# GPT Image Hub prompt

## 內嵌LLM架構資訊圖的AI聊天介面
- URL: https://www.gptimagehub.com/zh-TW/library/ai-chat-interface-with-llm-architecture-infographic
- Generator URL: https://www.gptimagehub.com/zh-TW/generate?promptId=oss-ym-g2-20258
- Markdown URL: https://www.gptimagehub.com/api/agent/markdown?path=%2Fzh-TW%2Flibrary%2Fai-chat-interface-with-llm-architecture-infographic
- Category: UI / UX 設計
- Model: gpt-image-2
- Aspect ratio: 3:4
- Style: graphic-design
- Tags: 聊天介面, 截圖, 資訊圖, transformer, 大型語言模型, 網頁設計, 技術圖表
- Updated: 2026-10-27T22:40:23.098Z
- Created: 2026-10-27T22:40:23.098Z

生成現代AI聊天網頁截圖，內嵌工程風技術資訊圖表。修改括號中的主題即可呈現其他技術概念圖解。

### Full prompt
```text
現代AI聊天網頁應用介面的寫實豎屏截圖，展示一張嵌入其中的關於[大語言模型技術運作原理]的技術資訊圖。介面採用淺灰色背景（#F4F4F6）、細膩的陰影和清晰的無襯線排版。

聊天UI佈局：
- 頂欄：左側為圓形使用者頭像與對話標題“Visualizing LLM Architecture”（帶有微型下拉箭頭），右上角為帶有資料夾圖示的“Files”按鈕。
- 使用者訊息氣泡：右上偏中位置的白色圓角氣泡，內容為“make an image explaining how LLMs work technically”。
- 狀態列：緊隨其後顯示“Scira task complete”，帶有微型閃爍載入圖示。
- 助手回答卡片：居中的大型圓角卡片，內部顯示生成的圖表。
- 助手正文：資訊圖下方顯示正文文字：“The image above is a comprehensive technical infographic breaking down how Large Language Models function under the hood. Here is a detailed walkthrough of each component shown:”，下方帶有加粗小標題“Tokenization: From Text to Numbers”。
- 底部輸入塢：圓角輸入框（佔位文字“Ask a follow-up...”），左側為加號（+）上傳按鈕，右側為“Kimi K2.6”模型選擇標籤（帶下拉箭頭）和圓形麥克風語音按鈕。

內嵌技術資訊圖：
藍白配色的工程風格技術圖解，頂部帶有深藍色大號全大寫標題：“[HOW LARGE LANGUAGE MODELS (LLMs) WORK]”。白色背景、深藍輪廓、淺藍高亮，包含精確的8個結構區域：
1. “INPUT: TOKENIZATION”：例句“The quick brown fox jumps over the lazy dog.”被拆分為詞元框及對應Token ID。
2. “EMBEDDINGS”：Token ID對映為高維稠密向量資料表。
3. “TRANSFORMER ARCHITECTURE”：堆疊結構，包含Add & Norm、前饋網路、多頭自注意力機制、詞嵌入與位置編碼。
4A. “SELF-ATTENTION MECHANISM (INSIDE ONE HEAD)”：展示Q、K、V矩陣、注意力打分、Softmax及加權和公式。
4B. “ATTENTION: TOKENS ATTEND TO EACH OTHER”：詞元節點之間由注意力權重連線構成的網路圖。
5. “OUTPUT: NEXT TOKEN PREDICTION”：候選詞機率分佈柱狀圖，高亮顯示預測詞“the”。
6. “TRAINING: PRE-TRAINING WITH NEXT-TOKEN PREDICTION”：底部5步流程橫條（海量文字語料庫、構建訓練樣本、模型預測、損失計算、反向傳播）。
7. 流程連線箭頭：“Repeat for billions of examples over many epochs until convergence.”
8. 總結標註框：帶有大腦圖示與泛化模式學習說明。

風格：清晰向量圖解質感，線條銳利，學術工程風，字跡緊湊可辨，無水印。
```