   → 高（Instagram 動態）

解析度：
  1K → 快速草稿
  2K → 最終輸出
  4K → 僅列印

工作流程：
  1. 以 1K 生成
  2. 迭代直到滿意
  3. 以 2K 重新生成最終版本

下一步？

你了解了機制。現在是時候學習藝術了。

Module 3.1.3 教授提示的黃金法則 - 如何撰寫能獲得驚人結果的描述。你還將學習參考圖片和生成變體。

互動式路徑：輸入 /start-3-1-3

資源

• Gemini Image Generation Documentation - 參數、長寬比、解析度選項
• Gemini 3 Developer Guide - 思考簽名、多輪會話

關於本課程

由 Carl Vellotti 建立。查看 The Full Stack PM 以獲取更多 PM 建構者內容。

原始碼儲存庫： github.com/carlvellotti/claude-code-pm-course