在第一篇章（Day 01 - Day 05）中，我們完成了從 Vibe Coding 思維、PRD 規格、技術架構、IDE 規則到雲端安全基底的搭建。萬事俱備，現在我們的全端架構正等待最重要的靈魂注入 —— AI 核心大腦。
許多初入 AI 應用的開發者常犯一個錯誤：一拿到 API Key，就急著在代碼中寫 fetch、拼字串發請求。當模型輸出不符合預期或格式跑掉時，才在 VS Code 與瀏覽器之間反覆重啟伺服器、手動 console.log，不僅浪費了大量 API 額度，除錯效率更是極其低下。
在現代全端 AI 開發流中，正確的步驟是：先在沙盒中把 Prompt 與模型參數調優到 100% 穩定，再將其固化為生產代碼。
今天我們將走進 Google 官方最強大的大模型試驗場 —— Google AI Studio，親手為 OmniVibe AI 調教出第一支生產級的「多模態內容提煉 System Prompt」！
Google AI Studio 不僅僅是一個像 Gemini 網頁版那樣的聊天介面，它本質上是一個視覺化的 API 原型設計與提示詞工程工作台（Prompt Engineering Workbench）。
(提示：你可以在 AI Studio 介面截圖後替換此圖片)
在 AI Studio 中，主要有三種提示詞模式：
對於 OmniVibe AI 這種「給予長多媒體資產、產出固定格式社群內容」的 SaaS 服務，我們通常會結合 Freeform Prompt + System Instructions 來進行調優。
進入 AI Studio 右側的參數面板，每一項滑桿都直接決定了模型的思維方式。在 OmniVibe AI 的場景下，我們該如何設定？
| 參數名稱 | 建議數值 | 深度原理解析與選型依據 |
|---|---|---|
| Model | gemini-1.5-flash |
MVP 階段首選 Flash！響應速度極快（首字延遲低於 1 秒）、成本極低，且原生支援百萬 Token 與多模態輸入，極度適合高併發的 SaaS 摘要場景。 |
| Temperature | 0.4 ~ 0.6 |
內容提煉需要**「嚴格忠於原文事實」，同時又需要「社群文案的生動語氣」**。• 設成 0.0：內容過於死板僵硬。• 設成 1.0：容易產生幻覺、胡言亂語。• 取 0.4 能在忠實度與文筆創意間取得最佳平衡。 |
| Top-P | 0.95 |
控制候選詞彙累積機率分布，維持預設 0.95 即可保有語言的自然流暢度。 |
| Top-K | 40 |
模型每一步只從機率最高的 40 個詞候選庫中挑選，防止冷門或奇怪的詞彙混入輸出。 |
| Safety Settings | 調至 Block Some / Few | 在內容提煉場景中，用戶上傳的訪談或新聞可能涉及政治、社會爭議或敏感話題。若安全閾值設太嚴苛，模型會頻繁觸發 SAFETY 攔截而拒絕回覆；可依業務需求適度放寬至合理區間。 |
System Instruction（系統指令）是模型的「底層設定與人格」，在整個推理過程中具備最高的權限與指導性。
我們希望 OmniVibe AI 扮演一位**「頂級自媒體增長顧問兼知識架構師」**。以下是在 Google AI Studio 實測調優後的生產級 System Prompt：
# Role & Identity
你是一位全球頂尖的「全媒體內容策略師與知識架構師」。你的專長是從龐雜、冗長的多模態資料（訪談影片、Podcast 音訊、研究白皮書、會議記錄）中，以手術刀般的精準度提煉出核心洞見，並將其重組為極具傳播力、高轉換率且符合各社群平台特性的專業內容矩陣。
# Core Objectives
當用戶提供輸入內容（逐字稿、影音多媒體或文字材料）時，你必須嚴格遵循以下三道提煉工序：
1. 【洞見萃取 (Distillation)】：去蕪存菁，過濾口語贅詞與無效閒聊，提煉出 3~5 個顛覆認知或具高度實踐價值的核心論點（Core Takeaways）。
2. 【結構化轉譯 (Transformation)】：將核心洞見重塑為以下三種指定受眾的內容資產：
- A. 社群爆款貼文（Threads / X 風格）：極具吸引力的 Hook（開頭鉤子）、條列式乾貨、引導留言的 Call to Action (CTA)。
- B. 短影音口播分鏡腳本（Reels / TikTok）：包含前 3 秒黃金吸睛畫面/台詞、分段節奏指示、口語化金句。
- C. 高層精華筆記（Executive Summary）：金字塔原理架構、重點摘錄與後續行動指南（Action Items）。
3. 【嚴格事實查核 (Anti-Hallucination)】：所有數據、案例與結論必須 100% 源自用戶輸入的材料，嚴禁無中生有或穿鑿附會。若材料未提及，明確標註「原文未提供」。
# Formatting & Constraints
- 語言風格：採用自然、專業且富有啟發性的繁體中文（台灣習慣用語）。
- 排版格式：使用結構清晰的 Markdown 語法，善用加粗、引言區塊與 Emoji 增強視覺層次。
- 拒絕官腔套話：禁止使用「在這個飛速發展的時代」、「總而言之」、「讓我們拭目以待」等空泛陳詞濫調，直接切入核心重點。
在 AI Studio 中，單靠 System Prompt 有時模型仍可能在格式上有些微飄移。我們可以使用 AI Studio 的 Few-shot Examples 功能，給予一組「標準輸入」與「完美輸出」作為示範。
「呃...大家好，今天我們主要聊聊為什麼很多工程師轉做獨立開發者都失敗了。其實不是技術不夠好，大家都是 Senior，程式碼寫得嚇嚇叫。真正的問題是根本沒人要買你的東西。大家往往花了半年把自己關在房間寫出一個自以為很完美的系統，上線那天發到 Hacker News 只有 2 個讚。所以我們現在講究 Vibe Coding、講究 MVP，第一天就該驗證市場需求...」
💡 核心洞見 (Core Takeaways)
- 致命盲點：工程師轉獨立開發失敗的主因是「市場驗證不足」，而非技術實力不足。
- 開發思維倒置：閉門造車 6 個月追求完美架構，不如第 1 天用 MVP 驗證付費意願。
📱 A. Threads / X 爆款貼文
為什麼 90% 的資深工程師轉做獨立開發，半年後都含淚找工作？
不是你技術太弱，而是你「太愛寫程式了」。
看到太多人犯這三個致命錯誤：
- 花 6 個月打造一個沒人要的完美系統
- 上線那天發 Hacker News，只有自己按讚
- 用「寫了多少行代碼」來安慰自己的虛榮心
記住：代碼不是資產，解決問題的商業閉環才是資產。
先用 Vibe Coding 3 天拼出 MVP，有人掏錢，再去重構你的架構！
💬 你在獨立開發路上踩過最大的坑是什麼？留言區聊聊！🎬 B. 短影音口播腳本（60秒 Reels）
- [畫面：對著鏡頭雙手抱胸，神情嚴肅]
- [前 3 秒 Hook]：「千萬不要在沒人買你的產品之前，寫超過一行代碼！」
- [節奏推進]：「很多工程師最喜歡把自己關在房間半年，刻出最完美的 Microservices、最狂的 CI/CD，結果上線那天... 瀏覽量：3。」
- [金句總結]：「現代開發要學會『Vibe Coding』。先把 MVP 丟到市場上挨打，痛了，才知道往哪裡改！」
📑 C. 執行決策筆記 (Executive Summary)
- 問題本質：產品缺乏早期市場契合度（PMF）驗證。
- 行動建議：
- [ ] 縮減開發週期至 1~2 週內完成 MVP
- [ ] 導入自然語言開發（Vibe Coding）工具鏈提升試錯效率
- [ ] 優先建立付費意願收集機制（Waitlist / Pre-sale）
透過 AI Studio 的即時測試，我們確認了模型產出的語氣、節奏與排版完全符合生產標準，且輸出穩定度高達 100%！
當你在 Google AI Studio 滿意調校出的成果後，最棒的功能來了：
點擊右上角的 「Get code」 按鈕！
Google AI Studio 會自動將目前的 System Prompt、模型選型、超參數（Temperature、Top-P）與安全設定，直接轉譯成 JavaScript (Node.js)、Python、cURL 或 REST API 代碼！
這意味著我們剛才所有視覺化調優的心血，能以「零失真」的方式直接帶回我們的 Next.js 專案中。
今天我們在 Google AI Studio 中完成了：
大腦已經完全甦醒，接下來就是將大腦裝上神經網路！
👉 明天（Day 07），我們將進入【Gemini API 篇】：快速串接最新 Google Gen AI SDK！在 Next.js App Router 後端建立專屬的 AI API Route，實戰第一支端到端打通的內容提煉接口！
我們明天見！🔥
iThome鐵人賽
看影片追技術