Voronoi-based navigation

Voronoi navigation

Voronoi an introduction

Voronoi 2D navigation (show Voronoi) (Rural Road 2d)

Voronoi-based Safe Routing Planning (Country Alley  2d)

Voronoi waypoints for navigation (share) (Campus Alley 3d) vs. non Voronoi 

 

Follow up EX#12

 

Trees need higher fidelity.

share

share (artifact)

artifact (fractal version)

Supplemental 

The one structural note: every link is a claude.ai/share URL, not a published artifact. Share links expose the conversation, which is great for showing your prompt path, but they do not give the grader a stable runnable URL for the final visualization. For a 3D / animation / navigation assignment, share + artifact is the gold standard.


你用了別的ＡＩ產生詳細複雜提示，再餵給 Claude ，要他遵從，目的是節省 Token，＄， 與兼顧品質

一般來說，這是合理的做法，但是對於 Claude 可能不適合，反而會限制推理與輸出的品質．

各家ＡＩ平台不同，ChatGPT 對角色很重視，如果是要給教授的答案，他會比較用心去做，一般的話可能就是還好就好．

Claude 偏好短的提示，就像外科手術一樣，乾淨俐落，過多提示會限制 Claude Opus 4.7 adaptive (頂級旗艦版) 的推理，結果會降維．主因是Claude Opus 4.7 Adatpive 是很強的模型，他適合精簡的提示

所以對於聰明的模型，提示要簡單扼要，給他揮灑的空間．對於一般的模型，可以詳細的提示，以免他走偏，而且還自信滿滿．

Prompt Engineering 實用準則

——依模型能力分級的提示策略

---

核心原則

給弱模型寫「程式」，給強模型寫「規格」。

• 模型越強 → 提示應該越偏向「明確的目標 + 必要的限制 + 例子」，少給「指定的步驟 + 表演性質的角色」。強模型的價值在 reasoning，過度規定步驟等於把它的 reasoning 預算花在「服從你」而不是「找最佳解」。
• 模型越弱 → 反過來：step-by-step 跟角色設定都有用，因為那是在補它推理能力的不足。否則它會走偏，而且還自信滿滿。

---

三個關鍵概念

1. Meta-prompting：AI 提示 AI

讓第一個模型把模糊的需求轉成結構化的指令，再交給第二個模型執行。 流程：作業要求 → meta-prompt → code，中間用回饋當 oracle 做迭代。

好處： 把「需求規格化」這個工程動作外包給模型。 陷阱：

• 三層架構讓除錯變難——出錯時很難定位是「題目沒讀懂 / meta-prompt 寫歪 / 最終生成出問題」。
• 隱形成本：你會越來越少自己拆解問題，meta-cognition 退化。
• 長提示 ≠ 好答案。meta-prompt 常常塞滿 boilerplate。

自我檢測： 把 meta-prompt 砍到只剩骨幹，看輸出品質差多少。常常差很少。

---

2. Persona prompting：角色設定

要分清楚兩種完全不同的東西：

 有資訊量的 persona

「你是 Python code reviewer，重點看 production deployment 時的 race condition」

對任何模型都有用，因為它真的縮窄了任務定義。

 純儀式性的 persona

「你是世界頂尖的天才超級 AI，請用你的全部智慧⋯」

對強模型是雜訊——佔了 context window 卻沒給新資訊。對弱模型有時還有用（會把輸出分佈往該領域訓練資料偏移），但對 Claude Opus 4.7 / GPT-5 Pro / Gemini 3.1 Pro 這種等級多半是冗餘。

判斷準則： 把這個 persona 拿掉，模型還能知道任務範圍嗎？

• 拿掉後資訊損失 → 留著
• 拿掉後沒差 → 刪掉

---

3. Solution path 過度規定

當你把每一步都寫死，模型就沒空間探索更好的解法。 對能 reasoning 的模型，這個成本特別明顯——你等於用人類的局部最優解，去取代它可能找到的全局最優解。

症狀： 提示寫得越仔細，結果越平庸、越沒新意。 對策： 給 what，不要給 how。除非 how 真的有約束（例如必須用某個 library、必須遵守某個 API）。

---

模型分級提示策略

模型等級	例子	建議提示風格
頂級 reasoning 模型	Claude Opus 4.7, GPT-5 Pro, Gemini 3.1 Pro	短、明確、給目標跟例子，留思考空間。像跟一個資深同事討論。
一般強模型	Claude Sonnet, GPT-5, Gemini 2.5 Pro	中等長度，目標 + 約束 + 1–2 個例子。可加有資訊量的 persona。
小模型 / 開源模型	Llama, Mistral, Qwen 7B–70B	詳細 step-by-step，明確角色，多範例 (few-shot)，限定輸出格式。

---

外科手術比喻——任務資訊 ≠ 身份戲份

醫師不會因為躺在手術台上的是教授就更認真，但他需要病例、X 光片、手術部位——這些是「任務資訊」，不是「身份戲份」。

學生提示詞常見的問題不是「角色不夠華麗」，而是「沒告訴模型病灶在哪」。

---

實用 Checklist

寫完提示後，問自己這五題：

1. 角色設定是「有資訊」還是「儀式」？ 拿掉看會不會損失資訊。
2. 我有沒有把步驟全部寫死？ 若是強模型，留空間讓它選路徑。
3. 我有沒有給範例？ 一個好的 example 常常勝過十句描述。
4. 目標是不是夠明確？ 模糊目標下，模型只會生成「看起來像但其實沒解到」的東西。
5. 我能不能判斷它的錯誤來源？ 若提示太複雜，除錯成本會吃掉所有時間紅利。

---

一句話總結

強模型怕 over-prompt（被綁手綁腳），弱模型怕 under-prompt（自己亂走偏還很自信）。

你的提示複雜度，要 match 模型的能力等級。

---

給學生的建議學習路徑

1. 第一階段：自己寫提示。 不要急著用 meta-prompting，先練自己「把模糊需求轉成明確規格」的能力。這是工程思維的核心，外包掉就學不到。
2. 第二階段：對照實驗。 同一個任務，用三種提示——極簡、中等、Gemini 幫你寫的——比較輸出。建立自己的直覺。
3. 第三階段：才用 meta-prompting。 而且要知道自己為什麼用、什麼時候不用。

EX#12 3D model and Navigation

 課堂練習 

Deadline:  Saturday at 23:59 (one more week)

Send all the share links to  me chang212@gmail.com by email with subject EX#12 [your id, your name]

1. 從文字製作太陽-地球-月亮 3d 模型 （Hint: Three.js for Sun, Earth, Moon,  starfield.）

2. 從影像資料庫選取 1 幅，製作3d 模型圖 (Hint: Prompt "3D model")

3. Add engine animation of Leap 71 (Hint: prompt "Add engine animation")

4. Add navigation for the urban pedestrian (Hint: prompt "navigate")

5. 製作3d 障礙模型圖，模擬盲人行進 

The model is broken. The pedestrian got stuck ahead of the air-conditioner. Your task is repair the model to walk around it and make it to the destination.

Your prompts show a clear progression from initial obstacle identification → edge detection → 3D visualization → realistic models → collision detection → intelligent avoidance → critical safety zones.

• Try the vanilla version. No detection of obstacles. No avoidance.
• Try the detection only version.
• Try the shaky version with detection and avoidance 
• Make a comprehensive, functional version with detection and Voronoi-based avoidance

prompt share: ＡＩ障礙偵測，行進模擬

3D Models for Navigation

 

navigation

artifact

navigation

3D Model Applications Leap 71, "Leap 72"

 From image

briefings

animation of Leap 71 (launch)

From text

"Leap 72"

"Leap 72 Aerospike"

simulation

animate engine running three.js

all the prompts used

3D Models from text

From image 

Casa Milà

From text

Sagrada Família (Opus 4.5)

 

Banff National Park:  Ten Peaks from scratch (share)

Ten Peaks and Lake Moraine 1, 2 (cali.), evolution

Follow up EX#11

OP 741 PnR Algo & Benchmark

Trace Routing Errors and Repairs router optimization （original by Ms. Wu）

trace, 3d, heat map＊ heat map by me, trace route and 3D by Mr. Su

pierceCalc

Science

 

photosynthesis

Blue LED

Cat coat colors: 貓的花色遺傳模擬

more scientific discovery

3D Model

artifact Opus 4.7, Opus 4.5

artifact Opus 4.7, Opus 4.5, Opus 4.5 (highly accomplished)

Opus 4.5

3D models from text

3D Models of Navigation

3D Models for Rocket Engine Design

more 3D model 

Fractals

 

artifact (share)

artifact (share)

artifact (share)

artifact(share)

artifact, fly thru woods

more fractals

EX#11 Circuit Optimization on PCB

課堂練習 

Deadline:  Saturday at 23:59 (one more week)

Send all the share links to  me chang212@gmail.com by email with subject EX#11 [your id, your name]

PCB Trace Routing and/or Parameter Tune-Up 

1. Optimize trace routing for the Differential Pair Circuit on PCB 

trace routing, share (artifact, more accurate schematic)

Steps

Starting from the imperfect design, complete the trace routing. Do trace routing ( 參考 share, share 2, share 3)

2. 設計Crystal 石英振盪電路的PCB

 (slides) schematic

(3, 4 任選一題來做)

3. 使用鑽孔路徑演算法進行以下PCB 鑽孔(演算法 提供參考)

PCB 1

PCB 2

甚麼是 TSP?

Traveling Salesman Problem 簡稱TSP

 (一個推銷員要拜訪所有客戶城市，每個城市只能拜訪一次，最後要回到出發城市，請為他/她計算最短的拜訪路徑)

TSP在工業界有重要應用，包括物流（UPS/Amazon配送路線優化）、製造業（電路板鑽孔、機器人組裝路徑）、電信（網路路由、線路安裝）和能源（電網維護、管線檢查）。凡是需要造訪多個地點同時最小化成本、時間或距離的場合都適用。現代變體能處理容量限制、時間窗口等實際約束。企業使用OR-Tools、Gurobi等專業軟體解決這些問題，透過優化倉儲揀貨、切割模式、3D列印路徑和車隊管理等作業，往往能節省數百萬成本。

(樸素) Visualize TSP (Traveling Salesman Problem) by A* search 使其可以改變網路節點個數

(美學) 視覺化 A* for Traveling Salesman Problem 使其可以改變網路節點個數