NLP听起来hen高大上，但放到大模型时代，它Ke以粗略分成两类事情：

这两类任务kan起来完全不同，但它们共用同一套工作模式：你设计一段 Prompt，模型根据 Prompt 输出结果。以前Zuo NLP，每个任务要单独训练一个模型；现在同一个基础大模型，换不同的 Prompt，就Neng在不同的 NLP 任务之间切换。Prompt 成了人和模型之间的通用接口。

这篇文章以图片生成为例，先kankan Prompt 在多模态任务里长什么样，然后一路拆到底层 HTTP 请求，搞清楚一段 Prompt 到底是怎么送到模型手里的。

给模型三张参考图 + 一句文字指令，让它生成一张新图片。

图1：一个女生的照片图2：一件衣服的照片图3：一个坐姿的参考图指令：图1中的女生穿着图2中的衣服，按照图3中的姿势坐下

这就是多模态 Prompt——它的内容不只有文字，还Ke以包含图片。Zui终这段 Prompt 在代码里会变成什么样的数据结构？往下kan。

刚开始接触大模型开发的时候，我们通常会直接用官方 SDK：几行代码，传个 prompt，结果就回来了hen爽。但用久了会好奇——SDK 到底帮我Zuo了什么？Ru果不调 SDK，我自己Neng写吗？

这次以阿里云百炼的多模态图片生成接口为例，从 SDK 写法一路拆到Zui底层的 HTTP 请求，把 LLM API 调用的本质搞清楚。

假设我们用 DashScope 的 Node.js SDK 来生成一张图片：

import dashscope from 'dashscope';const res = await dashscope.multimodalGeneration.call;

hen简洁对吧？你只关心两件事：用什么模型传什么内容。URL 是啥、header 怎么拼、body 怎么序列化——统统不用管。

这其实就是 SDK 的核心价值：把 HTTP 的细节封装掉，让你专注于业务逻辑。

现在我们不用任何 SDK，用 Node.js 原生的 fetch 来发同样的请求：

import dotenv from 'dotenv';dotenv.config;async function generateImage { const OPENAIAPIKEY = process.env.OPENAIAPIKEY; const res = await fetch } );}

代码多了一些，但结构非常清晰。我们会发现SDK版本的model``input.message原封不动的出现在body中,只是外面套了一层http请求的外壳。我们来逐块拆解。