从 Nano Banana 到反向 Prompting：用沉浸式翻译把前沿技术变成生产力

「太快了」。这是很多朋友在谈到眼下的 AI 发展速度时的感受。

今天看到了一篇新论文，感觉会有点用，赶紧收藏下来；

明天冒出了一个新的模型，赶紧去排队申请试用；

后天又有了个新的文生图/文生视频工具火遍全球，又迫不及待地注册账号；

一边抱怨排队人太多，一边等着生成图片或视频的“抽卡”结果……

跟风容易，消化难；看热闹快，转化成自己的工作流慢。

所以，这一期我们想换个角度，不只是“追热点”，而是带来五个更“底层”的启发：

• 来自 DeepMind 的 Step-Back 提示法，让 AI 学会退一步思考；
• 一份由哥大与 MIT 联合提出的密度链摘要技巧（CoD），教你如何逼 AI 写出“像资深编辑一样”的高密度总结；
• 一个收录百种思维模型的“认知武器库”；
• Google 官方的 Nano Banana 提示指南；
• 以及一本 AI 生图“魔法书”。

希望这些能帮你建立起AI 时代的思维方式和操作习惯，把前沿成果转化成自己的生产力与创造力。

搭配沉浸式翻译，你能第一时间用中文语境去吸收、内化、试验，而不是把灵感搁置在收藏夹里落灰。

Nano Banana 官方文生图手册

像写摄影说明书一样写提示词

最近刷屏的 Nano Banana，其实背后就是 Gemini 2.5 Flash Image ——Google 最新的多模态图像生成模型。

Google 也贴心地放出了一份官方“写提示词手册”，告诉我们：好图的关键不在堆关键词，而在写故事，要把提示词写成摄影师或设计师的说明，要描述场景，而不是只说几个词。举个例子：

• 普通写法：“A fantasy armor”（一副幻想风格的盔甲）
• 官方推荐写法：“Ornate elven plate armor, etched with silver leaf patterns, with a high collar and pauldrons shaped like falcon wings.”（一副华丽的精灵板甲，镶嵌着银色叶纹，高领设计，肩甲形似猎鹰的双翼。）

后者才像给工作室的拍摄 brief。

比如说——

• 照片级写实  想要生成写实照片，就要像摄影师一样写：镜头类型、光线、氛围缺一不可。例：一位中国陶艺家在夕阳下的工作室里，85mm 镜头捕捉他检查新烧制的紫砂壶，背景虚化，氛围宁静而专注。

• 插画与贴纸  如果要做轻量素材，指定风格和背景：例：一只戴竹帽、啃竹叶的小熊猫卡通贴纸，干净线条+白色背景。

• 产品与电商图  电商场景更讲究布光和角度：例：一只黑色陶瓷咖啡杯，三点布光，45 度俯拍，蒸汽细节清晰。

• 图像编辑&合成 Gemini 2.5 Flash Image 最厉害的功能之一，能在保持高度一致性的前提下，更改图中的物体：

甚至能把两张图拼在一起：

PS：今天的推送头图的角色也是 Nano Banana 生成。

指令如下——

Add several extra arms to this character, posing like the Buddhist "Thousand-Armed Avalokiteshvara" to convey many abilities in one person, with hands holding a keyboard, mouse, pencil, stylus, and digital camera. 8-bit style, white background. Facial expression with eyes closed, giving a very zen feeling; remove the two downward-facing hands and arms. Angle facing forward.

根据我们的测试以及社区的讨论， Gemini 有时候对中文的提示词响应不佳，偶尔会出现不生成图片的问题。

这时候我们不妨用沉浸式翻译的输入框增强功能，输入提示词后三击空格键，将指令转换为英文文本，就有可能大幅提升图片生成准确度哦。

想阅读原文档的朋友可以扫下面的二维码，获得通过沉浸式翻译 BabelDOC 翻译的双语版本——

Step-Back Prompting

退一步，答案更清楚

我们常常希望 AI 能像一位聪明的学生，接到问题就立刻解答。但 DeepMind 最近提出的一种方法告诉我们：急着回答，反而容易错。

以往我们习惯对 AI 下命令：“请回答这个问题”“请总结这篇文章”。这种做法直截了当，但也容易把模型逼进死胡同：细节一旦处理错了，后面的推理就全偏了。

而 Step-Back Prompting 的思路是——先退一步，别急着解题，让模型先生成一个更抽象、更通用的“后退问题”，比如“这个现象背后的物理原理是什么？”“这位科学家的教育经历大体如何？”

再让模型回答这个高层次的问题，最后基于抽象出的原则和脉络，重新回到原题。

这种方法的妙处在于：抽象比推理更容易学。

模型可能在长链条推理上很容易犯错，但在“先抓住核心规律，再顺势往下解”时，错误率显著降低，让 AI 更贴近“人类专家思考方式”的方法论。

如果说以往的指令教学更像是“让 AI 去执行”，那 Step-Back Prompting 更像是“让 AI 去理解”。这种转变，可能会让我们重新思考如何和 AI 协作——

陪它退一步，看得更远。

论文发现，有三种场景特别适合这种指令方式——

• 学习/科研：让 AI 先总结“涉及哪些定律/概念”，再解题；
• 信息检索：不要直接问“某年某人在做什么”，而是问“这个人的整体履历是什么”；
• 日常写作：处理复杂主题时，可以先让 AI 抽象出框架，再逐层回填细节。

可以尝试下面这一系列指令，用“退一步”的方法获得更精确的答案——

指令前半截，请三选一：

// 以下指令用来检索信息
你是一位信息整理专家。
在回答具体问题前，请先提出一个更抽象的后退问题（Step-Back Question），它应当能涵盖更广泛的脉络（例如人物履历、历史时间线、主题框架）。
请先回答后退问题，再回到原问题，给出最终答案。

// 以下指令用来检索信息
你是一位科研助理。
在回答问题前，请先生成一个更高层次的后退问题（Step-Back Question），它应当涉及该问题背后的科学原理、通用定律或研究脉络。
请先回答后退问题，再基于这些原理逐步推理原始问题。

// 以下指令用于写作
你是一位擅长抽象和发散思维的写作者。
在创作或回答问题前，请先提出一个更抽象的后退问题（Step-Back Question），它应当帮助提炼主题的核心概念、价值取向或更普适的叙事框架。
请先回答后退问题，再基于这些抽象出的主题展开逐步推理，最后完成写作或给出创意答案。

指令后半截，可粘贴在上面的指令之后，用于要求 AI 根据格式输出结果——

原问题: {用户问题}
输出格式:
Step-Back Question: ...
Step-Back Answer: ...
Reasoning Steps: ...
Final Answer: ...

感兴趣的朋友可以扫下面的二维码，获得沉浸式翻译 BabelDOC 翻译版 Deepmind 论文双语版本——

密度链提示

让摘要像资深编辑一样提炼关键信息

我们习惯对 AI 说：“总结一下”。结果往往是一个四平八稳的段落，信息不够全，或者细节被删得太狠。

哥伦比亚大学和麻省理工的研究者提出了一个新方法，叫 Chain of Density（密度链提示，CoD），它让 AI 摘要的过程更像一位资深编辑的“逐步打磨”。

论文提出的思路很巧妙：先让模型写一个稀疏摘要，信息点少、用词松散；

然后迭代 5 次，每次都要求它在不增加长度的前提下，加入 1–3 个新的关键信息点（原文称之为信息实体，missing entity）。

为了腾出空间，模型必须学会压缩、融合、改写。就像在“稀汤寡水”里加入更多来自原文的“食材”，但又得保持汤的总量不增加。

最终的摘要往往比直接生成的更紧凑、更有信息量，甚至和人工写的信息密度相当。我们尝试让 ChatGPT 根据论文的理论，生成了一套指令——

你是一位资深编辑，负责对文章进行逐步浓缩的摘要工作。
请使用“密度链提示（Chain of Density, CoD）”的方法生成摘要。
步骤要求：
1. 先写一个信息稀疏的初始摘要（80词左右），尽量模糊笼统。
2. 然后迭代 5 次：
 - 每次识别出 1–3 个在上一个摘要中缺失的关键信息实体（Missing Entities）。 
 - 将这些新实体加入摘要，但保持摘要总长度不变。
 - 为了腾出空间，请对已有内容进行压缩、融合、改写，而不是删除已有实体。 
 3. 每次迭代的输出都要包含：
 - Missing Entities: [...] 
 - Denser Summary: ... 
 输出格式：
 请用 JSON 列表输出，包含 5 个对象，对应 5 次迭代。
 每个对象的键为
 "Missing_Entities" 和 "Denser_Summary"。
 输入文章：{{在这里粘贴文章正文}}

我们用这个指令，对 SemiAnalysis 关于 OpenAI 可能打造 ChatGPT 超级应用进行广告变现的文章进行了总结。

链接在此：https://semianalysis.com/2025/08/13/gpt-5-ad-monetization-and-the-superapp/

第一次迭代的总结（翻译）： GPT-5 让许多 Pro 和 Plus 用户感到失望，但 OpenAI 的设计重点其实是其超过 7 亿的免费用户。只关注模型能力的分析人士忽略了一个事实：ChatGPT 已经跻身全球前五大网站。此次发布的核心是一个路由系统，它在性能与成本之间取得平衡，让免费用户能够接触到更深度的推理模型，并为 OpenAI 将这一庞大且快速增长的未变现用户群体货币化做好准备。

第五次迭代的总结（翻译）： GPT-5 的路由器让 OpenAI 能够通过分类查询并在规模化下启用推理，从而将其超过 7 亿的免费用户货币化。Altman 语气的软化与 Fidji Simo 的专业背景，指向了通过抽成而非广告的代理式消费路径。高价值查询可能带来推荐收入，例如 ChatGPT 代用户预订机票或采购杂货。借助 Stripe、Shopify、Instacart 和 Booking.com 等合作伙伴，OpenAI 正致力于打造一个可与 Google、Meta 和 Amazon 竞争的消费者超级应用。

第五次的迭代不但包含了关键数字，人物的立场变化，主要的手段，以及达到的目标，还明显将一些不是很重要的信息进行了过滤，增加了更关键的信息点。

以后碰到更复杂的文献，就能更好地生成摘要了。

想阅读原论文的朋友可以扫下面的二维码，获得通过沉浸式翻译 BabelDOC 翻译的双语版本——

思维模型工具箱

给大脑加一套思维外挂

有时候，我们遇到问题时会有种熟悉的无力感：

脑子里观察、思考和解决问题的方法，就那么几种自己最习惯的，容易陷入旧经验的窠臼，缺少能真正打开局面的东西。

效率社区 Ness Labs 整理了一份 思维模型工具箱，收录了 100 多种跨学科的模型，按决策、问题解决、学习等场景分类。

举几个例子：

• 帕累托法则（80/20 法则）：提醒你别均匀发力，先找到那 20% 的关键因素，往往能解决 80% 的问题。
• 汉隆剃刀：在遇到冲突或误解时，先假设原因是疏忽或无知，而不是恶意。这能让判断更冷静，也避免过度解读。
• 艾森豪威尔矩阵：一种决策模型，帮你根据任务的紧迫性和重要性对其进行优先排序，从而提高效率。

在工具箱里，你还能看到“第一性原理”“二阶思维”“博弈论”这些常被提到的思维方式，每个模型都配有简洁的解释与场景应用，读完就能上手。

搭配沉浸式翻译使用，你可以无障碍地在中文语境下理解这些来自全球的认知框架。

你甚至可以直接把“100 种模型的清单”丢给 AI，让它帮你挑选最适合解决眼下问题的三种思维方式。这样一来，AI 不再只是“回答问题”，而是真正和你并肩思考。

而这只是这个工具的诸多玩法的一种。

链接：https://toolbox.nesslabs.com/tools

One More Thing

105 页的提示词“魔法书”

在看完前面这些内容之后，还有一个值得特别提出的收尾。 那就是 OpenArt 社区整理的《Prompt Book》——一份长达 105 页的提示词写作手册。

不要看这本手册有点老（2022 年发布），甚至早于GenAI 进入公众视线前。

它的重要性在于把“如何和文生图大模型对话”拆解得足够清晰：

• 提示词应该有结构（主体 → 细节 → 风格 → 摄影语言 → 质量增强）。
• 修饰词和“魔法词”的用法，比如 HDR, 8k, cinematic lighting, highly detailed，能让画面瞬间质感翻倍。
• 负面提示的技巧（如 blurry, deformed, extra limbs），能显著减少 AI 常见的“翻车”场景。
• 还有种子（Seed）、CFG、Steps 的参数调节方法，让出片不再完全靠运气。

换句话说，用更精准的指令，控制图片生成的过程。

虽然它是为 Stable Diffusion 这样的开源模型准备的，一些概念也稍显老旧，但像 Nano Banana 这类新一代更高效的模型，其实同样吃“语言输入”的细腻程度，同样可以受益于这些技巧。

所以，你可以把这本手册当成 提示词的通用语法：

• 在旧模型上，它帮你突破“出片随机”的困境；
• 在新模型上，它帮你释放“模型强大理解和生成力”的优势。

在信息过载和模型迭代的双重浪潮里，这再次提醒我们一个关键但经常被忽略的问题

AI 再强大，也需要人类写好问题。否则，就是 Garbage in, garbage out（垃圾进，垃圾出）。

可以扫描下方二维码，获取沉浸式翻译 BabelDOC 翻译过的双语版提示词写作手册——

以上这五个内容，都是一些能随时放进日常工作和学习里的小工具和技巧。

如果你也常常在收藏夹里堆满资料，却迟迟没能消化，不妨挑一两个试试，搭配上面的技巧，加上沉浸式翻译，说不定就能立刻用起来，打造你自己顺手的工作流，或者把一直想尝试的 AI 图片生成给跑一跑，看看用上这些技巧后，抽卡有没有惊喜。

如果你有私藏的「沉浸式翻译 + 𝔁」的使用故事和创意玩法——不论是阅读、学习、工作、娱乐还是协作场景，欢迎投稿！