141菜谱字典_嵌套容器类型_名词_寸头_定量_定性原创

一个稍微复杂点的东西，我想做一个菜肴字典，行不行呢？我们把这个要求啊复制出来，然后去哪儿呢？去豆包里面去让它去生成，生成拍文字典，存储两道菜品。呃，剑是菜名儿，值呢，包括材料。调味料还有制作步骤，那么2道菜呢，是番茄炒蛋。就是鸡蛋西红柿啊，还有一个宫保鸡丁行不行呢？4点就可以，怎么样就可以拿过来了。得到这个这个食物附字，然后这副字里面就可以怎么样就可以索引第一步是字典对吧，还是我先查查谁啊番茄炒蛋。番茄炒蛋，那番茄炒蛋里面有什么？主要材料就是鸡蛋和西红柿啊，调味料呢，盐，糖，食用油，制作步骤1234，那我我要看什么呀，我要看它的啊制作步骤制作步骤。这个时候我们可以看到这是个列表对吧，这个列表里面的第0项是什么呢。

它就是把鸡蛋打到碗里面，番茄切块这么一个结构，它也是一层一层的结构，对吧，我想做这样的结构一步一步来，每一步都有它的调料和材料。就是第一步是干什么，第二步是干什么，把这个关键词呢，再背给AI。然后AI得到这么一个字典材料，因因为你步骤1里面就是可以有鸡蛋，也可以有番茄，然后呢，呃，烹饪方法是把鸡蛋打到碗里，充分打散，番茄切成小块备用。但是呢，这一步里边干了两个事儿，打鸡蛋是打鸡蛋，切番茄是切番茄，应该是这一个步骤就办一件事儿，而且呢，打了鸡蛋之后，我鸡蛋没了，但我得到了蛋液，对吧，番茄没了，但我得了小块番茄，就一步一步说清楚。是吧，我我做这么一个一步一步说清楚的东西，还得让AI去生成这个东西啊，每步只做一件事情。

然后呢，我们有这个结构，第一步是品名儿菜品名，第二步呢是步骤一，步骤二，第三步呢是单步字典，这每一步里边它的材料调味料。还有烹饪方法，那这个里面就有什么更细节的东西，比如说材料是是几斤几两啊啊这个嗯，火候是大火中火啊，哎，时间是长是短啊，是具体到量化的数字，这样我们就把这个做菜这个事儿呢就更明确了，那我把这个代码呢拿过来，鸡蛋炒西红柿有7个步骤，第一步。是用。鸡蛋3个，做出蛋液。第二步呢，是番茄。用番茄去做成番茄小块，第三步呢，这个就是倒倒油，然后第4步呢，这里面就是有这么一个，就是顺滑蛋液，1产生的和炒蛋热油3产生的，再加上调味料当中的食盐，就搁点盐。

就炒这个。蛋液，把蛋液炒成金黄炒蛋。金黄炒蛋之后呢，留底油，然后再去。往后走往后走，这回这回要的什么呀，一个是番茄小块儿，然后一个是呃底油，那这两个一炒怎么样？哎，再加点儿糖啊盐啊什么的，这不就是出了这个沙了吗？是吧？啊番茄汁儿出来了，番茄汁再再加什么呀。再加上黄金炒蛋，再把鸡蛋放进来，再把这个这这个餐茄汁儿搁在一起，中火一分钟都非常清楚，那这种方式我觉得就把鸡蛋西红柿这个事儿非常数据化的把它说清楚了，每个步骤它的质量，它的火候，它的时间，哎，输入是什么，输出的是什么，就是完全程序化的一个东西，就是。

就是做这个菜具体是怎么做的，之前还做什么呢？做这个文生图的提示词，哎，那文声词提示词讲究什么呢？讲究多个维度，而且维度和维度之间是正交的。什么是正交的，就是人物是人物啊，然后这个景别是景别，它是不相交的这个东西，但是我们现在可以怎么样呢？可以把这个字典再深层次一点啊，就是说原来这个字典是。一层的字典正交得了呗。现在这个层次呢，就是有人物层，有背景层，还有全局全局参数，人物层里面有面部特征，肢体测等等，这人物层和背景层整个这俩字典是正交的，人物层里的面部特征和肢体特征，投身笔这些的啊，字典像仍然是正交的，嗯，所以它就有了层次是吧，把这个画面。

嗯，做成了一个什么呢？做成了一个关键词，哎，那关键词呢，其实也就对应一种视觉感受，比如说我们说到寸头男，那这个是一个名词对吧？啊，偏正团语寸头是一个形容词，男是一个呃名词，那寸头其实描述的是人物头发的物理形态。那这个东西是最开始是一个感性的东西，说这人头发长，头发短是吧，是个感性的东西，哎，它毛是硬是软感性的东西，但是呢，你用文字去描述了，就从感性上升到理性了，理发之前呢，就得问问这个理发师，您对寸头是怎么理解的呀？是吧，怎么理解的呀，寸头分几种呢？按长度分是吧，按形状分，哎，那这就毛寸有圆寸啊是吧？还有方寸有板寸呢，有渐变寸各种寸头那呃，具体来说毛寸和圆寸是怎么理解的是是是每个师傅其实理解的大差不差，AI呢，他也理解大差不差，所以我们就根据这大差不差就可以交流了。

对吧，可是毛榫元素还是一个什么定性的东西，就是大概其这个东西，它不像这个食材按克计量火候，按具体的秒来衡量中火大火，那这个这个这个毛寸圆寸也可以按照竖直化吗？哎，也可以啊，5毫的圆寸和3毫的圆寸有什么区别？是吧？这种概念在共识当中，但是数值量化就可以让它更明确。所以我们给这个发型提示词的时候，可以让它是整体是圆寸，下面是6毫卡尺的，上面稍微打薄，留12毫，但不是毛寸，这就是一个提示词，对吧？哎，我们可以从图片出发，反推提示词落实到文字，也可以从文字更精微的去描绘这个画面，所以文字也好，视觉信号也好，在更高维度的数学矩阵当中是可以找到关联的。

对吧，寸头和一个发型的画面视觉感觉是可以找到关联的，这个是非常有意思的东西，我们要总结一下容器类型了，也就容器类型的最后一次课。怎么总结呢？我们下次再说。哦，EZ教程。