视觉 Transformer 识别图片时，不再把图片只看成连续像素，而是先切成一组小 patch，再像处理句子一样理解这些视觉 token。每个 patch 会和位置信息一起进入 Transformer，模型通过自注意力比较不同区域之间的关系，逐层形成从局部纹理到整体物体的理解。它的优势是能捕捉远距离依赖，适合大规模数据训练；代价是训练成本高、对数据量敏感，小数据场景通常需要预训练、增强或蒸馏来稳定效果。
让非算法背景的产品和设计同事在 30 秒内理解 ViT 为什么不是传统卷积网络。
核心机制、优势、代价和适用条件
原神配队不是把四个强角色塞进同一队，而是让挂元素、触发反应、充能循环、生存压力和站场时间互相咬合。以雷草激化队为例，雷元素角色负责稳定触发和输出，草元素角色提供反应基础，辅助角色补充减抗、治疗、护盾或增伤。真正影响体验的不是单个角色面板，而是技能冷却能否接上、元素附着是否持续、爆发能量能否回满，以及玩家在一轮循环里是否需要频繁停顿。
帮助刚入坑的玩家理解配队循环，而不是只看五星数量。
配队逻辑、循环条件、常见误区和判断清单
Prompt Garden 首页变慢并不是因为页面视觉复杂，而是浏览时提前加载了太多详情数据和大图资源。首页卡片本来只需要标题、摘要、封面和少量标签，但预取把完整提示词正文、示例参数和大尺寸图片也带进来，导致滚动时网络、内存和图片解码压力同时升高。修复方向不是重做界面，而是把列表数据和详情数据拆开，首页只取轻量摘要，图片使用缩略图，用户点进详情页时再加载完整内容。
让内容站维护者快速理解一次首页性能复盘的真正瓶颈和修复顺序。
症状、根因、错误直觉、修复策略
来源：受小小东 X Article 中“长文本转知识卡片”提示词方向启发；本条为 Prompt Garden 原创收窄重写版，仅保留可复用机制。
请把下面的来源文本生成一张 4:5 竖版「移动端知识摘要卡」。
来源文本：{{source_text}}
读者目标：{{reader_goal}}
摘要重点：{{output_focus}}
这张图的目标是让读者在手机默认显示状态下，用 30 到 45 秒抓住一篇长文、解释材料或复杂观点的核心意思。它不是流程图、不是文章封面、不是金句海报、不是单个洞察命名卡，也不是把原文截图塞进画面。
先完整理解来源文本，再重写成适合视觉阅读的短内容。只保留原文明确表达或能够直接推出的信息，不要编造新概念、新数据、新步骤、新人物或原文没有的结论。若原文只是解释机制，就不要强行做成时间流程；若原文没有戏剧性的失败转折，就不要套用问题-失败-命名的洞察故事。
版式采用一张手机可读的高级知识卡：顶部用 1 行极短标题说清主题；标题下用一句话回答“这段内容到底在说什么”；主体分成 3 到 5 个清晰信息区，优先使用「核心机制」「为什么重要」「关键对比」「常见误区」「判断清单」「下一步怎么用」这类认知区块。请根据来源文本自动选择最合适的区块，不要机械照搬这些名称。
文字必须短而可读。中文标题尽量 6 到 12 字，主体每个区块只保留 1 到 2 行短句，整张图不要超过 120 个中文字符或等量英文。不要把来源文本整段抄进图里，不要生成密集小字、长段落、脚注堆叠、乱码或无法阅读的伪文字。若文字渲染不稳定，优先保证标题、核心结论和 3 个关键词清楚。
视觉语言是现代 editorial knowledge card：干净纸感或浅色背景、清晰栅格、醒目的核心结论、适度留白、细线分隔、少量主题相关小图标、关键词高亮、轻量箭头或结构线。信息层级要像一张可收藏的知识卡，而不是 PPT 模板、咨询流程图、暗色社媒封面、漫画分镜或装饰性插画。
可以为当前主题生成一个小型中心视觉锚点，例如抽象机制图、对象剖面、简化界面、关系小图、元素符号或主题图标组，但它必须服务于理解文本，不要抢走文字可读性。视觉锚点和图标都要从当前来源文本自然推导，不要沿用某个示例的固定道具、配色、世界观或隐喻。
如果来源文本来自游戏、影视、品牌、产品或虚构世界，请保留可识别的世界信号、角色/地点/元素/道具或产品语境，并把它们转译成知识卡图标、标签、结构线和短标题；不要复制官方截图、logo、UI、卡牌或宣传海报构图。
最终图像应像一张已经可以发到移动端文章、社媒长帖或知识库里的摘要卡：标题一眼可读，核心意思先到达，结构帮助理解，视觉有收藏感但不过度装饰。避免：完整流程图、单纯封面图、金句大字报、编辑式洞察叙事卡、满屏图标、随机插画、长文截图、文字出框、乱码、水印和低清晰度。