目录

一、聊聊简单的聊天框指令体验

1.1 Doubao-Seed-1.6-flash丨250715

1.2 Doubao-Seed-1.6-thinking丨250715

1.3 版本对比分析

二、PromtPilot 操作实践

2.1 第一步：prompt生成

2.2 第二步：继续优化提示词

2.3 第三步：调试prompt

2.4 第四步：批量测评

2.4.1 进入批量测评界面

2.4.2 上传图片集

2.5 第五步：进入智能优化

---

字节刚甩出两款新模型，那真是王炸级别的！一个叫 Doubao-Seed-1.6-thinking丨250715，另一个是 Doubao-Seed-1.6-flash丨250715。这俩模型是真厉害，不管是多模态的深度思考能力、快到飞起的推理速度，还是对视觉内容的理解，都做得特别惊艳。

正好，我来替大伙儿先体验体验，好好测评一番。另外他们还公布了个 PromptPilot 平台，能帮用户生成提示词，还能调试和智能优化任务，挺实用的。

行了，废话不多说，咱们这就开启探索模式！

一、聊聊简单的聊天框指令体验

1.1 Doubao-Seed-1.6-flash丨250715

Doubao-Seed-1.6-flash推理速度极致的多模态深度思考模型，TPOT低至10ms； 同时支持文本和视觉理解，文本理解能力超过上一代lite，视觉理解比肩友商pro系列模型。支持 256k 上下文窗口，输出长度支持最大 16k tokens。

体验地址：账号登录-火山引擎

我现在上传一张图片让大模型帮我总结，来让大家感受一下，效果如下：

可以看到多模态深度思考速度非常快！！6.41s就完成了对图片的总结，而且输出的内容也和图片内容一致，可以看到模型对视觉理解非常到位！

1.2 Doubao-Seed-1.6-thinking丨250715

Doubao-Seed-1.6-flash推理速度极致的多模态深度思考模型，TPOT低至10ms； 同时支持文本和视觉理解，文本理解能力超过上一代lite，视觉理解比肩友商pro系列模型。支持 256k 上下文窗口，输出长度支持最大 16k tokens。

我丢入一个视频让模型给我详细介绍视频内容和生成分镜，最后居然也生成了，还挺符合，阔以阔以，你们也可以尝试一下。

1.3 版本对比分析

特性	Doubao-Seed-1.6-thinking	Doubao-Seed-1.6-flash
推理速度	标准	极速(10ms TPOT)
思考深度	深度推理	快速响应
多模态	✅	✅
上下文长度	256K	256K
最大输出	16K tokens	16K tokens
适用场景	复杂任务	实时应用

二、PromtPilot 操作实践

提示词这东西，可是大模型的核心指令，直接关系到模型能不能准确理解你的意思，输出的结果好不好。要是提示词写得好，大语言模型处理复杂任务的本事能明显变强，像逻辑推理、把步骤拆解开这些事儿，都能办得更利落。

而 PromptPilot 这平台，就能从头到尾帮你智能优化提示词，从生成、调整、评估到管理，每个阶段都能顾及到，帮你高效弄出更棒的提示词方案。

现在模型能力越来越强，要解决的问题也越来越复杂，光靠调优单个提示词可不够了，得转向对那种包含多个步骤、工具和 Agent 参与的工作流程进行系统性优化。

PromptPilot 就靠着大模型的本事，自动把问题拆开、规划流程，再结合能用的工具生成各种各样的解决方案，还能根据用户的反馈不断改进，最后轻轻松松就能完成代码部署。

接下来咱们就拿一个测试案例来举例，比如品牌评价的情感分类 —— 也就是文本理解任务，实际操作一下 PromptPilot。

PromtPilot独立站体验地址：https://promptpilot.volcengine.com/startup

2.1 第一步：prompt生成

为了安全生产，你需要根据生产车间的图片，判断生产车间是否存在违规操作设备和未佩戴安全防护用具的情况，需要输出思考过程，判断，以及违规类别。

我们会得到这样的一个优化过的提示词：

2.2 第二步：继续优化提示词

对生成的提示词不满意？没事儿，你可以自己动手改。要是懒得手动弄，直接点页面右下角的 “优化你的 Prompt”，在对话框里说说你想怎么改、有啥具体要求，就行啦。 比如：

变量名字必须是image_url

生成后的prompt：


你的任务是根据生产车间的图片，判断生产车间是否存在违规操作设备和未佩戴安全防护用具的情况。此判断是为了确保安全生产。请仔细查看以下生产车间图片：
<生产车间图片>
{{image_url}}
</生产车间图片>
请按照以下步骤进行评估：
1. 仔细查看图片的各个部分，包括设备操作情况和人员防护情况。
2. 判断是否存在违规操作设备的现象，如设备使用方式不符合规定等。
3. 判断是否存在人员未佩戴安全防护用具的情况，如安全帽、防护手套、护目镜等。
4. 形成初步判断。
5. 再次检查，确保没有遗漏重要细节。

在<思考>标签中分析图片，考虑是否存在违规操作设备和未佩戴安全防护用具的情况。然后在<判断>标签中给出你的最终判断，使用"存在违规"或"不存在违规"。最后，在<违规类别>标签中详细列出存在的违规类别，若不存在违规则写"无"。

<思考>
[在此分析图片内容]
</思考>
<判断>
[在此给出"存在违规"或"不存在违规"的判断]
</判断>
<违规类别>
[在此列出违规类别]
</违规类别>

请确保你的判断客观公正，并基于图片的实际情况。

2.3 第三步：调试prompt

已经生成了prompt，接下来就是调试prompt了。

这里需要移动到上传图片框，然后点击URL上传。

可以看到我们这边已经上传成功图片了。

选择target model，即：推理模型，多模态选择带thinking的模型。

点击保存并生成模型回答。

可以看到，在模型回答中，确实存在违规的点，比如：没有佩戴防护手套。

在下方可以点击基于模型回答的改写，可以看到别的模型回答的内容。

这边需要点击更多模型回答的参考。

我们可以看到，模型2的回答内容是不存在违规的，人工仔细观察它的思考和图片，确实应该判定为不违规。

所以我们可以优化一下它的思考过程，让它更加的简洁一点。

我们可以仅保存并添加到评测集。

2.4 第四步：批量测评

2.4.1 进入批量测评界面

2.4.2 上传图片集

方法一：添加行的方式：通过上传图片url来上传case

方法二：直接上传批量集：上传数据集，请注意：需要先修改图片的变量名为image_url, 然后上传文件。

这里需要选择对应文件。

上传之后，我们可以继续预览图片。

这边【点击确认上传】，不一会儿，可以看到都上传完成了。

如果避免麻烦的，可以像我这样连同“理想回答”都填上去。

这边可以看到我们已经都上传好了，然后点击生成全部回答。

我们先评分3个，然后让AI生成评分标准。

通过手动评分的标准，比如我这边评分了三条数据的，然后我们直接使用这个标准，点击【AI评分标准】，后期就可以让AI自动评分，这让后续的数据的评分变得很方便了。批量起来也不再话下！

只需要点击这个【为未评分的回答评分】，就能自动评分。

2.5 第五步：进入智能优化

进入智能优化页面，并开启优化

智能优化完成之后，我们可以查看优化报告。

优化报告不达预期，可以继续优化，因为最终的分数符合我的预期，3.8分，换算到百分制，其实是76分，所以可以正常结束。但是如果不满意，想继续优化，可以点如下按钮，继续优化下一轮，通过更多的迭代轮数提高效果。