在過去幾天，我們驗證了 Gemini 3 Flash 針對單張圖片的 UI 元件拆解、發票 OCR 結構化擷取以及商業圖表分析。然而在真實的軟體工程、UI/UX 驗收與設計審查（Design Review）場景中，最耗費人力的任務往往是跨版本的版本對比（Visual Diff）。
工程師改了程式碼，畫面有沒有跑版？設計師交付了 V2 草圖，到底調整了哪些字級、按鈕間距或功能項目？今天我們要實測 Gemini 3 Flash 的多圖空間推理與跨影像關聯能力：在 Google AI Studio 中同時掛載兩張獨立圖片，透過專屬提示詞讓 AI 化身為像素級的視覺 QA，自動產出標準化變更矩陣。
為什麼直接丟兩張圖容易失焦？
當在對話框中同時上傳多個影像檔案並隨意提問「這兩張圖有什麼不同？」時，模型通常會遇到三個瓶頸：

1. 時序與身分混淆：模型無法確認哪一張是「基準舊版（Before）」、哪一張是「迭代新版（After）」，導致描述時主客顛倒。
2. 微觀細節忽略：模型傾向描寫大輪廓的一致性，容易忽略 10px 的間距位移、單字增減或外框色彩異動。
3. 缺乏工程規格交付：僅給出零散的敘述段落，無法直接作為 Git Commit 說明、PR 審查或 QA 測試案例。
   多圖比對專用提示法：雙軌 DIFF 框架（Dual-Image Diff Framework）
   要讓多模態模型精準對比兩個影像檔案，提示詞需建立嚴謹的四步結構：
4. 檔案錨定（File Anchoring）：在指令中明確界定第一張圖為基準版本（Before）、第二張圖為改版版本（After）。
5. 循序掃描（Scanning Order）：指定由上至下、由左至右逐區掃描，避免視覺盲點。
6. 四維變更分類（Diff Categorization）：將差異項目嚴格歸類為【新增】、【刪除】、【樣式微調】與【文案變更】。
7. 影響評估（Impact Assessment）：簡述該項改動對使用者體驗或工程實作的潛在影響。
   實測設計：手繪 Wireframe 改版對照實測
   延續 Day 15 的經典 Google 登入草圖，我們將其延伸為兩張獨立的手繪圖檔並同時上傳至 Google AI Studio： 
   圖 A（基準版）：包含經典標題、Email 輸入框（標籤於左上角）、Forget email?、Create account 與藍色邊框 Next 按鈕。 
   圖 B（改版版）：標籤位置異動、新增輔助文字，並微調按鈕視覺樣式。 
   實測 Prompt（雙軌 DIFF 視覺驗收咒語）
   在 Google AI Studio 輸入框中點擊左下角 ⁠+⁠ 號，依序上傳圖 A 與圖 B 兩個檔案，並貼上以下提示詞：
   【角色】你是一位像素級的資深 QA 自動化測試工程師與 UI/UX 審查員。
   【任務】請對我上傳的兩張圖片進行精密的視覺差異性分析（Visual Diff），找出所有異動細節。

【影像標定】

• 附件中的第一張圖片：基準版本（圖 A / Before）
• 附件中的第二張圖片：改版版本（圖 B / After）

【比對與分析規範】

1. 請由上至下、由左至右逐區掃描兩張圖片的介面元素、佈局間距、文字標籤與色彩細節。

2. 請以 Markdown 表格產出【視覺變更矩陣表（Visual Diff Matrix）】，欄位包含：

   • 項目編號
   • 所在位置/元件
   • 變更類型（新增 / 刪除 / 樣式微調 / 文案變更）
   • 圖 A（Before）狀態
   • 圖 B（After）狀態
   • 變更原因與潛在 UX 影響

3. 【整體版本總結】

   • 用 3 點總結本次版本更新的核心調整主軸。
   • 評估是否有潛在的跑版風險或無障礙（Accessibility）問題。

【驗收底線】

• 請專注於實質差異，若某元件完全未變更請勿列入表格。
• 嚴格比對細微文字與標點符號差異，切勿自行推測未顯示的內容。
  
  今日結語
  在多模態應用中，單圖理解是基礎，而多圖對比才是真正檢驗模型空間關係與邏輯關聯的試金石。
  透過明確的檔案標定與四維變更分類，Gemini 3 Flash 能在平板操作環境下高效完成自動化視覺驗收，精準標記出標籤位移、元件新增與配色更動。這套方法可以直接落地於前端切版驗收、App 改版評審與日常設計找碴，大幅節省人工核對的時間成本。