深蒸馏 · 直播回看 · 配额批次 7

Nano Banana Pro:先把内容想清楚,再让模型把知识画出来

直播回看 | 2025.11.28 | 约 120 分钟 | 已深蒸馏 26 / 53
来源:原视频 | @howie.serious | 2025.11.28
直链(在飞书/企微预览里点击可能被拦截,复制到浏览器打开):https://www.candobear.com/detail/l_69254bc0e4b0694c5b56cd90/4
阅读路径:先读第二组,抓住「原材料 → 三级笔记 → 视觉生成」这条主线,再读第三组,判断什么时候用 NotebookLM,什么时候逐页做。第一组解释为什么不能沿用旧的生图思路;第四组回答这些产物怎样进入个人知识管理。只看一组就看第二组:它决定你交给模型的是知识结构,还是一堆等着模型替你整理的材料。
一句话结论:同样使用 Nano Banana Pro,先整理内容框架、再生成视觉的工作流,比直接要求「做一套好看的 PPT」更容易得到内容可控的成品。

第一组 · 能力变化:不要把会理解内容的模型当成画笔

1.1 从「画得像」到「理解你为什么这样画」

howie 开场展示的不是艺术画,而是内容密集的 PPT 改版。原稿把文字堆在页面上,他给出的要求只是:内容还可以,但形式不够专业,希望设计更吸引人。按他的展示,多数页面一次完成,个别页面再指出局部问题继续修改。

这里的变化不只是汉字更清楚。模型还要处理大标题、副标题、模块关系与版面层次。howie 因而强调,Nano Banana Pro 的技术名称是 Gemini 3 Pro Image,使用时应想到语言理解、世界知识、指令跟随和推理,而不是只想到一种绘画风格。

原文在说什么

他在改变使用者的提问方式:不要先找一串神秘的生图咒语,而要把目标、内容和要求用人话说明白。模型能理解更多,不意味着用户可以不定义任务,而意味着原来很难表达的复杂需求,现在可以直接交代。

关键概念
对你的实际应用

Ben哥若把这条用于 ~/.agent-autoloop/report_html.py,可在未来的视觉生成入口前加一个 build_visual_brief(),输入明确分成 audience、message、required_text、visual_style。这是应用设计,不是现有函数的描述;本轮不改脚本。先让生成环节拿到完整任务,再谈提示词修饰。

1.2 演示很惊艳,不等于已经证明「不会错」

他展示了十二页知识漫画:用大雄与哆啦 A 梦解释 Transformer,涉及 RNN 对照、并行处理、词向量、位置编码、自注意力、Query/Key/Value、Softmax 和下一个 token。另有纪录片手帐、朝代年表、阅读五步法等例子。共同点是把抽象或繁杂内容变成有结构的视觉材料。

但他也展示了反例:一句话要求画 iPhone 演变信息图,看起来不错,熟悉内容的人却会发现很多错误。画面完成度和内容正确性不是同一件事。他对自己作品的高度评价,是基于熟悉相关内容后的判断,不是一次独立的错误率测试。

原文在说什么

前面的惊艳展示不能脱离后面的反例理解。真正需要追问的不是「模型能不能画复杂知识」,而是「知识从哪里来,生成前有没有整理,生成后由谁看得出问题」。

关键概念
对你的实际应用

Ben哥可以在 kb/STANDARD.md 的图解产物规则中增加 content_checked 与 visual_checked 两项独立记录:前者核对概念和原文,后者核对文字与布局。不要让「图已经生成」替代内容核对,也不要把讲者的「出版级」评价直接写成知识库验收结果。

第二组 · 核心工作流:先构思内容,再生成画面

2.1 三级笔记是中间产物,不是压短一点的摘要

howie 反复强调,他不是把几个小时视频、几万字报告直接扔进工具,然后期待一个按钮完成一切。他先取全文转写,或围绕主题做研究,再用自己的三级笔记提示词,提取整体框架、关键概念及其解释。

他把这份笔记比作「PPT 的文字部分」:它已经承担了结构设计与内容浓缩。随后以 Markdown 导入 NotebookLM,生成时单独勾选这份笔记。原材料可以很多,但视觉环节的直接输入是已经整理过的内容,而不是所有材料的混合物。

原文在说什么

这套方法的要害是把内容构思单独做成一道工序。资料完整、框架清楚、视觉好看,是不同的问题。让生图模型专注呈现,前提是前一道工序已经把「到底讲什么」处理到足够好。

关键概念
对你的实际应用

Ben哥可在 knowledge.py 后续处理链中增加 build_visual_outline(),让它只消费已完成深蒸馏的 Markdown,并产出 sections、concepts、explanations,而不是重新混读全部转写。是否真的需要这一步,要看现有笔记能否直接承担框架输入;本轮没有读取该脚本,不假定它已经有对应流程。

2.2 每一步为什么存在,要能说出它的交付物

文生图模型简史是讲者拆得最完整的例子:先与 ChatGPT 对话形成认识,再提出研究要求,限定搜索英文材料、用中文写报告;然后把报告交给三级笔记流程,整理成大纲,必要时自己修改,最后生成幻灯片。

这里并不是所有内容都必须重新研究。伊利亚访谈有官方全文转写,纪录片有字幕,就可以从已有原材料进入结构整理。研究解决的是材料不够的问题,笔记解决的是材料没有被组织好的问题,画图解决的是呈现问题。

环节原文里的做法交给下一步的东西不能替代什么
获取材料官方转写、文章、书稿,或主题研究可供整理的内容不能把找到材料当成已经理解
构建框架用三级笔记提炼层级、概念和解释结构化 Markdown不能只删字而丢掉关系
人工调整按需要修改大纲与内容安排自己认可的框架不能把模型初稿当作唯一方案
视觉生成NotebookLM 生成,或逐页交给生图模型信息图、漫画、幻灯片不能替代前面的内容构思
原文在说什么

他在最后的问答里把 Pro 和小白的区别落到反思能力:做一件事,能否拆成几步,知道每步做什么、产出什么、怎样改好。不是多买一个工具就专业,而是能解释整条链路为什么这样安排。

关键概念
对你的实际应用

Ben哥可以在 kb/STANDARD.md 的深蒸馏规则里明确 source_text、outline、final_md 三类产物的职责;在 reading.py 未来增加 prepare_reading_outline() 时,让函数返回框架而不是直接返回「读完」状态。这样可避免把转写、整理、理解和阅读完成混成一个动作。

第三组 · 产物控制:页数、分镜与交互决定工具选择

3.1 想控制三十页,就先把三十页的内容设计出来

讲者当场提出一道题:NotebookLM 演示里一套 PPT 限制十五页,如果要三十页、还要自己掌控内容,怎么办?他的答案不是继续催工具突破限制,而是先与模型合作设计整套文字框架,再像画漫画一样,每次提交一页。

十二页 Transformer 漫画也是这条路:先让 Gemini 规划引入、核心概念和整体顺序,写出每页分镜;再把逐页脚本交给 Nano Banana Pro。画图前统一竖版、彩色、中文、页码等格式。人物、主题和风格可以换,但「先分镜、后画图」不变。

原文在说什么

现成工具把工作包起来,省去了操作,也收走了一部分控制权。当页数、讲述顺序或单页内容需要精确安排时,就把结构重新拿回自己手里。模板、原有 PPT 和参考图都可以成为输入,不必只靠文字描述。

关键概念
对你的实际应用

Ben哥若扩展 ~/.agent-autoloop/report_html.py 的图解能力,可增加 build_page_specs(),用 page_no、page_message、panels、required_text 保存单页规格,用 shared_style 保存全套风格。先审文字规格再出图,不能用「生成三十页」替代三十页分别讲什么。

3.2 静态知识图和交互页面,不是同一种交付

后半场展示了植物细胞、神经元等交互内容:在 Gemini 回答中点击 Explore,进入画布,页面可以点选结构、展开解释,或动态呈现过程。howie 明确说,这不是 Nano Banana Pro 的生图功能,而是 Gemini 的前端能力,用 HTML、CSS、JavaScript 生成可交互页面。

他同时承认,自己还没有找到稳定触发方式。关键词、中英文召唤都不够稳定,中文支持也包含期待。图片文字编辑也是类似边界:他推测产品可以补上,提到听说某工具能做元素分割,但没有亲自使用,不能当作已验证方案。

需求本场展示的路径能控制什么原文留下的边界
快速做一套视觉材料笔记导入 NotebookLM来源选择、部分风格要求演示中十五页,结构控制有限
精确安排整套讲述先设计框架,再逐页画图页数、顺序、每页文字与风格全套自动检查方式未展开
解释可点选或动态过程Gemini 交互页面示例中可探索局部结构触发方式不稳定
修改已生成图片的文字讲者提及外部工具未提供亲测结果不能据此认定已经可用
原文在说什么

他没有把一切都归功于生图:静态画面负责视觉表达,交互页面负责点选、展开与动态演示。选择交付形态,要从要解决的理解问题出发,不能看到新功能就把旧产物全部换掉。

关键概念
对你的实际应用

Ben哥在 ~/.agent-autoloop/report_html.py 中已有的 HTML 交付方向,不应因生图漂亮就整体放弃。未来可加 render_visual_asset(),按拟新增的 asset_type 区分静态图和交互页:要展开、点选的内容保留网页;只需展示结构的内容再考虑图片。这里不声称当前脚本已支持这些字段。

第四组 · 知识管理:让结构服务思考,而不是再造信息堆积

4.1 NotebookLM 是材料工作台,不是个人笔记的替代品

howie 对 NotebookLM 的态度很明确:这次值得认真使用,不代表之前推荐的 Logseq、Obsidian 和本地 Markdown 就不需要了。他展示了多种来源导入、围绕材料问答,以及播客、思维导图、报告、闪卡、测验、信息图和幻灯片等形式。

但个人知识管理的前提仍是个人记笔记。划线、理解、思考先留下,才可能被组织、积累并交给 AI 使用。他强调以概念为单位组织本地 Markdown,再通过同步与模型连接;NotebookLM 可以处理材料,却不能替你完成「这一点对我意味着什么」的记录。

原文在说什么

这里区分了两个对象:一个是外部材料,一个是你对材料形成的理解。生成很多衍生作品,不自动等于理解已经沉淀。知识管理不只是把所有东西传进去,而是让阅读和思考可以积累、继续修改。

关键概念
对你的实际应用

Ben哥可在 knowledge.py 后续设计 link_personal_note(),把 source_ref、concept、personal_insight 分开,而不是只保存模型生成摘要。kb/STANDARD.md 中也可明确:深蒸馏是整理后的来源内容,「对你的实际应用」是分析,两者应能辨认,不把分析写成讲者原话。

4.2 先有自己的问题,再决定读什么、画什么

伊利亚访谈的例子,重点不是九十分钟能压缩成多短。howie 先看树状框架,在泛化、强化学习、情绪与价值函数等位置产生自己的问题;完整音频仍可在走路、接送孩子时听,因为喜欢听,而不是必须先线性听完才能开始思考。

他把这叫以思考为第一公民,并进一步提出 agency-based learning:根据自己的需求、目标和品味选择信息,而不是消费一份面向所有人的内容大集合。idea 来自平时真正投入注意力的问题,taste 决定你能否识别低质量产物。漫画、手帐可以轻松可爱,内容质量却不能因此让步。

原文在说什么

AI 在这里不是帮人逃避动脑,而是把精力从逐字处理转移到提问、判断和创造。外部框架越清楚,越应该让自己的思考浮出来;否则只是用更漂亮的形式继续囤积信息。

关键概念
对你的实际应用

Ben哥可在 reading.py 未来增加 select_by_question(),按 current_question 与 expected_use 选择材料,不只按新旧排序。若以后在 cron-jobs.json 的任务说明中设计阅读任务,应写明要解决的问题和预期用途,不能只写「再处理一篇」。这只是后续设计,本轮不读取、不改配置,也不新增定时任务。

与在用工作的关联

这条里的什么对应你手上的什么具体怎么用
用人话定义复杂视觉任务~/.agent-autoloop/report_html.py拟加 build_visual_brief(),分开受众、主旨、必保留文字和风格
先框架再视觉生成knowledge.py拟加 build_visual_outline(),从深蒸馏提取层级、概念和解释
内容与画面分开检查kb/STANDARD.md分列 content_checked 与 visual_checked,不以漂亮代替核对
用逐页规格换回控制权~/.agent-autoloop/report_html.py拟加 build_page_specs(),先确定每页信息再出图
本地笔记不被材料工具取代knowledge.py拟加 link_personal_note(),分开来源、概念和个人理解
根据当前问题筛选内容reading.py、cron-jobs.json拟以 current_question、expected_use 约束输入和任务说明,不扩大调度范围

原文:howie《howie 的 AI 主题讲座:nano banana pro 专场》,2025.11.28。按转写中的八点正式开始、十点附近收尾及「每周两个小时」表述,时长记为约 120 分钟,不当作精确媒体时长。

本篇依据:仅依据本任务提供的完整机器转写,重点保留 PPT 改版、十二页 Transformer 漫画、三级笔记、NotebookLM 单选来源、逐页生成与个人知识管理的工作流。未访问原视频、未补充外部资料;序号按本任务 q26 标识记为 26 / 53。

更正与边界:产品与术语的明显误识别按上下文统一为 NotebookLM、Nano Banana Pro、Gemini、Logseq、Transformer、分镜、手帐等;不能确定的细节不补写。十五页限制、会员价格、下载规格和模型优劣均属于当场说法,不是现行产品核验结果。讲者先称下载为 4K,后展示图片尺寸为 1792×2400,转写不足以解释差异,不合并为已证实规格。「几乎没有错误」「人类做不到」是讲者评价;单靠改工作流能否消除汉字错误,未提供对照实验。「第四层大脑」是讲者的学习比喻,不作为脑科学事实。完整三级笔记提示词、图片编辑实测、稳定触发交互页的方法,原文未展开。应用段所列函数与字段均是面向 Ben哥的后续设计,未核对相关脚本实现,也未修改这些文件。

定位:中文深蒸馏,不是逐字摘要。