1️⃣ 需求拆解

1. 輸入：圖片（JPEG / PNG）
2. 處理：視覺分析 + 文字生成
3. 輸出：
   • 攝影角度調整建議
   • RAW / Photoshop 等常用修圖參數（曝光、白平衡、飽和度、對比度、色調、曲線 …）
   • 針對社群平台（Instagram / Facebook / TikTok 等）的一段吸睛文案

重點：需要一個同時具備「Vision + LLM」功能的模型，並且可在本地或私有雲上安全執行（符合 Dify‑Private‑AI 或自託
管方案）。

2️⃣ Ollama 可用的 Vision‑LLM 模型

建議：先從 llama3.1‑8b‑vision 開始。若後期發現對光影、顏色校正的理解仍有空間，可再試
mixtral‑8x7b‑vision 或 gemma‑2‑vision‑9b。

3️⃣ 如何在 Dify + Ollama 搭建流程

前提：你已經在本地 / 私有雲部署了 Ollama 並 pull 了上述模型；Dify 能夠自定義 LLM 來源（自建 API）。

3.1 Ollama 部署（示例命令）

# 下載並啟動 Ollama
curl -fsSL https://ollama.ai/install.sh | sh

# 拉取模型
ollama pull llama3.1-8b-vision   # 或 mixtral-8x7b-vision 等

3.2 Dify 配置

1. 新增「LLM 來源」

   • 類型：Custom (API)
   • API URL：http://<OLLAMA_HOST>:11434/api/chat
   • Headers：Content-Type: application/json
   • Body：

     {
        "model": "<MODEL_NAME>",      // e.g. "llama3.1-8b-vision"
        "messages": {{messages}},
        "stream": false,
        "format": "json"
     }
     

2. 新增「資料流」

   • 輸入：Image（File）
   • 輸出：Text（建議）
   • 連接「LLM 來源」並設置 Prompt（見 3.3）。

3. Prompt 設計

   你是一位專業的攝影師兼社群媒體顧問。請閱讀以下圖片並給出三類建議：

   1. 攝影角度（如何調整鏡頭位置、構圖等）
   2. 修圖參數（曝光、白平衡、飽和度、對比度、曲線、細節等，並以易懂的「X=…」格式列舉）
   3. 社群文案（針對 Instagram 或 TikTok，字數 150-200，包含關鍵話題標籤）

   在 Dify 中，<IMAGE> 會自動轉成 base64 並放到 messages 中的 content。
   如果你想手動控制格式，可改為：

   [
     {"role":"system","content":"You are a professional photographer..."},
     {"role":"user","content":"<IMAGE>"},
     {"role":"assistant","content":"..."}
   ]
   

3.3 測試與驗證

1. 上傳一張你常用的產品/人像/風景照片。
2. 點擊「執行」 → 觀察輸出。
3. 若建議不夠細節，嘗試：
   • 在 Prompt 中加入「請詳細說明光影來源」
   • 在 parameters 裡把 temperature 調低 0.2 或上升 0.8 看效果。
4. 若模型回應時間過長（>10s），可以考慮改用 mistral‑vision‑7b 或在 Ollama 端加上 --num-gpus 參數使用 GPU。

4️⃣ 常見問題 & 優化技巧

🌳 校園氛圍系

• 「腳踏車不只是交通工具，它串起了台大與公館的生活軌跡。」
• 「一排空空的車樁，像是等著下一場日常的騎行。」

🚲 城市日常系

• 「在大學城，腳踏車就是最簡單的流動方式。」
• 「有時候最有故事的，不是滿滿的車，而是這樣的空位。」

📸 藝術視角系

• 「留白也是一種風景。」
• 「空的樁位，映照著日子裡的暫停鍵。」

📝 系列企劃串接

你可以把 Threads 的貼文做成一個系列：

1. 老腳踏車與歲月（鏽蝕、斑駁的車身）
2. 日常腳踏車（校園裡學生停放的普通單車）
3. 共享單車與城市（Ubike 樁位、借還車的場景）
4. 空白與等待（像這張空樁的照片，製造故事感）
5. 奔馳與自由（在椰林大道或校園道路上的騎乘）